Radar avancé permettant aux voitures de détecter les dangers cachés aux intersections
Voir au-delà de la ligne de vue directe
Un nouveau système radar, facilement intégrable dans les véhicules d'aujourd'hui, utilise le radar Doppler pour faire rebondir des ondes radio sur des surfaces comme des bâtiments et des automobiles garées. Le signal radar frappe la surface à un angle, si bien que sa réflexion rebondit comme une bille de billard heurtant la bande d'un billard. Le signal va ensuite frapper des objets cachés au coin de la rue. Une partie du signal radar revient vers les détecteurs montés sur la voiture, permettant au système de voir les objets autour du coin et de déterminer s'ils sont en mouvement ou stationnaires.
Avantages sur LiDAR et caméras
Le système permettra aux voitures de voir des objets occultés que les capteurs LiDAR et caméras d'aujourd'hui ne peuvent pas enregistrer ; par exemple, permettant à un véhicule autonome de voir autour d'une intersection dangereuse. Les capteurs radar sont aussi relativement peu coûteux, surtout comparés aux capteurs LiDAR, et s'adaptent à la production de masse. Le système est capable de distinguer des objets incluant voitures, cyclistes et piétons et d'évaluer leur direction et vitesse d'approche.
De la lumière au radar : surmonter la faible résolution spatiale
Ces dernières années, les ingénieurs ont développé divers systèmes de capteurs permettant aux voitures de détecter d'autres objets sur la route. Beaucoup reposent sur le LiDAR ou des caméras utilisant la lumière visible ou proche infrarouge ; de tels capteurs prévenant les collisions sont maintenant courants sur les voitures modernes. Mais la détection optique est difficile à utiliser pour repérer des objets hors de la ligne de vue de la voiture. Dans des recherches antérieures, l'équipe a utilisé la lumière pour voir des objets cachés aux coins. Mais ces efforts ne sont actuellement pas pratiques pour l'usage en voiture car ils requièrent des lasers de haute puissance et sont limités à de courtes portées.
En menant cette recherche antérieure, l'équipe a étudié la possibilité de créer un système pour détecter les dangers hors de la ligne de vue en utilisant un radar d'imagerie au lieu de la lumière visible. La perte de signal sur surfaces lisses est bien plus faible pour les systèmes radar et le radar est une technologie éprouvée pour le suivi d'objets. Le défi est que la résolution spatiale du radar — utilisée pour imager des objets aux coins comme voitures et vélos — est relativement faible. Les chercheurs croyaient pouvoir créer des algorithmes pour interpréter les données radar et permettre aux capteurs de fonctionner. Les algorithmes sont hautement efficaces et tiennent sur les systèmes matériels automobiles de génération actuelle.
Exploiter le « bruit » avec l'IA
Pour permettre au système de distinguer les objets, l'équipe a traité une partie du signal radar que les radars standards considèrent comme du bruit de fond plutôt que de l'information utilisable. L'équipe a appliqué des techniques d'intelligence artificielle pour affiner le traitement et lire les images. L'ordinateur exécutant le système a dû apprendre à reconnaître cyclistes et piétons à partir d'une quantité très parcimonieuse de données.
Le système détecte actuellement piétons et cyclistes car les ingénieurs estimaient que c'étaient les objets les plus difficiles en raison de leur petite taille et de leur forme et mouvement variés. Le système pourrait être ajusté pour détecter les véhicules également.
Perspectives et déploiement
Les chercheurs prévoient de poursuivre la recherche dans plusieurs directions pour des applications impliquant à la fois le radar et des raffinements en traitement du signal. Le système a le potentiel d'améliorer radicalement la sécurité automobile. Comme il repose sur la technologie de capteur radar existante, préparer le système radar pour un déploiement dans la prochaine génération d'automobiles devrait être possible.
Capteur
- Capteurs Radar Expliqués : Fonctionnement et Applications Modernes
- Maîtriser les directives using C# : Imports, alias et directives static
- SOAFEE : une architecture cloud-native pour plateformes automobiles logicielles
- Liebherr PHS Allround : manutention de palettes flexible et modulaire pour production grande capacité
- Des ingénieurs du MIT créent une nano-lampe de poche à l'échelle de la puce, ouvrant la voie à des capteurs viraux avancés
- Systèmes d'allumage avancés pour une propulsion électrique fiable des CubeSats
- Système de propulsion hypersonique révolutionnaire permet voyages transcontinentaux en moins de 30 minutes
- Comprendre les afficheurs Braille portables : insights clés et innovations
- Surveillance cardiaque sans contact via enceintes intelligentes : un système révolutionnaire