Automatic Parking and Path Following Control for a Heavy-Duty Vehicle

The  interest  in  autonomous  vehicles  has  never  been  higher  and  there  are  several  components  that  need  to  function  for  a  vehicle  to  be  fully  autonomous;  oneof  which  is  the  ability  to  perform  a  parking  at  the  end  of  a  mission.  The  objective  of  this  thesis  work  is  to  develop  and  implement  an  automatic  parking  system  (APS)  for  a  heavy-duty  vehicle  (HDV).  A  delimitation  in  this  thesis  work  isthat  the  parking  lot  has  a  known  structure  and  the  HDV  is  a  truck  without  anytrailer  and  access  to  more  computational  power  and  sensors  than  today’s  commercial  trucks.

An  automatic  system  for  searching  the  parking  lot  has  been  developed  whichupdates  an  occupancy  grid  map  (OGM)  based  on  measurements  from  GPS  andLIDAR  sensors  mounted  on  the  truck.  Based  on  the  OGM  and  the  known  structure  of  the  parking  lot,  the  state  of  the  parking  spots  is  determined  and  a  pathcan  be  computed  between  the  current  and  desired  position.

Based  on  a  kinematic  model  of  the  HDV,  a  gain-scheduled  linear  quadratic  (LQ)controller  with  feedforward  action  is  developed.  The  controller’s  objective  is  tostabilize  the  lateral  error  dynamics  of  the  system  around  a  precomputed  path.

The  LQ  controller  explicitly  takes  into  account  that  there  exist  an  input  delayin  the  system.  Due  to  minor  complications  with  the  precomputed  path  the  LQcontroller  causes  the  steering  wheel  turn  too  rapidly  which  makes  the  backupdriver  nervous.  To  limit  these  rapid  changes  of  the  steering  wheel  a  controllerbased  on  model  predictive  control  (MPC)  is  developed  with  the  goal  of  makingthe  steering  wheel  behave  more  human-like.  A  constraint  for  maximum  allowedchanges  of  the  controller  output  is  added  to  the  MPC  formulation  as  well  asphysical  restrictions  and  the  resulting  MPC  controller  is  smoother  and  morehuman-like,  but  due  to  computational  limitations  the  controller  turns  out  lesseffective  than  desired.

Development  and  testing  of  the  two  controllers  are  evaluated  in  three  differentenvironments  of  varying  complexity;  the  simplest  simulation  environment  contains  a  basic  vehicle  model  and  serves  as  a  proof  of  concept  environment,  thesecond  simulation  environment  uses  a  more  realistic  vehicle  model  and  finallythe  controllers  are  evaluated  on  a  full-scale  HDV.

Finally,  system  tests  of  the  APS  are  performed  and  the  HDV  successfully  parkswith  the  LQ  controller  as  well  as  the  MPC  controller.  The  concept  of  a  self-parkingHDV  has  been  demonstrated  even  though  more  tuning  and  development  needsto  be  done  before  the  proposed  APS  can  be  used  in  a  commercial  HDV.