Autonomous Vehicle Sensor Weather Performance

Thumbnail Image

Files

Pesonen_Kari_2025.pdf (6.06 MB)

URL

Journal Title

Journal ISSN

Volume Title

Sähkötekniikan korkeakoulu | Bachelor's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2025-05-30

Department

Major/Subject

Automaatio- ja systeemitekniikka

Mcode

ELEC3014

Degree programme

Sähkötekniikan kandidaattiohjelma

Language

en

Pages

27

Series

Abstract

Reliable perception in adverse weather remains a major challenge for autonomous vehicles. This literature review examines how rain, snow, fog, and other conditions affect the performance of sensor types, such as LiDAR, radar, cameras, and ultrasonic sensors. Each sensor type provides strengths, but adverse weather conditions amplify their weaknesses and degrade overall performance. To address these limitations, the review highlights sensor fusion, where multiple sensor types are combined to improve robustness. The thesis emphasizes real-world experiments and studies evaluating sensor types and variants in varying conditions. The findings show that no single sensor type is sufficient in all environments, and that both the selection of sensors and data processing methods significantly impact fusion performance. Understanding the role of sensor selection is essential for safe and reliable autonomous navigation in weather conditions.

Luotettava havaitseminen hankalassa säässä on haaste autonomisille ajoneuvoille. Tämä kirjallisuuskatsaus analysoi miten sensorit, kuten LiDAR, radar, RGB- ja lämpökamerat, käyttäytyvät sään vaikutuksen alaisena ja kuinka sensorifuusiota voidaan hyödyntää heikkouksien kiertämiseen yhdistämällä monen sensorin dataa, jolloin syntyy tarkempi ja varmempi kuva ympäristöstä. Haasteena on sensoreiden suorituskyvyn heikkeneminen sään, kuten sateen, lumen ja sumun vaikutuksesta. Alalla tarvitaan uutta tutkimusta sensoreiden suorituskyvystä sääolosuhteissa, sillä uusia tutkimattomia sensoreita ilmestyy markkinoille jatkuvasti ja vanhoja poistuu markkinoilta. Suorituskykytutkimusten puuttumisen takia on tärkeää ymmärtää kuinka sääolot vaikuttavat sensorityyppeihin. Tutkielma pyrkii luomaan kuvan yksittäisten sensorityyppien toiminnasta säässä kirjallisuudessa analysoitujen sensorien perusteella. Tutkielmassa käsitellään sääolosuhteiden (vesi, lumisade, sumu/savusumu, rakeet, hiekkamyrsky ja häikäisy) vaikutusta sensoreihin (LiDAR, radar, RGB- ja lämpökamerat sekä ultraääni). Sääolosuhteiden yleinen piirre on sensorin käyttöetäisyyden lyheneminen signaalin heikkenemisen vuoksi. Signaalin heikkenemistä mitataan esimerkiksi sensoriin signaalin intensiteetin eli sensoriin palaavan signaalin energian avulla. Sääolosuhteet vaikuttavat sensoreihin eri tavoin, esimerkiksi vesipisara kameran linssillä voi väärentää kameran kuvan tai lumi ja rakeet voivat estää kameraa näkemästä kohdetta. Aurinko voi myös häikäistä kameraa ja estää kohteiden näkemistä. Lämpökamera puolestaan näkee paremmin häikäisevässä auringonvalossa, eikä se myöskään tarvitse valoa nähdäkseen pimeässä ja näkee paremmin sumun läpi kuin kamera. Sumulla ja sateella on myös vaikutus kameran näköetäisyyden ja kuvan kontrastin vähenemiseen. Sumu ja sade heikentävät myös LiDARin toimintaa sirottamalla laservaloa. Lumihiutaleet tai rakeet voivat myös aiheuttaa takaisinsiroamista, jolloin syntyy virheellisiä havaintoja. Radar on laajasti käytetty, koska se läpäisee lunta, sumua ja sadetta hyvin. Sen maksimietäisyys kuitenkin vähenee näissä oloissa ja sensorin hyödyt ovat rajalliset epätarkkuuden takia, joten se ei sovi jalankulkijoiden tunnistamiseen. Näiden rajoitusten perusteella sensoreita täytyy yhdistää, jotta saadaan toimiva navigointijärjestelmä. Tutkielma tarkastelee sensorien ominaisuuksien, kuten aallonpituuden ja skannaustavan, vaikutusta suorituskykyyn eri sääoloissa. Tutkielma käsittelee myös sensoreiden roolia sensorifuusiossa sekä sensorifuusiomallien luontia sensorien vahvuuksien ja heikkouksien mukaan. Tutkimuksessa pyrittiin keskittymään todellisen maailman dataan sensorien toiminnasta ja luomaan näiden perusteella yleiskuva eri tyyppisten sensoreiden toiminnasta eri sääoloissa. Tällaisten tutkimusten puutteessa keskityttiin loogiseen päättelyyn luomaan ymmärrys sensorityypin toiminnasta sään vaikutuksena alaisena.

Description

Supervisor

Forsman, Pekka

Thesis advisor

Forsman, Pekka

Keywords

autonomous vehicles, sensor technology, adverse weather, LiDAR, radar, camera

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202506174790

Collections

[kand] Sähkötekniikan korkeakoulu / ELEC