Bagaimana Sistem Penginderaan Menggerakkan Fungsi ADAS

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

Istilah yang umum digunakan, Sistem Bantu Pengemudi Lanjutan (ADAS) pada dasarnya merujuk pada SAE Level 2 (L2), Otomasi Berkendara Parsial. Pada tingkat itu, pengemudi harus berada di dalam mobil dan harus waspada — mereka tidak dapat membaca buku, misalnya — yang akan memerlukan Level 3 atau di atasnya. (Tingkat tertinggi — 5 — adalah kendaraan yang sepenuhnya terotomatisasi yang bahkan tidak memerlukan salah satu dari kita manusia berada di dalam kendaraan sama sekali.)

Pada Level 2, mobil dapat dikontrol secara otomatis secara longitudinal (percepatan/perlambatan) atau lateral (stiran), tergantung pada aplikasi. Namun, pengemudi harus hadir, menjaga mata di jalan, dan waspada untuk mengambil alih jika diperlukan. Sebaliknya, Level 1 dapat melakukan rem/percepatan otomatis ATAU stiran lateral, tetapi tidak keduanya.

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

Untuk aplikasi L2 tertentu, meskipun tidak mayoritas, lidar juga tersedia, meskipun itu terutama untuk Level 3. Tidak selalu disertakan dalam L2 karena biaya tinggi relatif terhadap teknologi lain. Marinoni menjelaskan bahwa radar adalah detektor jarak jauh — penggunaannya adalah untuk deteksi hambatan dari jarak — untuk memperingatkan mobil bahwa ada sesuatu di depannya. Lidar menambahkan ke campuran otomatisasi dengan mengenali objek secara detail yang lebih dekat ke mobil. Ini juga dapat memindai lingkungan sekitar untuk mendapatkan informasi tentang lingkungan langsung. Informasi ini dapat direferensikan geo terhadap bumi untuk menentukan posisi mutlak mobil dengan menggunakan sistem navigasi inersial (INS) yang terdiri dari IMU dan GNSS. Peta 3D dapat dibangun untuk menempatkan objek secara presisi dengan menggabungkan informasi posisi mutlak dari INS dan citra lingkungan relatif berdasarkan lidar.

Satuan Pengukuran Inersial

IMU TDK/InvenSens memiliki dua komponen MEMS dalam satu perabot: sebuah akselerometer 3-sumbu dan sebuah giroskop 3-sumbu. Akselerometer sensitif terhadap percepatan statis (misalnya, gravitasi) dan dinamis di semua tiga sumbu dan dapat digunakan untuk menentukan sudut kemiringan IMU. Giroskop terutama digunakan untuk kondisi dinamis di mana ada kecepatan sudut selain gravitasi. Output dari kedua sensor ini digabungkan secara matematis untuk menentukan orientasi sistem.

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

Percepatan/Perlambatan

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

IMU memainkan peran penting di sini. Sensor radar biasanya dipasang di pencekrik kendaraan dan dapat bekerja dengan sempurna jika sejajar dengan jalan. Namun, jika pencekrik telah berubah bentuk dari suatu alasan, informasi radar akan tidak andal. IMU yang dipasang di samping sensor radar dapat secara dinamis memantau kemiringan untuk memberikan informasi koreksi. Konsep yang sama diterapkan pada modul kamera.

Stiran

Dalam kendaraan saat ini, ada banyak kamera, 10 atau lebih, untuk ADAS. Namun, karena ada banyak getaran saat berkendara, citra yang diambil oleh modul kamera dapat kabur. Jika Anda menempatkan IMU dekat setiap kamera, Anda dapat dengan mudah mengukur getaran yang diterapkan pada kamera pada saat tepat itu mengambil gambar. Dengan informasi ini, Anda dapat menstabilkan citra dan membersihkan kebisingan untuk tampilan yang jelas.

Sebuah aplikasi berbasis kamera yang umum adalah bantuan mempertahankan jalur aktif. Untuk ini, biasanya ada kamera yang terletak dekat cermin belakang, yang digunakan untuk mendeteksi garis jalan dan melakukan pemrosesan citra. Kualitas citra penting untuk aplikasi ini karena Anda harus mengenali garis dan apakah mobil menyeberanginya. Dengan memasang IMU di samping kamera untuk menstabilkannya, Anda menghasilkan citra yang lebih jelas, yang mengurangi beban komputasi pada prosesor pusat. Untuk beberapa aplikasi mempertahankan jalur, pengemudi diberi peringatan, sehingga mereka dapat mengambil alih stiran untuk tetap di jalur. Ada aplikasi lain di mana informasi ini digunakan oleh mobil untuk secara langsung mengontrol stiran untuk secara otomatis menjaga mobil tetap di jalur.

Fusi Sensor

Saya kemudian bertanya kepada Marinoni tentang peran fusi sensor dalam ADAS. Dia menjelaskan bahwa itu adalah algoritma yang mampu menggabungkan informasi yang datang dari beberapa sensor untuk memberikan output yang lebih baik dari jumlah setiap sensor individu.

Salah satu contohnya adalah INS, di mana GNSS menerima informasi dari satelit untuk menentukan lokasi mutlak kendaraan. Namun, ada kondisi di mana informasi GNSS tidak andal, misalnya, di terowongan, di canyon perkotaan, atau di parkiran multilevel. Anda kemudian akan membutuhkan IMU dekat GNSS untuk menghitung posisi sistem ketika GNSS tidak tersedia. Algoritma fusi sensor yang berjalan dalam modul GNSS akan menggabungkan informasi dari IMU dan GNSS untuk menghasilkan posisi yang andal di semua kondisi. Ini mengoptimalkan sistem karena IMU dan GNSS melengkapi satu sama lain berdasarkan kekuatan dan kelemahan masing-masing. Algoritma fusi mempertahankan informasi yang datang dari IMU ketika GNSS tidak andal dan menggunakan informasi dari sistem GNSS ketika mobil dalam kondisi langit terbuka. Ketika ada sinyal GNSS yang baik, algoritma fusi juga memungkinkan data GNSS untuk mengkalibrasi IMU untuk saat GNSS tidak tersedia.

Dead Reckoning

Ketika sinyal GNSS tidak tersedia, IMU menavigasi dengan dead reckoning dengan memulai dari posisi absolut terbaru yang diterimanya. Pada titik itu mulai mengintegrasikan informasi giroskop seiring waktu, untuk memperbarui posisi. Jika ada informasi giroskop yang baik dan timing yang baik, Anda akan mendapatkan hasil yang baik. Jika, Namun, output giroskop baik, tetapi timingnya tidak, Anda akan mendapatkan hasil yang buruk. Jika keduanya buruk Anda akan hasil yang sepenuhnya buruk. Karena Anda mengintegrasikan, kesalahan terkumpul dan setelah waktu tertentu, hasil dead reckoning mungkin tidak lagi dapat diterima.

Jika Anda berkendara melalui terowongan atau di kota, di mana sinyal GNSS buruk untuk waktu yang cukup lama, dead reckoning berdasarkan IMU, tidak akan andal. Di bawah kondisi ini, akan menjadi urusan produsen mobil. Mereka dapat memulai peringatan pengemudi; jika pengemudi tidak bereaksi terhadap peringatan, peringatan kedua dapat dihasilkan. Jika itu juga diabaikan, maka ADAS dapat mengambil alih kontrol dan mengurangi kecepatan — tetapi tidak menghentikan mobil, yang akan berbahaya. Tindakan tambahan yang dapat dilakukan adalah untuk menghasilkan panggilan, misalnya ke OnStar, untuk memeriksa apakah pengemudi aman. Ada beberapa cara untuk mengelola situasi.

Keandalan Sistem ADAS

Keandalan sistem ADAS itu sendiri sangat krusial. Integritas data harus dijamin di semua kondisi. Menurut Marinoni, IMU 6-sumbu TDK/Invensense untuk ADAS termasuk diagnosa tertanam yang telah dikembangkan untuk sistem yang memenuhi persyaratan hingga tingkat Integritas Keamanan Otomotif (ASIL) B. Jika komunikasi dengan unit pusat tidak andal, misalnya, itu dapat menghasilkan alarm untuk memperingatkan pengemudi. Chip keamanan yang tertanam termasuk mekanisme yang secara terus-menerus memeriksa fungsionalitas semua blok sistem. Jika komponen mendeteksi malfungsi pada akselerometer, giroskop, logika digital, atau bus komunikasi, itu mengirim alarm ke sistem, memberitahukannya untuk waspada bahwa sesuatu terjadi dan informasi yang datang dari sensor tidak lagi andal. Self-diagnosis adalah wajib dalam aplikasi keamanan otomotif, terutama jika Anda mengontrol kecepatan, rem, atau stiran. Masalah-masalah ini diatasi dalam spesifikasi ASIL. Namun, bahkan jika bukan untuk aplikasi Level 2, sistem seperti kontrol stabilisasi elektronik juga harus 100% andal.

Di Mana Kami Sekarang dan Di Mana Kami Pergi?

Saya bertanya kepada Marinoni di mana menurutnya teknologi ini saat ini dan apa yang harus diharapkan di masa depan. “Pada saat ini, Level 2 adalah kenyataan — sudah ada di jalan,” katanya. “Tetapi sedang meningkat sekarang dalam arti bahwa kami mengasumsikan volume IMU akan meningkat dari sekarang hingga 2030, dari kurang dari 10 juta kendaraan hingga lebih dari 40 juta.” Untuk langkah berikutnya, Level 3, perubahan utama mungkin akan menjadi perkenalan teknologi baru seperti lidar. “Dari sudut pandang IMU kami, kami sudah siap untuk aplikasi L3, berkat integrasi 6-sumbu kami,” katanya.

Dia melanjutkan bahwa titik inovasi berikutnya di bidang ini mungkin adalah pengurangan konsumsi daya. Beberapa aplikasi ADAS diwajibkan untuk hidup bahkan ketika mesin mati. Karena alasan itu, konsumsi daya setiap komponen dalam aplikasi itu penting. Di masa lalu, saat aplikasi hanya berjalan jika mesin menyala, itu bukan masalah. Tetapi sekarang produsen sedang mengubah spesifikasi mereka untuk mencakup konsumsi daya.

Dan yang terakhir namun tidak kalah penting, karena integrasi dead reckoning dipengaruhi oleh kesalahan yang terkumpul seiring waktu, poin penting lainnya, terutama dengan mobil tanpa awak, adalah untuk mengurangi kebisingan komponen lebih lanjut, untuk meningkatkan performa sensor, untuk mengimplementasikan integrasi dead reckoning yang lebih lama, sambil menjaga total kesalahan tetap terkontrol.

Saya kemudian bertanya kepada Marinoni kapan menurutnya Level 3 mungkin menghit jalan. Tebakannya adalah kami tidak akan melihat banyak pergerakan di pasar L3 hingga 2025.

“Topik penting lainnya, meskipun tidak didasarkan pada teori — ini lebih merupakan aturan jempol — adalah bahwa untuk sistem L2, dua teknologi paralel cukup. Untuk sistem L3, untuk menjamin akurasi, stabilitas, dan performa, Anda perlu menggabungkan setidaknya tiga teknologi, dan kemungkinan besar untuk L4, Anda membutuhkan empat. Ini seharusnya memberikan Anda gambaran tentang kompleksitas menjamin performa dan keselamatan,” katanya. Itu akan menempatkan permintaan yang lebih besar pada algoritma dan sumber daya komputer yang diperlukan. Itulah tempat 5G kemungkinan akan berperan, untuk memungkinkan perpindahan banyak komputasi ke cloud. Tentu saja, itu membuka pintu untuk kemungkinan hacking.

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