Int ern at i onal  Journ al of Ele ctrical  an d  Co mput er  En gin eeri ng   (IJ E C E)   Vo l.   9 , No .   5 ,  Octo ber   201 9 , pp.  4466 ~ 44 72   IS S N:  20 88 - 8708 ,  DOI: 10 .11 591/ ijece . v 9 i 5 . pp4466 - 44 72           4466       Journ al h om e page :  http: // ia es core .c om/ journa ls /i ndex. ph p/IJECE   Unmann ed and  au tonomous g ro un d vehi cle       S.   Ge or ge  Fer na n dez , K .   Vi jay ak um ar, R .   P ala nis am y,   K.   Sel vakum ar , D.   K ar th ike yan,    D.   Selv ab h ar athi,  S.   Vidyas agar, V .   K alyan as un dhr am   SR M  Instit ute of   Scie n ce a nd   Tec hnolog y ,   Ind ia       Art ic le  In f o     ABSTR A CT    Art ic le  history:   Re cei ved   Ma y   3 , 2 01 8   Re vised  A pr   22 , 2 01 9   Accepte d  Ma y   3 , 2 01 9       Unm anne d  and  Autonom ous  Gr ound  Vehic l e  (U AG V)  is  a  sm art   vehi c le   tha t   ca pab le   of  doin g  ta sks   without   the   nee d  of  hum an  oper at or .   Th e   aut om at ed   vehi c le   ca n  wor k  during  off  and   on  roa d  n avi ga t ion  and  al so  use d  in  m il itar y   oper ation  such  as  detec t ing  bo m bs,  borde r  pa t rol,   ca rr y i ng  c ar gos,  sea rch ,   resc ue  etc  red u c ing  soldier’s   ex posure  to  d anger,  fre ei ng   the m   to   per form   othe r  duties.  T his  t y pe  of  ve hic l e  m ai nl y   us es  sensors   to  observe   the  envi ronm ent   an d  aut om aticall y   ta ke   decisions  o n  it s  own  in  un pre dictable  situa ti on  and  w it h  unknown  in form at ion  or  pa ss   thi s  informati on  to  th e   oper at or  who  c ontrol   the   UA GV   thr ough  var ious  com m unic at i on  when  it  req uire s support. T his UAG V c an  send  visual   fee d bac ks t o  the   oper at or  at   th e  ground  stat ion .   An  onboar d  sen sor  give s  the  co m ple te   envi ron m ent   of  th e   vehi c le   as  signa l s to  th e  op era to r.   Ke yw or d s :   Un m ann e d  a nd   a uton om ou s  gro und ve hicle     NI   visio n  ac qu isi ti on  syst em   NI   visio n de ve lop m ent u nit   Copyright   ©   201 9   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .    Al l   rights re serv ed .   Corres pond in g  Aut h or :   R. Palanisam y,   Dep a rtm ent o f El ect rical  an d  Ele ct ro nics  E nginee rin g,   SRM  I nst it ute o f  Science  and  Tech no l og y,   Katt ankulat hur , Ch e nnai , In dia .   Em a il :  kr sp al a ni@ gm ail.co m       1.   INTROD U CTION     Un m ann e d  gr ound  ve hicle s   (UGV ' s)  ar e   dev el op e d   for  m any  app li cat ion s  s uch   a s   the  arm y ,   in   da ng e r ou s  waste  m anag em ent .   Su c h  ap plica ti on s  ar e  hav i ng   li m it a tio ns   on  com m un ic at ion s  w hich   nee d s   nav i gation  a ut onom ou sly .   U GV’s  ha ve  the   po te ntial   to  sign i ficantl y  reduce  the  crit ic al   m ist akes  that  hu m an   dr i ver s  m ake.   The  perform a nce  of   t he  U GV’s  a re  al so  bette r  tha n  hu m an  dr ive rs  because   of  t he   bette r   per ce ptio n  an d  bette r  decisi on  m aking   [1 ,  2].   The  capab il it y   of   con tr ol ing   an  aut onom ou s  ve hicle   is  c riti cal  wh ic h  can  im pact  the  pu blic  acce ptance  of   a utono m ous  veh ic le s  a nd  al so   the  aut om ot ive  industr y  [3 ] .   Unde r  these  s it uations,  UGV' s   shou l d   be  fur nish e d  wit h  se ns ors  for  s po tt ing   obsta cl es.   T his  pa per   deals   with  com bin at ion   of  m echan ic al ,  el ect ro nics ,  se ns ors,  im age  proces sin g  an d  com pu te r  visio n  to  m ake  the  gro und  veh ic le   m anu al   and   a uton om ou s  en ablin g  the   people  safet y  in  trans portat io n  by  el im inati ng   the  risk  in volve d  in  the  t ran s po rtat ion   [4,  5] .   The  UGV ’s  a r e  em bed ded  with  th ree  m ob il it y  le vels  su ch   as  te le ope rati on,  com pu te r  ai de d  dri ving  a nd   auto no m ou s  c on t ro l.  T he  c ontr ol  sta ti on   ha s  the  capa bili ty   to  si m ultaneou sly   con t ro l  t he  op erati on  an d  m anag e   UGV’ s .   They   are   buil t  to  handle  a ny   m issi on s’   m i ssion s   s uch  as   bor de r  patr ol,  su r veill ance  an d  in  act ive  com bat  bo th  as  a  sta nd al one  unit   and   as  well   as  a  hu m a n  so ldie rs  (m a nu al ) .   An   op e rato r  can  co ntr ol  com f or ta bly  fr o m   a  rem ote  place  wirelessl y.  Thi s  syst e m   of   ou rs  has  tw o  unit s -   one   is  the  co ntr ol  un it   (t o  c on tr ol   m ob il it y)  and  the  ot her   is  t he   m otion   track ing   unit .  Both  these  unit s  ha ve   two  m od es -   A uto m at ic   and  Ma nu al   [6 ] .  This   r obot  w ou l d  be  arm ed  with  a n  autom at ic   weap on  m ounted   on t o  a  turr et   a nd  a  re m ote  op erato r  would  be  getti ng   a  li ve  vi deo  feed   from   the  ca m era  to  help   him   m anu al ly   con t ro l   bo t h  the  a bove   m entioned   uni ts  of   t he  r over . Th e rover  is  al so   ca pab le  o f   a uto m at ic ally  tr ackin g  m ov em ent  of   obj ect s  in   it s  r ang e   of  visi on.  I n  the  a uto m at ic   m od e,  the   bo at   us es  Im age  P ro ce ssin g  te chn i qu es   to   track   m ot ion .  T he  veh ic le   has  G PS  [7,  8]  na vi gation  an d  c omm and s  to  nav i gate  can  be  giv e n  wi re le ssly.   Additi on al ly ,  i nfrar e d  se nsor s  ai d  i n  obsta cl e  detect ion  an d  path  m app i ng.  The re  is  on e  onboa rd  co m pu te r,  Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Unm anne d and  auto nom ous  groun d  ve hicle   ( S.Geo r ge  Fer nandez )   4467   wh ic h  receive s   com m and   fro m   co m m and   center  co ntr ol  an d  issues  c ommands  to  the  onboar d  m ic ro con t ro ll er   for  co ntro ll in g  the  ste pp er  m oto rs,   servo  m oto rs,   wirele ss  data  recepti on,  GPS  nav i gation,  an d  ob sta cle   detect ion   [ 9].   The  com m and   center  co ntr ol  com pu te r  al lows   the  rem ote  us er  to  see  th e  direct  vid e o  stream   and  c on tr ol  t he   va rio us   featu res  of  the   r ove r,   us i ng  a  GUI   [ 10 ] .   T his  al lows  the   us er   to  acce s s  the   ve hicle   rem otely  an d  a s w el l as  with out ha nds  on the  steerin g  a nd   pe dd le ,  which  is  shown i n  Fi gu re  1.           Figure  1. A utono m ou s  car       2.   PROP OSE D APP ROAC H   FOR  D ESI G N IN G  UGV     The vari ous te chnolo gies i nvolv e d  in  this  U AVG  a re as  fol lows   −   Me chan ic al   de sign analy sin g   −   Ele ct ro nics   −   Con tr ol syst em     −   Im age p r ocessi ng   −   Com pu te r  visi on   −   Sensor  fusio n   −   Ar ti fici al  Intel li gen ce    Lab View  is  gen erall y  us ed  f or  data  acqu isi ti on,  instr um ent   con tr ol,  an d  industrial   auto m at ion   on   a   var ie ty  of  platf or m s   [11,  12] .   Visio n  s of t ware use d  i n  La bVIE W   ha s the  fo ll ow in g  c om po nen ts .   −   NI   Visio n Ac quisi t ion   syst em   −   NI   Visio n De ve lop m ent U nit   −   NI   Visio n  f or   Au t om at ed  In s pecti on   NI   Visio n  Ac q uisit ion   sya te m   is  the  el e m entary   requirem ent  fo r  c reati ng   vi sion   kind  of  a pp li cat io ns .  The  NI  Visio n  s of t war e   in cl ud es   the  ne cessary  dr iv er s,  s uch  as  N I  –   IMA Q  a nd  N I  –   im aqdx .   The  NI  –   im a qdx  dri ver  s oft war e  giv es   y ou  the   abili ty   to  acq uire   the   i m age  with   I EEE  1394  (f ir ewire) ,   Ether net  an d  Usb   cam eras.  Fo r  m or e  a dv a nce  m achine  vi sion   im age  processin g  yo u  will   need   NI   Visio n  Dev el op m ent  Module .  H undreds  of   im age  processi n g  a nd  m achine  visio n  f un ct io ns   for   la bv ie w   is  a va il able  in  the  Visio n  dev el op m ent  m od ule.  T hi s  m od ule  has   patte rn   m at c hing,  te xt ur e  recog niti on ,  c ountin g  functi ons  inbu il t   [13 ,  14] .   NI   Visi on   Bui lder  is  us ed  f or   aut om at ed  insp ect io n,   ga ug i ng,  pa rt  presence ,  gu i dan ce ,  a nd   co un ti ng.  T hi s  is  exte rn al   and  in de pende nt  a pp li cat ion  f or  buil ding  and  m achine  visio n  app li cat io n  w it hout  th e  need  for  pro gr am m i ng  N I  visio nni  Visio n  Assist ant  are   the   to ol s  us e d  i n  la bv ie w. N I  Visio n  is  us e d  to  create   m a chine  visio n  and   sc ie ntific   im aging   a pp li c at ion w hich  he lps  f or   basic  im age  analy sis,  i m age  processin g,   and   m achine  vi sion   [ 15] .   NI   Visio n  too l  he lps  to  create   i m age  processi ng   a nd   m achine v isi on appli cat ion s.   Con tr ol,  a nd in du st rial  au t oma ti on   on a  var i et y of   platfo rm s.         3.   RESEA R CH MET HO D   F OR  DESI GN  AND C ALC U LATION S   O F  THE P ROPOSE D MO DEL   This  UAG V  consi sts  of  a  ca m era,  ultras on ic   se nsor s,  vid e o  tr a ns m itter  an d  receiv er,  Zi gb ee ,   high  t orqu e   m oto rs,  gps   m od ul e,  di gital   com pass,  m ic ro pro cesso r  a nd  m icr oc ontrolle rs   al l  com bin ed,  th e  data   from   all  the  sensors  a re  colle ct ed  analy sed ,  fu se d,   proces s ed  an d  finall y  the  lim it ed  data  is  sent  to  act uato rs.   This  com bin at ion   of  al l  sens ors  ena bles  the   veh ic le   to  ta ke   decisi on  in  un pr e dicta ble  an d  un known  sit uation  to take a  r i gh t  dec isi on to  n a vi gate aut onomou sly ,   S of twa r e b ei ng  us e d  –   NI   Lab V IE W   is sh own  in Fi gure  2.     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober   201 9   :   4 4 6 6   -   4 4 7 2   4468       Figure  2. S of t war e  b ei ng u se d  –   NI   Lab V IE W       The  c hassis  of   the  ve hicle   is  bro ught  f ro m   the  outsi de  a nd   a naly sed  t he   com plete   m at hem atica l   m od el   and   the  m easur em e nt s  of   the  ve hic le   to  m ake  a  com plete   red esi gn   in  the  sol id  wo r k  f or   virtu al   prototypi ng   a nd  m od el   in  the  loo p   [16,   17] .   This  al lows   c heck i ng   t he  co ntr ol  syst e m   of   the  veh ic le   vi rtuall y  accor ding  t o  t he  m echan ic al   desi gn  s o  t hat  the  c ontr ol  sy stem   is  tun e d   virtu al ly   in   hit   an d  t rail ing  m et ho d  with  ap pro xim at e  par am et ers  from   the  m e chan ic al   desig n’ s  pa ram et er  wh ic h  is  ext ra ct ed  f ro m   the  so li d  works.   T he  el ect ronics  in  th is  are  powe r  di stribu ti on  bo a rd,  protect io n  bo a r d,   sa fety   kill   and   m oto r   dr i ver  switc h  a r e  m ajo r   el ect ronics  involve d  i n  th e  U AGV   [ 18 ,   19] .   Th e  powe r  distrib ution  bo a r d  a nd  pr otect io n  bo a r d  pr otect s  the  sen sors  a nd  oth er   lo gic  c ircuit s  f ro m   hig h  volt age  a nd   curre nt.  T his  al so   pr otect s  r ever se   po la rity   and   isolat ion .  T he  e m erg ency  an d  safety   ki ll   switc hes  are  of  two  ways,  they   are  m echan ic al   kill  switc h  a nd   re m ote  kill   switch .  Kill   switc he s  are  ver y  im po rta nt  in  em erg ency  sit uatio n  as  the  ve hicle   consi sts   of   up   to  50   a m ps .  The  m otor  dr i ver   al lows   c ontrolli ng  the  m oto r  f ro m   the  m ic ro co ntr oller   [2 0,   21] .   The o per at io na l diag ram  is g iven  in F ig ur e  3.           Figure  3. O perat ion   of m oto r c on t ro l       Im age  pr oce ssing   a nd  com pu t er  visio n  play s  a  vital   par t  in   this  auto no m ous  na viga ti on.  This  gi ves  the  com plete   m ap  us in g  cam era  an d  al so   de te ct s  the  ob sta c le   fo r  the n a viga ti on   an d  decis ion   m aking   pu r po s e.  Wor king  pr inci ple of im age pr ocessin g  a nd c om pu te r visi on   is sh own  in Fi gure  4.     Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Unm anne d and  auto nom ous  groun d  ve hicle   ( S.Geo r ge  Fer nandez )   4469       Figure  4 .   W ork ing   pri nciple  of im age p r oces sing an d  c om pu te r visi on       In   this  visio n  ba sed  na vi gatio n  m any  al go rithm s  are  us ed.   But  the  basic  a lgorit hm   is  as  sh ow n  in  th e   char t.  I n  a dd it ion  to  this ,  hum an  bein g  is  a lso  detect e d  f or  the  a uton omou s   na vig at i on  pur pose,  sea r ch  a nd   rescu e . T he  a rtific ia l i ntell ige nce  prov i des  t he  thin king  proc ess to the  v e hic le , th is m ake th e v e hicl e sm art  and   intel li gen t  by  choosi ng   the  s hortest   path  fro m   gp s  an d  vision   base d  data  f or   nav i gation  by   var io us   al gor it h m s   su c h  as  Dijkstr a’s  al go rithm .   The  cal c ulati on   of v a rio us   pa ram et ers  are g i ven as  fo ll ow a s;     3.1.  Accele r ati on   UAGV     Accele rati on  of  U GV   on   flat   te rr ai n  pr ob a bl y  wan ts  the  acce le rati on   to  be  ab out  half  of   m axi m u m   velocit y.  S o,   i f  say   U AGV  velocit y  is  3  f eet   per   sec ond  and   i f  the  ac cel erati on   is  a rou nd   1.5  feet   per   s q.   seco nd, th e n  t hi s w oul d  ta ke  2 seco nds to  r ea ch  m axi m u m  sp eed .     3.2.  F orce   Fo r ce = Ma ss   × Accele rati on   Torq ue  × R ps   = (Mass ×  A cc el erati on  ×  v el ocity  × 2 π)/  Ef fici ency   Now,   UAG V  total   w ei gh t =  9 k gs   Desire d velocit y = 2  m /s   Desire d  acce le rati on =  1  m  / sq . se c   Ex pected e ff ic i ency =  75 %   Wh eel   Diam eter  =  0.2 15 cm   Powere d w heels       =  2     = 9 ×  2  ×  2  /  2π           = 36 /  6.7 5     = 11. 5 K g  M  Rps     3.3.  A   super   heavy du ty  D C  gea r  m otor  of  20 0  R PM   si de sh aft    Rpm   –   200 at   10 Volt s   Vo lt age   –   4 t o 12 V olts   Stal l Torque  –   47.19 K g  Cm  at sta ll ing   cu rr e nt of  10. 6 A   Diam e te r   of th e sh a ft   –   8mm   Len gth   of the  s haf t   –   25 to  30 m m   Assem bly  of  t he   Gea r  –   S pur   Ty pe   of  B rush –   ca rbo n   Total  w ei gh t  –   370 g ram s   So  acc ordi ng to  m oto r  s pecifi cat ion ,   Torq ue  ×  r ps  =  47.19 ×  3.33   = 15. 7 Kg M  R ps   Ther e f or e    Torq ue  × R ps   > (Mass × Acce le rati on   ×  V el oc it y) / 2π   Ther e f or e  200  Rpm  h eavy d ut y  m oto r  is  suffi ci ent for U AGV.       Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober   201 9   :   4 4 6 6   -   4 4 7 2   4470   3.4.  R unt im e   calcula tion  f or  UAG V   Ba tt ery us ed  fo r  tw o  m oto r  is   11.1 V ,22 00 MAH,  25 C, Zi ppy Li poBa tt ery.   Now o ne  m oto r  re quires  10. 6 A at  peak f or 47. 19 Kg Cm  To r que   Ther e f or e    Ma xim u m  cu rrent d ra wn b y  2 m oto rs  =  21.2  A   The Am per e of  the  batte ry =  2200 M AH =  2. 2 A/H   The  C ou l om b  r at ing   of the  bat te ry = 25 C   The  m axi m u m  D isc ha rg e  of t he batt ery =  2.2 × 2 5  =  55  A   So  t he batt ery  can  pro vid e s uffici ent  powe r t o  both  the m oto rs .   The  ti m e the bat te ry w ould  take c om plete ly   to drain  at 2 .2  A  =  60 Mi ns   The  ti m e the Bat te ry w ould  take c om plete ly   to drain  at 2 1.2 A  =  2.2 ×  60 /  21.2   =  6.22 Mi ns   Connect in g one m or e b at te ry  in p a rall el  can give =  6.22×  2 = 1 2.44 Mi ns .       4.   RESU LT S  AND DI SCUS S ION   The U AGV ope rati on al   res ults can  b e  f in d b y t wo  m od es:   Com m and  Cen tre Co ntr ol m od e:   Ba sed  on  the  vi deo   rec ord  rec ei ved   from   the  on  bo a r d  cam era  locat e d  at   t he  veh ic le   will   be  sent  t o  the  base  sta ti on  wirelessl y.  F ro m   the  inp uts ,  the  re qire d  com m and s  are  sent  to  the  U AGV  rem otely  us i ng   wireless c omm un ic at io n  te c hnologies.     Algorithm  D es ign   User side   −   The  m ov em ent of the  v e hicle   hav e  b ee n  a ssingne d wit h  th   Up Do wn Left  and Ri ght ar row key s.   −   The  i nput (p res sed key )  is  con ver te d  as a  s pe ci al  ch aracte r  to  the  A r du i no  dev ic e.   −   The  s pecial  c ha racters se nt  w il l do  the  assi gned  fu nction f or them .     UAG V  side   −   The recei ve r u nit i n  the  UA G V  m on it or s  the  input  receive d from  the sp eci al  ch aracte rs  a nd also  it  acts  as  per the  decisi on se nt.   −   Fo ll owed  b y t he  input the   vehi cl e   can m ov e t o  the  forwa rd,  rev e rse, l eft a nd  rig ht    −   The fo r ward a nd r e verse  op e rati on u se s a C lock wise a nd a nticl ockwise  pin   resp ect ively .   −   A  P ulse  Widt h  Modula ti on ( P WM)  si gnal  p i n  is assi gned  for f or 80  -   120 degrees ’  tu rn.  Finall y, a d a nd  H  -   Bri dg e  is u ti li zed  for bra king .     The gra phic al   us er   inter face  ( GUI) f or com m on  centre  c ontr ol m od e is s how n  in  Fig ure  5 .           Figure  5. G UI  of unm ann ed  s yst e m       Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Unm anne d and  auto nom ous  groun d  ve hicle   ( S.Geo r ge  Fer nandez )   4471   Auton omo us  M od e  (Mo de - 2)   Au t onom ou s  m od e  is  capa bl e  of  tra velli ng  from   po int  A  to   po i nt  B  without  hum a n  na vig at io n  com m and s.  A dju st  strat egie s  based   on  surr oundin gs   us i ng   ob sta cl e  de te ct ion   al gorithm s.  It   enab l es  an   auto no m ou s  f un ct io n  with/wit hout  the  hum an  su pe r  vi sion .  T his  ope rati on  ca n  be  accom plish ed  by     a n a vig at io n  te chnolo gy s uc h as GP S. GUI  of unm ann ed sy stem  o f  a utonom ou s m od e is giv e n  in  Fig ure  6 .           Figure  6. G UI  of unm ann ed  s yst e m  au tonom ou s  m od e       To  co ntr ol  the   m ov em ent  of   the  veh ic le ,  it   is  necessary  to  ob ta in  t he   pr ese nt  GPS  co - ordinates .   The  Com pass  locat ed  in  the  UAG V  are  us e d  to  acq uire  th e  data’s  for  th e  us er.  By   cal culat ing   the  an gl es  at  wh ic h  it   ori ent s  with  t he  desired   directi on  by   us in g  a  sim ple  trigon om et ri c  functi ons.   T he  path  plan ni ng  is  base d  on  the  pa th  fin der   al gorithm s  su ch  as  sh ort est   pat h  al gorithm .  Me anw hile,  Ob sta cl e  avo i ding  al gorithm   is  inco rpo rated   to  a vo i d  obsta cl es  w hile  do ing   ta s k.  T his  can  be  done   a t  hand  i n  a   m os t  ef fici ent  m ann e r   base d  on  t he  UR  se ns ors  va lues.  T he  obj e ct   detect ion   a nd  m easur in g  th e  distance  bet ween  the  obsta cl e  an d  the v e hicle  is  gi ven  i n  the  Fi gure  7 an d Fi gur e 8 .             Figure  7. O bje ct  d et ect ion     Figure  8. Dista nce  betwee n  t wo ob j ect s  us ing Im age  Pr oc essin g       5.   CONCL US I O N   UAG V  is  a  sm art  veh ic le   w hi ch  is  capa ble  of   dri ving  wit hout  a  dr i ver .  Thi s  can  w ork   dur ing   off  an d  on  r oad  na viga ti on .  It  can   a chieve  t he  re duct ion  of  ro a d  acci den ts  m ade  by  hum an  error,   an d  al s o  us e d  in   m ilit ary  op e rati on ,   car ryi ng  c argos,  searc h,  rescu e   et c   re du ci ng   so l dier’ s   expos ur e   to  da ng e r,  f reein g  t hem   to   perform   oth er   du ti es .   The   operati on  is  dep e nd i ng  on   the  s ens or s   to  obser ve  th e  e nv i ron m ent   al so   it   re qires  a   high  ra nge  of  com m un ic at ion   in fr ast r uctu r e.  H ow e ve r,   it   can   aut om at ic a ll y  ta ke  decisi on s  on  it s  own   durin g  any  un pr e dicta ble sit uat ion .     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober   201 9   :   4 4 6 6   -   4 4 7 2   4472   REFERE NCE S   [1] .   L.   H.  Matt hi es,   " Stere o  vision  for  pla net ar y   rove rs:  stocha st ic   m odel ing  t o   nea r  rea l - ti m e   implementa ti o n, "   Inte rnational   Jo urnal  of  Comput er  VIsion,  vol .   8( 1) ,   pp .   71 - 91 ,   Ju l  1992 .   [ 2 ] .   L .   H .   M a t t h i e s   a n d   P .   G r a n d j e a n ,   " S t o c h a s t i c   p e r f o r m a n c e   m o de l i n g   a n d   e v a l u a t i o n   o f   o b s t a c l e   d e t e c t a b i l i t y  w i t h  i m a g i n g   r a n g e   s e n s o rs , "   I E E E   T r an s a c t i o n s   o n   R o bo t i c s   a n d   A u t o m a t i o n ,  v o l .   1 0 ( 6 ) ,   p p .   783 - 7 9 1 ,   D e c   1 9 9 4 .   [ 3 ] .   M.  Drum hel le r  and  T.   Poggio,   " On  par al lel  stereo ,"   In  Proc.   IEEE  Conf.   on  Robot ic s  and  Aut omation,   IEEE,   1986 ,     pp.   1439 - 1448.   [ 4 ] .   " A r t i f i c i a l   i n t e l l i g e n c e   t u t o r i a l s ,"   e d x . c o m   [ 5 ] .   S .   K u m a r   a n d   P .   A w a s t h i ,   “ N a v i ga t i o n   a r c h i t e c t u r e   f o r   a u t o n o m o us   s u r v e i l l a n c e   r o v e r , ”   2012.   [ 6 ] .   P .   Z .   W e ns h u a i   Y u ,   X u c h u  Y u   an d   J .   Z h ou i ,   “ A   n e w   f r am e w o r k  o f   m o v i n g   t a r g e t d e t e c t i o n   a n d   t r a c k i n g   f o r   u a v   v i d e o   a p p l i c a t i o n , ”   2 0 0 4 .   [ 7 ] .   S e z e r ,   C .   D i k i l i t a ,   Z .   E r c a n ,   H .   H e c e o g l u ,   A .   b n e r ,   A .   A p a k ,   M .   G o k a s a n   an d   A .   M u g a n ,   “ C o n v e rs i o n   o f  a   c o n v e n t i o n a l   e l e c t r i c   a u t o m o b i l e   i n t o   a n   u n m a n n e d   g r o u n d   v e h i c l e   ( U G V ) , ”  P r o cee d i n g s   o f   t h e   I E E E   I n t e r n a t i o n a l   C o n f e r e n c e   o n   M e c h a t r o n i c s ,   Ap r   2 0 1 2 .     [ 8 ] .   A .   M o h e b b i ,   S .   S a f a e e ,   M .   K e s hm i r i   a n d   S .   M o h e b b i ,   “ D e s ig n ,   S i m u l a t i o n   a n d   M a n u f a c t u ri n g   o f   a   T r a c k e d  S u r v e i l l a n c e   U nm a n n e d   G r o u n d  V e h i c l e , ”  P r o c e e d i n g s   o f   t h e   IE E E   I n t e r n a t i o na l   C o n f e r e n c e   on   R o b o t i c s   an d  B i o m i m e t i c e s ,   D e c   2 0 1 0 .   [ 9 ] .   A .   B o u h r a o u a ,   N .   M e r a h ,   M .   A l D a j a n i   a n d   M.   E l S h a f e i ,   “ D e si g n   a n d   I m p l eme n t a t i o n   o f   a n   U n m a nn e d   G r o un d   V e h i c l e   f o r   S e cu r i t y   A p p l i c a t i o n s , ”  P r o c e e d i n g s   o f   t h e   7 t h  I nt e r n a t i o n a l   S y mp o s i u m  o n   M e ch a t r o n i c s   a n d   i ts  A p p l i c a t i o n s ,   A p r   2 0 1 0 .     [ 1 0] .     J .   - H .   L i m ,   S .   - H .   S o ng ,   J .   - R .   So n ,   T .   - Y .   K u c ,   H .   - S .   P a r k   a n d   H .   - S .   K i m ,   “ A n  A u t om a t e d   T e s t  M e t h o d   fo r   R o bo t   P l a t f o r m   a n d   I t s   C o m po n e n t s , ”  I n t e r n a t i o n a l   J o u rn a l   o f   S o f t w a r e   E n g i n e e r i n g   a n d   I t s   A p p l i c a t i o n s ,  v o l .   4 ( 3 ) ,   2 0 1 0 .     [ 1 1] .   S h a s h i d h a r   M u pp i d i ,   “ D e v e l o pm e n t   o f   a   L o w  C o s t   C o n t r o l l er   a n d   N a v i g a t i o n   S y s t e m   f o r   U n m a nn e d   G r ou n d   V e h i c l e , ”  M a s t e r ’ s   T h e s is ,   C o l l e g e   o f   E n g i n e e r i n g   a n d   M i n e r a l   R e s o u r c e s ,   W e s t   V i r g i n i a   U n i v e r s i t y   2 0 0 8 .     [ 1 2] .   G e o r g e   F e r n a n de z . S ,   K . V i j a ya k u m a r   a n d   R . P a lan i s a m y ,   “ G PS   &   G S M   B a s ed   A c c i d e n t   D e t e c t i o n   a n d   A u t o   I n t i m a t i o n , ”  I n d o n e s i a n   J o u r n a l   o f   E l e c t r i c a l   E n g i n e e r i n g   a n d   C o m p u t e r   S c i e n c e   ( I J E E C S ) ,   v o l .   11(1),   2018.   [ 1 3] .   T a k a s h i   G om i ,   K o i c h i   I d e ,   a n d  H i r o k a z u   M a tsu o ,   “ T h e   D e v e lo p m e n t   o f  a   F ul l y   A u t o n o m o us  G r o u nd   V e h i c le   ( F AG V ) , ”  A p p l i e d   A I   S y s t e m s ,  Inc . ,   C a n a d a   1 9 9 4 .     [ 1 4] .   C e l l i n i ,   M . ;   M a t i ,   R . ;   P o l l i n i ,   L . ;   I n n o c e n t i ,   M . ,   "O b s t a c l e   A v o i d an c e   f o r   A u t o nom o us   Gr o u n d  Ve h i c l e s   i n   O u t d oo r   E n v i r o n m e n ts , "   I n t e l l i g e n t   V e h i c l e s   S y m p o s i um ,  2 0 0 7   I E E E ,  p p .   2 5 8 - 2 6 3 ,   J u n   2 0 07 .   [ 1 5] .   R e i n h o l d   B e h r i n g e r ,   W i l l i a m   T r a v i s ,   R o b   D a i l y,   D a v i d   B e v l y,   W i l f r i e d K u b i n g er ,   W o l f g a n g   H e r z n e r   a n d   V i c t o r   F e h l b e r g .   " R AS C A L   –   An   A u t on o m o us   G r o u n d  V e h i c l e   f o r   D e s er t   D r i v i n g   i n   t h e  D A RP A   G r a n d   C h a l l e n g e   2 0 0 5 , "   I E E E   C o n f e r e n c e   o n   I n t e l l i g e n t   T r a n sp o r t a t i o n   S ys t e m s ,   2 0 0 5 ,   p p .   6 4 4   –   6 4 9 .     [ 1 6] .   A .   K o   a n d   H .   Y .   K .   L a u ,   “ R o b o t   A ss i s t e d   E m e r g en c y   S e a r c h   a n d   R e s c u e   S y s t e m   W i t h   a   W i r e l e s s   S e n s o r   N e t w o r k , ”  I n t e r n a t i o n a l   J o u r n a l   o f   A d v a n c e d   S c i e n c e   a n d   T e c h n o l o g y ,  v o l .   3 ,   p p .   69 - 7 8 ,   2 0 0 9 .     [ 1 7] .   H a r m on   S. ,   “ Th e   G r o u n d   Su rv e i l l a n c e   R o b o t   ( G S R ) :   A n   Au t o n o m ou s   V e h i c l e   D e s i g n e d   t o   T r a n s i t   U n k no w n   T e r r a i n , ”  I E E E   J o u r n a l   o f   R o b o t i c s   a n d   A u t o m a t i o n , v ol .   3 ,   n o .   3   p p .   2 6 6 - 2 7 9 ,   1 9 87 .   [ 1 8] .   G e o r g e   F e r n a n de z . S ,   K .   V i j a ya k u m a r ,   D . S a t t i a n a d a n ,   S .   V i d y a s a g a r ,   " E s s e n t i a l   N e e d   f o r   E l e c t r i c   V e h i c l e s   a n d   I n f r a s t r u c t u r e   A dv a n c e m e n t :   C h a l l e n g e s   i n   I n d i a , "   I n d i a n   J o u r n a l   of   S c i e n c e   a n d   T e c h n o l o g y ,  v o l .   9 ( 3 5 ) ,   2 0 1 6 .   [ 1 9] .   H o j j a t i - E m a m i ,   K h a s h a y a r ,   D h i l l o n ,   B a l b i r ,   J e n a b ,   K o u r ou s h ,   " Re l i a b i l i t y  p r e d i c t i o n   f o r   t h e  v e h i c l e s   e q u i p p e d   w i t h  a d v a n c e d   d r i v e r   a s s i s t a n c e   s y s t e m s  ( AD AS )   a n d  p a s s i v e   s a f e t y   s ys t e m s  (P SS ) , "   In t .   J .   I n d u s t .   E n g .   C o m p u t ,   v o l .   3 ( 5) ,   p p .   731 – 742,   2012.   [ 2 0] .   C h r i s   H o t t e n t o t ,   V e r o n i q u e   M e i n e s ,   M i k e   P i n c k a e r s ,   " E x p e r i m e n t s   o n   A u t o n om o u s   a n d   A u t om a t e d   D r i v i n g :   An  O v e r v i e w   2 0 1 5 , "   A N W B ,  A s   o f   M a r c h   3 ,   2 0 1 6 .     [ 21 ] .   F a g n a n t ,   D a n i e l   J . ,   K o c k e l m a n ,   K a r a ,   “ P r e p a r i n g  a   n a t i o n   f o r   a u t o n o m o us   v e h i c l e s:   o p p o r t u n i t i e s ,   b a r r i e r s   a n d   p o l i c y  r e c o m m e n d a t i o ns ,”   T r a ns p o r t .   R e s .   P a r t   A :   P o l i c y   P r a c t ,   v o l . 7 7 ,   p p .   167 – 181,   2015 .   Evaluation Warning : The document was created with Spire.PDF for Python.