Sistem Penginderaan Yang Membuat ADAS Bekerja

Untuk mengetahui informasi terbaru tentang sensor untuk sistem mengemudi otomatis, saya mewawancarai Alberto Marinoni, Direktur Pemasaran Produk, TDK/Invensense (San Jose, CA).

Istilah yang umum digunakan, Advanced Driver Assistance Systems (ADAS) pada dasarnya mengacu pada SAE Level 2 (L2), Partial Driving Automation. Pada level itu, pengemudi harus berada di dalam mobil dan harus waspada — mereka tidak bisa membaca buku, misalnya — yang membutuhkan Level 3 atau lebih. (Tingkat tertinggi — 5 — adalah kendaraan yang sepenuhnya otomatis yang bahkan tidak memerlukan salah satu dari kita manusia untuk berada di dalam kendaraan sama sekali.)

Di Level 2, mobil dapat dikontrol secara otomatis secara longitudinal (akselerasi/deselerasi) atau lateral (kemudi), tergantung pada aplikasinya. Namun, pengemudi harus hadir, mengawasi jalan, dan waspada untuk mengambil kendali jika diperlukan. Sebaliknya, Level 1 dapat melakukan pengereman/akselerasi otomatis ATAU kemudi lateral, tetapi tidak keduanya.

Untuk L2, ada beberapa sensor, termasuk kamera, radar, dan unit pengukuran inersia (IMU). Sistem satelit navigasi global (GNSS), seperti GPS, juga disertakan.

Untuk aplikasi L2 tertentu, meskipun bukan mayoritas, lidar juga tersedia, meskipun itu terutama untuk Level 3. Itu tidak selalu termasuk dalam L2 karena biayanya yang tinggi dibandingkan dengan teknologi lainnya. Marinoni menjelaskan bahwa radar adalah detektor jarak jauh — penggunaannya untuk deteksi rintangan di kejauhan — untuk memperingatkan mobil bahwa ada sesuatu yang ada di depannya. Lidar menambah campuran otomatisasi dengan mengenali objek secara detail lebih dekat ke mobil. Itu juga dapat memindai lingkungan untuk mendapatkan informasi tentang lingkungan terdekat. Informasi ini dapat direferensikan secara geografis sehubungan dengan bumi untuk menentukan posisi absolut mobil dengan menggunakan sistem navigasi inersia (INS) yang terdiri dari IMU dan GNSS. Peta 3D dapat dibuat untuk menemukan objek secara tepat dengan menggabungkan informasi posisi absolut dari INS dan gambar lingkungan relatif berdasarkan lidar.

Satuan Pengukuran Inersia

TDK/InvenSens IMU memiliki dua komponen MEMS dalam wadah yang sama:akselerometer 3-sumbu dan giroskop 3-sumbu. Akselerometer peka terhadap akselerasi statis (misalnya gravitasi) dan dinamis di ketiga sumbu dan dapat digunakan untuk menentukan sudut kemiringan IMU. Giroskop terutama digunakan untuk kondisi dinamis di mana ada kecepatan sudut selain gravitasi. Keluaran dari kedua sensor ini digabungkan secara matematis untuk menentukan orientasi sistem.

Tren umum saat ini adalah menempatkan IMU di samping setiap sensor untuk meningkatkan akurasi deteksi.

Akselerasi/Deselerasi

Menurut Marinoni, fungsi deselerasi yang paling penting adalah pengereman darurat dan menghindari tabrakan. Untuk aplikasi ini, sensor seperti radar memindai bagian depan mobil, mencari objek atau orang. Data pemindaian dikirim ke unit pemrosesan pusat, yang dapat memutuskan apakah kendaraan perlu berhenti. Jika demikian, ia mengeluarkan sinyal ke aktuator yang bertindak dengan cara yang sama seperti yang dilakukan pengemudi, dengan menekan pedal rem untuk menghentikan mobil sebelum terjadi tabrakan.

IMU memainkan peran penting di sini. Sensor radar biasanya dipasang di bumper kendaraan dan dapat bekerja dengan sempurna jika sejajar dengan jalan. Namun, jika karena alasan tertentu bumper berubah bentuk, informasi radar tidak dapat diandalkan. IMU yang dipasang di samping sensor radar dapat secara dinamis memantau kemiringan untuk memberikan informasi korektif. Konsep yang sama diterapkan pada modul kamera.

Kemudi

Di kendaraan saat ini, ada beberapa kamera, 10 atau lebih, untuk ADAS. Namun, karena ada banyak getaran saat Anda mengemudi, gambar yang diambil oleh modul kamera dapat menjadi buram. Jika Anda meletakkan IMU di dekat setiap kamera, Anda dapat dengan mudah mengukur getaran yang diterapkan pada kamera pada saat yang tepat saat pengambilan gambar. Dengan informasi ini, Anda dapat menstabilkan gambar dan menghilangkan noise untuk tampilan yang jelas.

Aplikasi berbasis kamera yang khas adalah bantuan pemeliharaan jalur aktif. Untuk ini, biasanya ada kamera yang terletak di dekat kaca spion, yang digunakan untuk mendeteksi garis jalan dan untuk melakukan pemrosesan gambar. Kualitas gambar penting untuk aplikasi ini karena Anda harus mengenali garis dan apakah mobil yang melintasinya. Dengan memasang IMU di sebelah kamera untuk menstabilkannya, Anda menghasilkan gambar yang lebih jelas, yang mengurangi beban komputasi pada prosesor pusat. Untuk beberapa aplikasi penjaga lajur, pengemudi diperingatkan, sehingga mereka dapat mengendalikan kemudi agar tetap di jalurnya. Ada aplikasi lain di mana informasi ini digunakan oleh mobil untuk mengontrol kemudi secara langsung agar tetap berada di jalur secara otomatis.

Penggabungan Sensor

Saya kemudian bertanya kepada Marinoni tentang peran sensor fusion di ADAS. Dia menjelaskan bahwa ini adalah algoritme yang mampu menggabungkan informasi yang berasal dari beberapa sensor untuk memberikan output yang lebih baik daripada jumlah masing-masing sensor.

Salah satu contohnya adalah INS, di mana GNSS menerima informasi dari satelit untuk menentukan lokasi absolut kendaraan. Namun, ada kondisi di mana informasi GNSS tidak dapat diandalkan, misalnya, di terowongan, di canyoning perkotaan, atau di tempat parkir bertingkat. Oleh karena itu, Anda memerlukan IMU yang dekat dengan GNSS untuk menghitung posisi sistem saat GNSS tidak tersedia. Algoritma fusi sensor yang berjalan di modul GNSS akan menggabungkan informasi dari IMU dan GNSS untuk menghasilkan posisi yang andal dalam semua kondisi. Ini mengoptimalkan sistem karena IMU dan GNSS saling melengkapi karena kekuatan dan kelemahannya masing-masing. Algoritma fusion menyimpan informasi yang berasal dari IMU saat GNSS tidak reliabel dan menggunakan informasi dari sistem GNSS saat mobil dalam kondisi open sky. Ketika ada sinyal GNSS yang baik, algoritme fusi juga memungkinkan data GNSS mengkalibrasi IMU untuk saat-saat ketika GNSS tidak tersedia.

Perhitungan Mati

Ketika sinyal GNSS tidak tersedia, IMU menavigasi dengan perhitungan mati dengan memulai dari posisi terakhir mutlak yang diterimanya. Pada saat itu mulai mengintegrasikan informasi giroskop dari waktu ke waktu, untuk memperbarui posisi. Jika ada informasi giroskop yang baik dan waktu yang baik, Anda memiliki hasil yang baik. Jika, Namun, output giroskop bagus, tetapi waktunya tidak, Anda mendapatkan hasil yang buruk. Jika keduanya buruk, Anda memiliki hasil yang benar-benar buruk. Karena Anda mengintegrasikan, kesalahan terakumulasi dan setelah jangka waktu tertentu, hasil perhitungan mati mungkin tidak lagi dapat diterima.

Jika Anda mengemudi melalui terowongan atau di kota, di mana sinyal GNSS buruk untuk waktu yang cukup lama, perhitungan mati berdasarkan IMU, tidak akan dapat diandalkan. Dalam kondisi seperti itu, terserah produsen mobil. Mereka bisa memulai peringatan pengemudi; jika pengemudi tidak bereaksi terhadap peringatan, peringatan kedua dapat dibuat. Jika itu juga diabaikan, maka ADAS dapat mengambil kendali dan mengurangi kecepatan — tetapi tidak menghentikan mobil, yang akan berbahaya. Satu tindakan tambahan dapat menghasilkan panggilan, seperti ke OnStar, untuk memeriksa apakah pengemudi aman. Ada beberapa cara untuk mengelola situasi.

Keandalan Sistem ADAS

Keandalan sistem ADAS itu sendiri jelas sangat penting. Integritas data harus dijamin dalam semua kondisi. Menurut Marinoni, IMU 6-sumbu TDK/ Invensense untuk ADAS mencakup diagnostik tertanam yang telah dikembangkan untuk sistem yang memenuhi persyaratan hingga tingkat Integritas Keselamatan Otomotif (ASIL) B. Jika komunikasi dengan unit pusat tidak dapat diandalkan, misalnya, itu dapat menghasilkan alarm untuk mengingatkan pengemudi. Chip keamanan yang disematkan mencakup mekanisme yang terus menerus memeriksa fungsionalitas semua blok sistem. Jika komponen mendeteksi malfungsi di akselerometer, giroskop, logika digital, atau di bus komunikasi, komponen akan mengirimkan alarm ke sistem, memberi tahu sistem agar menyadari bahwa ada yang tidak beres dan informasi yang berasal dari sensor tidak lagi dapat diandalkan. Self-diagnosis adalah wajib dalam aplikasi keselamatan otomotif, terutama jika Anda mengontrol kecepatan, melanggar, atau kemudi. Masalah-masalah ini dibahas dalam spesifikasi ASIL. Namun, meskipun bukan untuk aplikasi Level 2, sistem seperti kontrol stabilitas elektronik juga harus 100% andal.

Di Mana Kita Sekarang dan Ke Mana Kita Akan Pergi?

Saya bertanya kepada Marinoni di mana dia melihat teknologi ini sekarang dan apa yang diharapkan di masa depan. “Saat ini, Level 2 adalah kenyataan — sudah ada di jalan,” katanya. “Tapi itu meningkat sekarang dalam arti bahwa kami mengharapkan volume IMU meningkat dari sekarang hingga 2030, dari kurang dari 10 juta kendaraan menjadi lebih dari 40 juta.” Untuk langkah selanjutnya, Level 3, perubahan utama kemungkinan adalah pengenalan teknologi baru seperti lidar. “Dari sudut pandang IMU kami, kami sudah siap untuk aplikasi L3, berkat integrasi 6-sumbu kami,” katanya.

Dia melanjutkan, titik inovasi berikutnya di bidang ini adalah pengurangan konsumsi daya. Beberapa aplikasi ADAS harus hidup meskipun mesin mati. Untuk alasan ini, konsumsi daya setiap komponen dalam aplikasi diperhitungkan. Di masa lalu, ketika aplikasi hanya berjalan jika mesin menyala, itu bukan masalah. Namun sekarang produsen mengubah spesifikasi mereka untuk memasukkan konsumsi daya.

Dan last but not least, karena integrasi perhitungan mati dipengaruhi oleh akumulasi kesalahan dari waktu ke waktu, poin penting lainnya, terutama dengan mobil self-driving, adalah untuk lebih mengurangi kebisingan komponen, untuk meningkatkan kinerja sensor, untuk menerapkan integrasi perhitungan mati yang lebih lama, menjaga kesalahan total tetap terkendali.

Saya selanjutnya bertanya kepada Marinoni ketika dia berpikir Level 3 mungkin akan menghantam jalanan. Dugaannya adalah kita tidak akan melihat banyak pergerakan di pasar L3 hingga tahun 2025.

“Topik penting lainnya, meskipun tidak didasarkan pada teori — ini lebih merupakan aturan praktis — adalah bahwa untuk sistem L2, dua teknologi paralel sudah cukup. Untuk sistem L3, untuk menjamin akurasi, stabilitas, dan kinerja, Anda perlu menggabungkan setidaknya tiga teknologi, dan kemungkinan besar untuk L4, Anda memerlukan empat. Ini akan memberi Anda rasa kompleksitas dalam menjamin kinerja dan keamanan, ”katanya. Itu akan menempatkan tuntutan yang lebih besar pada algoritma yang dibutuhkan dan sumber daya komputer. Di situlah 5G kemungkinan akan berperan, untuk memungkinkan pemindahan sebagian besar komputasi ke cloud. Tentu saja, hal itu membuka kemungkinan terjadinya peretasan.

Artikel ini ditulis oleh Ed Brown, Editor Teknologi Sensor. Untuk informasi lebih lanjut, kunjungi di sini .