Autonomous driving in public roads requires precise localization within the range of few centimeters. Even the best localization systems based on GNSS cannot always reach this level of precision, especially in an urban environment, where the signal is disturbed by surrounding buildings and artifacts. Recent works have shown the advantage of using maps as a precise, robust, and reliable way of localization. Typical approaches use the set of current readings from the vehicle sensors to estimate its position on the map. The approach presented in this paper exploits a short-range visual lane marking detector and a dead reckoning system to construct a registry of the detected back lane markings corresponding to the last 240 m driven. This information is used to search in the map the most similar section, to determine the vehicle localization in the map reference. Additional filtering is used to obtain a more robust estimation for the localization. The accuracy obtained is sufficiently high to allow autonomous driving in a narrow road. The system uses a low-cost architecture of sensors and the algorithm is light enough to run on low-power embedded architecture.
De tuinbouw sector is een innovatieve sector waar veel gebeurt en die sterk in ontwikkeling is. Er zijn veel vacatures op allerlei gebied: als gewasverzorger, als teeltspecialist, maar ook als manager logistiek, als HRM-er in een commerciële functie. Alleen weten veel mensen dat niet. De kloof tussen de blik van buiten t.o.v. de blik van binnen is groot. In dit project hebben we actuele realistische beroepsbeelden ontwikkeld in co-creatie met zes bedrijven welke kunnen bijdragen aan imagoverbetering van de sector en aan de doorontwikkeling van HRM. De bijlagen zijn op te vragen via BRC@inholland.nl
