Fusion de multiples capteurs pour véhicules autonomes sans conducteur : avantages et inconvénients

Un jour, nous travaillerons sur des voitures volantes autonomes.

Rappelez-vous quand vous n'étiez qu'un enfant : comment envisagiez-vous l'avenir ? Des vaisseaux spatiaux, des voitures volantes, des ustensiles de cuisine connectés à Internet ? Nous disposons désormais de nombreuses choses que j'espérais voir, mais les voitures sont en quelque sorte restées à la traîne. Je m'attendais à voir des voitures volantes se déplacer dans le ciel et des voitures sans conducteur foncer dans les rues. Je n'ai pas de solution pour les voitures volantes, mais les véhicules autonomes sans conducteur c'est une réalité. En effet, la fusion de capteurs multiples répond aux exigences de sécurité strictes et aux conditions de conduite imprévisibles des voitures autonomes. Cependant, les concepteurs doivent toujours considérer la grande variété des avantages et des inconvénients associés aux divers instruments.

Pourquoi la fusion de capteurs multiples est-elle nécessaire ?

Tout ingénieur sait qu'il est important d'avoir le bon outil pour accomplir un travail donné. Sans cela, un travail peut devenir très frustrant si ce n'est impossible. Pour les véhicules autonomes, le « bon outil » semble être un amalgame de plusieurs outils différents. Chaque expérience en voiture connaît des conditions de conduite différentes, qui sont analysées au mieux à l'aide de différents capteurs. Le meilleur exemple est celui des caméras arrières qui seront obligatoires pour les voitures neuves aux États-Unis à partir de 2018. Dans le passé, ces caméras étaient simplement utilisées pour montrer aux conducteurs ce qui se trouvait derrière le véhicule. Cependant, les concepteurs combinent désormais des capteurs à ultrasons avec des caméras arrière pour permettre le stationnement automatique. Les capteurs à ultrasons sont efficaces pour estimer les distances alors que les caméras peuvent mieux voir les obstacles. Ensemble, ils permettent facilement à une voiture de se garer.

Les voitures ont besoin d'une grande variété de capteurs afin de bien comprendre leur environnement. L'ultrason est efficace pour estimer la distance entre la voiture et des objets, mais seulement à faible distance (entre 5 et 10 m environ). Les radars peuvent détecter des objets à longue portée indépendamment de la météo mais leur résolution est faible. Les LIDAR ont une haute résolution mais ils deviennent inutilisables quand il pleut ou neige abondamment. Chaque capteur a ses forces et ses faiblesses, mais lorsqu'il est combiné avec d'autres capteurs, vous obtenez un système globalement plus fiable. Bien que cette solution semble attrayante, celle-ci présente également de nombreux défis.

Des capteurs multiples donneront à votre voiture une meilleure image de son environnement.

Avantages

Les avantages de la fusion de multiples capteurs sont nombreux. Les principaux avantages sont une atténuation des risques d'erreurs d'information communiquée par les capteurs.

Les erreurs sont les fléaux d'un système de conduite autonome. Quelle que soit la qualité de votre processeur, les mauvaises données l'amèneront à faire des choix incorrects. L'accident récent et fatal de la Tesla est un exemple typique de ce qui se passe lorsque vous avez trop peu de capteurs. Le système de la Tesla exige que son radar et ses systèmes visuels passifs soient en accord avant d'accepter de prendre des mesures d'évitement. Le radar de la voiture a détecté le camion en face de lui, mais le visuel passif ne l'a pas fait, alors la voiture a continué. Cependant, si la Tesla disposait d'un LIDAR réseau, elle aurait pu utiliser un consensus de 2 sur 3 au niveau des capteurs pour éviter l'accident. Avec 3 capteurs ou plus, votre processeur peut déterminer quand un capteur ne fonctionne pas correctement. En outre, l'utilisation de plusieurs capteurs peut vous donner des informations sur l'environnement. Si le signal du LIDAR devient flou et que le visuel passif ne montre que du blanc, votre voiture semble se trouver en pleine tempête de neige. Dans ce scénario, votre voiture peut être programmée pour faire davantage confiance à son radar et à ses capteurs à ultrasons. En général, l'utilisation de 3 capteurs différents ou plus aidera votre processeur à savoir si les données qu'il reçoit sont exactes. De toute évidence, plusieurs capteurs permettent d'obtenir la redondance dont les voitures autonomes auront besoin.

Les défis

La fusion de multiples capteurs comporte un ensemble complexe de problèmes mais aussi des solutions. Les obstacles les plus difficiles à surmonter sont le coût élevé, le traitement intensif de données et la complexité accrue du système.

Le premier problème que vous rencontrerez lors de l'utilisation de nombreux capteurs est le prix. Les systèmes visuels passifs sont peu coûteux, mais les systèmes à ultrasons et les réseaux de radar sont plus chers. Ensuite, il y a le LIDAR. Même si les fabricants de LIDAR ont fait des progrès récents, leurs capteurs sont toujours très coûteux. Actuellement, si vous souhaitez inclure tous les types de capteurs disponibles, leur prix dépassera celui auquel vous pourrez vendre la voiture.

Au moins, vous n'avez pas à installer cela sur une voiture.

Vous êtes certainement déjà en train d'essayer d'optimiser votre code afin d'économiser de la puissance de traitement. Si les capteurs sont plus nombreux, les processeurs devront être encore plus rapides. Les processeurs actuellement sur le marché sont souvent trop faibles pour répondre aux exigences des systèmes entièrement autonomes. L'industrie exigera des processeurs beaucoup plus avancés pour réaliser des véhicules autonomes sans conducteur.

La demande toujours plus grande en matière de puissance de traitement a poussé de nombreux développeurs à utiliser des unités de commande centralisées à microprocesseur (MCU) au lieu des unités de commande électronique distribuées (ECU). Ces MCU possèdent leurs propres complexités, comme les problèmes de mémoire. Étant donné que tous les systèmes utilisent la même mémoire, vous devrez utiliser une unité de protection de mémoire (MPU) pour répondre aux exigences de sécurité. Ces MPU peuvent être très difficiles à gérer sans les bons outils. Vous devrez apprendre à gérer les MCU si vous souhaitez utiliser plusieurs capteurs. Vous aurez probablement besoin d'aide au niveau des bibliothèques de traitement des données de capteurs. Peut-être pourrez-vous créer une bibliothèque pour un réseau LIDAR ou un capteur à ultrasons, mais vous aurez besoin d'énormément de temps pour créer des bibliothèques pour plus de 2 capteurs. Vous devrez donc choisir de bonnes bibliothèques, qui sont optimisées et standardisées, pour vous aider à traiter efficacement les données de vos instruments.

Les véhicules entièrement autonomes ne pourront pas exister sans l'utilisation d'une grande variété de capteurs. Ces capteurs seront redondants et se suppléeront en cas de défaillance de l'un d'eux. Les développeurs de capteurs travaillent déjà sur des moyens de réduire les coûts de leurs produits. Vous devriez également être prêt à en apprendre davantage sur les MCU et les MPU, car ce seront des musts pour contrôler un système à capteurs multiples.

Même si vous devrez aider à relever certains des défis liés à la fusion de multiples capteurs, vous n'aurez pas à le faire seul. TASKING a créé une variété d'outils pour aider les développeurs tels que vous à inventer un système de conduite entièrement autonome. Vous ne pourrez peut-être pas contrôler le vent ou la pluie, mais grâce aux outils de TASKING, vos capteurs pourront conduire votre véhicule avec précision à travers ces éléments.

Vous avez des questions sur la fusion de multiples capteurs ? Appelez un expert de TASKING