Les systèmes de détection qui font fonctionner ADAS

Pour connaître les dernières informations sur les capteurs pour les systèmes de conduite automatisés, j'ai interviewé Alberto Marinoni, directeur du marketing produit, TDK/Invensense (San Jose, CA).

Le terme couramment utilisé, systèmes avancés d'aide à la conduite (ADAS) fait essentiellement référence au SAE niveau 2 (L2), automatisation partielle de la conduite. À ce niveau, le conducteur doit être dans la voiture et doit être vigilant - il ne peut pas lire un livre, par exemple - qui nécessiterait le niveau 3 ou au-delà. (Le niveau le plus élevé - 5 - est un véhicule entièrement automatisé qui n'a même pas besoin que l'un d'entre nous soit dans le véhicule.)

Au niveau 2, la voiture peut être automatiquement contrôlée longitudinalement (accélération/décélération) ou latéralement (direction), selon l'application. Cependant, le conducteur doit être présent, garder les yeux sur la rue et être vigilant afin de reprendre le contrôle en cas de besoin. En revanche, le niveau 1 peut effectuer un freinage/une accélération automatisés OU une direction latérale, mais pas les deux.

Pour L2, il existe plusieurs capteurs, notamment des caméras, des radars et des unités de mesure inertielle (IMU). Un système mondial de navigation par satellite (GNSS), tel qu'un GPS, est également inclus.

Pour certaines applications L2, mais pas la majorité, le lidar est également disponible, bien que ce soit principalement pour le niveau 3. Il n'est pas toujours inclus dans L2 en raison de son coût élevé par rapport aux autres technologies. Marinoni a expliqué que le radar est un détecteur à longue portée - son utilisation est pour la détection d'obstacles à distance - pour alerter la voiture que quelque chose est présent devant elle. Lidar ajoute au mélange d'automatisation en reconnaissant les objets en détail plus près de la voiture. Il peut également scanner les environs pour obtenir des informations sur l'environnement immédiat. Ces informations peuvent être géo-référencées par rapport à la terre afin de repérer la position absolue de la voiture en utilisant un système de navigation inertielle (INS) composé d'une IMU et d'un GNSS. Une carte 3D peut être construite pour localiser avec précision des objets en combinant les informations de position absolue de l'INS et l'image de l'environnement relatif basée sur le lidar.

Unité de mesure inertielle

L'IMU TDK/InvenSens possède deux composants MEMS dans le même boîtier :un accéléromètre 3 axes et un gyroscope 3 axes. L'accéléromètre est sensible à la fois aux accélérations statiques (par exemple la gravité) et dynamiques dans les trois axes et peut être utilisé pour déterminer l'angle d'inclinaison de l'IMU. Le gyroscope est principalement utilisé pour des conditions dynamiques dans lesquelles il existe une vitesse angulaire en plus de la gravité. Les sorties de ces deux capteurs sont combinées mathématiquement pour déterminer l'orientation du système.

La tendance générale aujourd'hui est de placer une IMU à côté de chaque capteur pour augmenter la précision de la détection.

Accélération/décélération

Selon Marinoni, les fonctions de décélération les plus importantes sont le freinage d'urgence et l'évitement des collisions. Pour ces applications, des capteurs tels que des radars scannent l'avant de la voiture, à la recherche d'un objet ou d'une personne. Les données de numérisation sont envoyées à une unité centrale de traitement, qui peut décider si le véhicule doit s'arrêter. Si tel est le cas, il envoie un signal aux actionneurs qui agissent de la même manière que le ferait un conducteur, en appuyant sur la pédale de frein afin d'arrêter la voiture avant un accident.

L'IMU joue ici un rôle important. Le capteur radar est généralement monté dans le pare-chocs du véhicule et peut parfaitement fonctionner s'il est parallèle à la rue. Cependant, si pour une raison quelconque le pare-chocs a été déformé, les informations radar ne seront pas fiables. Une IMU montée à côté du capteur radar peut surveiller dynamiquement l'inclinaison pour fournir des informations correctives. Le même concept est appliqué aux modules de caméra.

Direction

Dans les véhicules d'aujourd'hui, il y a plusieurs caméras, 10 ou plus, pour ADAS. Cependant, comme il y a beaucoup de vibrations lorsque vous conduisez, l'image capturée par le module caméra peut être floue. Si vous placez une IMU près de chaque appareil photo, vous pouvez facilement mesurer la vibration appliquée à l'appareil photo au moment précis où il prend une photo. Avec ces informations, vous pouvez stabiliser l'image et éliminer le bruit pour une vue claire.

Une application typique basée sur une caméra est l'assistance active au maintien de voie. Pour cela, il y a généralement une caméra située près du rétroviseur, qui sert à détecter les lignes de la rue et à effectuer un traitement d'image. La qualité de l'image est importante pour cette application car vous devez reconnaître la ligne et savoir si la voiture la franchit. En montant une IMU à côté de la caméra pour la stabiliser, vous produisez une image plus claire, ce qui réduit la charge de calcul sur le processeur central. Pour certaines applications de maintien de voie, le conducteur est alerté, afin qu'il puisse prendre le contrôle de la direction afin de rester sur la bonne voie. Il existe d'autres applications dans lesquelles cette information est utilisée par la voiture pour contrôler directement la direction afin de la maintenir automatiquement dans la voie.

Fusion de capteurs

J'ai ensuite interrogé Marinoni sur le rôle de la fusion de capteurs dans ADAS. Il a expliqué qu'il s'agit d'un algorithme capable de combiner des informations provenant de plusieurs capteurs afin de fournir une sortie meilleure que la somme de chaque capteur individuel.

Un exemple serait un INS, dans lequel un GNSS reçoit des informations d'un satellite pour déterminer l'emplacement absolu du véhicule. Cependant, il existe des conditions dans lesquelles les informations GNSS ne sont pas fiables, par exemple, dans un tunnel, dans un canyoning urbain ou dans un parking à plusieurs niveaux. Vous auriez donc besoin d'une IMU proche du GNSS afin de calculer la position du système lorsque le GNSS n'est pas disponible. Un algorithme de fusion de capteurs fonctionnant dans le module GNSS combinerait les informations de l'IMU et du GNSS pour générer une position fiable dans toutes les conditions. Cela optimise le système car l'IMU et le GNSS se complètent en raison de leurs forces et faiblesses respectives. L'algorithme de fusion conserve les informations provenant de l'IMU lorsque le GNSS n'est pas fiable et utilise les informations du système GNSS lorsque la voiture est à ciel ouvert. Lorsqu'il y a un bon signal GNSS, l'algorithme de fusion permet également aux données GNSS de calibrer l'IMU pour les moments où le GNSS n'est pas disponible.

A l'estime

Lorsque le signal GNSS n'est pas disponible, l'IMU navigue à l'estime en partant de la dernière position absolue qu'il a reçue. À ce stade, il commence à intégrer les informations du gyroscope au fil du temps, pour mettre à jour la position. S'il y a de bonnes informations sur le gyroscope et un bon timing, vous avez de bons résultats. Si, cependant, la sortie du gyroscope est bonne, mais que le timing ne l'est pas, vous avez de mauvais résultats. Si les deux sont mauvais, vous avez des résultats complètement mauvais. Parce que vous intégrez, l'erreur s'accumule et après un certain temps, les résultats de l'estime peuvent ne plus être acceptables.

Si vous conduisez dans un tunnel ou dans une ville, où le signal GNSS est mauvais pendant suffisamment longtemps, l'estime basée sur l'IMU ne serait pas fiable. Dans ces conditions, ce serait au constructeur automobile. Ils pourraient déclencher une alerte conducteur ; si le conducteur ne réagit pas à l'alerte, une deuxième alerte pourrait être générée. Si cela aussi était ignoré, alors l'ADAS pourrait prendre le contrôle et diminuer la vitesse, mais pas arrêter la voiture, ce qui serait dangereux. Une action supplémentaire pourrait être de générer un appel, comme vers OnStar, afin de vérifier si le conducteur est en sécurité. Il existe plusieurs façons de gérer la situation.

Fiabilité du système ADAS

La fiabilité du système ADAS lui-même est évidemment essentielle. L'intégrité des données doit être garantie dans toutes les conditions. Selon Marinoni, les IMU 6 axes TDK/Invensense pour ADAS incluent un diagnostic intégré qui a été développé pour les systèmes répondant aux exigences jusqu'au niveau B d'intégrité de la sécurité automobile (ASIL). Si la communication avec l'unité centrale n'est pas fiable, par exemple, il peut générer une alarme pour alerter le conducteur. La puce de sécurité intégrée comprend un mécanisme qui vérifie en permanence la fonctionnalité de tous les blocs du système. Si le composant détecte un dysfonctionnement dans l'accéléromètre, le gyroscope, la logique numérique ou dans le bus de communication, il envoie une alarme au système, lui indiquant d'être conscient que quelque chose s'est mal passé et que l'information provenant du capteur n'est plus fiable. L'autodiagnostic est obligatoire dans les applications de sécurité automobile, en particulier si vous contrôlez la vitesse, le freinage ou la direction. Ces problèmes sont traités dans la spécification ASIL. Cependant, même s'il ne s'agit pas d'une application de niveau 2, un système tel que le contrôle électronique de stabilité doit également être fiable à 100 %.

Où en sommes-nous et où allons-nous ?

J'ai demandé à Marinoni où il voyait cette technologie et à quoi s'attendre à l'avenir. "En ce moment, le niveau 2 est une réalité - il est déjà dans la rue", a-t-il déclaré. "Mais cela monte en puissance en ce moment dans le sens où nous nous attendons à ce que les volumes d'IMU augmentent d'ici 2030, passant de moins de 10 millions de véhicules à plus de 40 millions." Pour la prochaine étape, le niveau 3, le principal changement sera probablement l'introduction de nouvelles technologies comme le lidar. "Du point de vue de notre IMU, nous sommes déjà prêts pour les applications L3, grâce à notre intégration 6 axes", a-t-il déclaré.

Il a ajouté que le prochain point d'innovation dans ce domaine pourrait être la réduction de la consommation d'énergie. Certaines applications ADAS doivent être activées même lorsque le moteur est éteint. Pour cette raison, la consommation électrique de chaque composant de l'application compte. Dans le passé, lorsque les applications ne s'exécutaient que si le moteur était allumé, ce n'était pas un problème. Mais maintenant, les fabricants modifient leurs spécifications pour inclure la consommation d'énergie.

Et enfin, puisque l'intégration à l'estime est affectée par l'erreur accumulée au fil du temps, l'autre point important, en particulier avec les voitures autonomes, est de réduire davantage le bruit du composant, d'améliorer les performances du capteur, de mettre en œuvre une intégration à l'estime plus longue, en gardant l'erreur totale sous contrôle.

J'ai ensuite demandé à Marinoni quand il pensait que le niveau 3 pourrait sortir dans la rue. Il suppose que nous ne verrons pas beaucoup de mouvement sur le marché L3 avant 2025.

"Un autre sujet important, bien que non basé sur la théorie - c'est plutôt une règle empirique - est que pour les systèmes L2, deux technologies parallèles suffisent. Pour les systèmes L3, afin de garantir précision, stabilité et performances, vous devez combiner au moins trois technologies, et très probablement pour L4, vous en avez besoin de quatre. Cela devrait vous donner une idée de la complexité de garantir les performances et la sécurité », a-t-il déclaré. Cela imposera de plus grandes exigences aux algorithmes et aux ressources informatiques nécessaires. C'est là que la 5G est susceptible d'entrer en jeu, pour permettre de déplacer une grande partie du calcul vers le cloud. Bien sûr, cela ouvre la porte à un possible piratage.

Cet article a été rédigé par Ed Brown, rédacteur en chef de Sensor Technology. Pour plus d'informations, rendez-vous ici .