Los sistemas de detección que hacen que ADAS funcione

Para conocer la información más reciente sobre sensores para sistemas de conducción automatizada, entrevisté a Alberto Marinoni, director de marketing de productos, TDK/Invensense (San José, CA).

El término comúnmente utilizado, Sistemas avanzados de asistencia al conductor (ADAS) se refiere esencialmente a SAE Nivel 2 (L2), Automatización de conducción parcial. En ese nivel, el conductor debe estar en el automóvil y debe estar atento (no puede leer un libro, por ejemplo) que requeriría el Nivel 3 o más. (El nivel más alto, 5, es un vehículo completamente automatizado que ni siquiera necesita que uno de nosotros, los humanos, esté en el vehículo).

En el Nivel 2, el automóvil se puede controlar automáticamente longitudinalmente (aceleración/desaceleración) o lateralmente (dirección), según la aplicación. Sin embargo, el conductor debe estar presente, vigilar la calle y estar alerta para tomar el control si es necesario. Por el contrario, el Nivel 1 puede hacer frenado/aceleración automáticos O dirección lateral, pero no ambos.

Para L2, hay varios sensores, incluidas cámaras, radares y unidades de medición inercial (IMU). También se incluye un sistema global de navegación por satélite (GNSS), como un GPS.

Para ciertas aplicaciones L2, aunque no la mayoría, también está disponible lidar, aunque eso es principalmente para el Nivel 3. No siempre se incluye en L2 debido a su alto costo en relación con las otras tecnologías. Marinoni explicó que el radar es un detector de largo alcance, su uso es para la detección de obstáculos a distancia, para alertar al automóvil de que algo está presente frente a él. Lidar se suma a la combinación de automatización al reconocer objetos en detalle más cerca del automóvil. También puede escanear los alrededores para obtener información sobre el entorno inmediato. Esta información se puede georreferenciar con respecto a la tierra para determinar la posición absoluta del automóvil mediante un sistema de navegación inercial (INS) compuesto por una IMU y GNSS. Se puede construir un mapa 3D para ubicar objetos con precisión al combinar la información de posición absoluta del INS y la imagen del entorno relativo basada en el lidar.

Unidad de medida inercial

La IMU TDK/InvenSens tiene dos componentes MEMS en la misma carcasa:un acelerómetro de 3 ejes y un giroscopio de 3 ejes. El acelerómetro es sensible tanto a las aceleraciones estáticas (por ejemplo, la gravedad) como a las dinámicas en los tres ejes y se puede utilizar para determinar el ángulo de inclinación de la IMU. El giroscopio se utiliza principalmente para condiciones dinámicas en las que hay velocidad angular además de la gravedad. Las salidas de estos dos sensores se combinan matemáticamente para determinar la orientación del sistema.

La tendencia general actual es colocar una IMU junto a cada sensor para aumentar la precisión de detección.

Aceleración/Deceleración

Según Marinoni, las funciones de desaceleración más importantes son el frenado de emergencia y la prevención de colisiones. Para estas aplicaciones, sensores como el radar escanean la parte delantera del automóvil en busca de un objeto o una persona. Los datos de escaneo se envían a una unidad central de procesamiento, que puede decidir si el vehículo debe detenerse. Si es así, envía una señal a los actuadores que actúan de la misma manera que lo haría un conductor, presionando el pedal del freno para detener el automóvil antes de un choque.

La IMU juega un papel importante aquí. El sensor de radar normalmente se monta en el parachoques del vehículo y puede funcionar perfectamente si está paralelo a la calle. Sin embargo, si por algún motivo el parachoques se ha deformado, la información del radar no será fiable. Una IMU montada junto al sensor de radar puede monitorear dinámicamente la inclinación para brindar información correctiva. El mismo concepto se aplica a los módulos de cámara.

Dirección

En los vehículos actuales, hay varias cámaras, 10 o más, para ADAS. Sin embargo, dado que hay mucha vibración cuando conduce, la imagen capturada por el módulo de la cámara puede verse borrosa. Si coloca una IMU cerca de cada cámara, puede medir fácilmente la vibración aplicada a la cámara en el momento exacto en que toma una foto. Con esta información, puede estabilizar la imagen y eliminar el ruido para una vista clara.

Una aplicación típica basada en cámaras es la asistencia activa para mantenerse en el carril. Para ello, suele haber una cámara situada cerca del retrovisor, que se utiliza para detectar las líneas de la calle y realizar el procesamiento de imágenes. La calidad de la imagen es importante para esta aplicación porque debe reconocer la línea y si el automóvil la está cruzando. Al montar una IMU junto a la cámara para estabilizarla, produce una imagen más clara, lo que reduce la carga computacional en el procesador central. Para algunas aplicaciones de mantenimiento de carril, se alerta al conductor para que pueda tomar el control de la dirección y mantenerse en el camino. Hay otras aplicaciones en las que el coche utiliza esta información para controlar directamente la dirección y mantenerlo automáticamente en el carril.

Fusión de sensores

Luego le pregunté a Marinoni sobre el papel de la fusión de sensores en ADAS. Explicó que es un algoritmo capaz de combinar información procedente de varios sensores para proporcionar un resultado mejor que la suma de cada sensor individual.

Un ejemplo sería un INS, en el que un GNSS recibe información de un satélite para determinar la ubicación absoluta del vehículo. Sin embargo, existen condiciones en las que la información GNSS no es fiable, por ejemplo, en un túnel, en un barranquismo urbano o en un aparcamiento de varios niveles. Por lo tanto, necesitaría una IMU cerca del GNSS para calcular la posición del sistema cuando el GNSS no está disponible. Un algoritmo de fusión de sensores que se ejecuta en el módulo GNSS combinaría la información de la IMU y el GNSS para generar una posición que sea confiable en todas las condiciones. Esto optimiza el sistema porque IMU y GNSS se complementan debido a sus respectivas fortalezas y debilidades. El algoritmo de fusión mantiene la información procedente de la IMU cuando el GNSS no es fiable y utiliza la información del sistema GNSS cuando el coche está en condiciones de cielo abierto. Cuando hay una buena señal GNSS, el algoritmo de fusión también permite que los datos GNSS calibren la IMU para aquellos momentos en los que el GNSS no está disponible.

Navegación a estima

Cuando la señal GNSS no está disponible, la IMU navega con navegación a estima comenzando desde la última posición absoluta que recibió. En ese momento, comienza a integrar la información del giroscopio con el tiempo, para actualizar la posición. Si hay buena información de giroscopio y buena sincronización, tiene buenos resultados. Sin embargo, si la salida del giroscopio es buena, pero la sincronización no lo es, obtendrá malos resultados. Si ambos son pobres, tiene resultados completamente malos. Debido a que está integrando, el error se acumula y después de un cierto período de tiempo, es posible que los resultados de la navegación a estima ya no sean aceptables.

Si está conduciendo a través de un túnel o en una ciudad, donde la señal GNSS es mala durante un tiempo suficiente, la navegación a estima basada en la IMU no sería confiable. En esas condiciones, dependería del fabricante del automóvil. Podrían iniciar una alerta al conductor; si el conductor no reacciona a la alerta, se podría generar una segunda alerta. Si eso también se ignorara, entonces el ADAS podría tomar el control y disminuir la velocidad, pero no detener el automóvil, lo que sería peligroso. Una acción adicional podría ser generar una llamada, como a OnStar, para verificar si el conductor está a salvo. Hay múltiples formas de manejar la situación.

Fiabilidad del Sistema ADAS

La confiabilidad del propio sistema ADAS es obviamente crítica. La integridad de los datos debe garantizarse en todas las condiciones. Según Marinoni, las IMU de 6 ejes TDK/ Invensense para ADAS incluyen un diagnóstico integrado que se ha desarrollado para sistemas que cumplen con los requisitos hasta el nivel B de integridad de seguridad automotriz (ASIL). Si la comunicación con la unidad central no es confiable, por ejemplo, puede generar una alarma para alertar al conductor. El chip de seguridad incorporado incluye un mecanismo que verifica continuamente la funcionalidad de todos los bloques del sistema. Si el componente detecta un mal funcionamiento en el acelerómetro, giroscopio, lógica digital o en el bus de comunicación, envía una alarma al sistema, diciéndole que tenga en cuenta que algo salió mal y que la información que proviene del sensor ya no es confiable. El autodiagnóstico es obligatorio en aplicaciones de seguridad automotriz, especialmente si está controlando la velocidad, frenado o dirección. Estos problemas se abordan en la especificación ASIL. Sin embargo, incluso si no es para una aplicación de Nivel 2, un sistema como el control electrónico de estabilidad también debe ser 100 % confiable.

¿Dónde estamos ahora y hacia dónde vamos?

Le pregunté a Marinoni dónde cree que está esta tecnología ahora y qué esperar en el futuro. “En este momento, el Nivel 2 es una realidad, ya está en la calle”, dijo. “Pero está aumentando en este momento en el sentido de que esperamos que los volúmenes de IMU aumenten desde ahora hasta 2030, de menos de 10 millones de vehículos a más de 40 millones”. Para el próximo paso, el Nivel 3, el principal cambio probablemente será la introducción de nuevas tecnologías como lidar. "Desde el punto de vista de nuestra IMU, ya estamos preparados para aplicaciones L3, gracias a nuestra integración de 6 ejes", dijo.

Continuó diciendo que el próximo punto de innovación en este campo podría ser la reducción del consumo de energía. Algunas aplicaciones ADAS deben estar activadas incluso cuando el motor está apagado. Por este motivo, cuenta el consumo de energía de cada componente de la aplicación. En el pasado, cuando las aplicaciones se ejecutaban solo si el motor estaba encendido, eso no era un problema. Pero ahora los fabricantes están cambiando sus especificaciones para incluir el consumo de energía.

Y por último, pero no menos importante, dado que la integración de la navegación a estima se ve afectada por el error acumulado a lo largo del tiempo, el otro punto importante, especialmente con los automóviles autónomos, es reducir aún más el ruido del componente, mejorar el rendimiento del sensor, para implementar una integración de navegación a estima más larga, manteniendo el error total bajo control.

Luego le pregunté a Marinoni cuándo pensaba que el Nivel 3 podría salir a la calle. Su suposición es que no veremos mucho movimiento en el mercado L3 hasta 2025.

“Otro tema importante, aunque no se basa en la teoría, es más una regla general, es que para los sistemas L2, dos tecnologías paralelas son suficientes. Para los sistemas L3, para garantizar la precisión, la estabilidad y el rendimiento, debe combinar al menos tres tecnologías y, muy probablemente, para L4, necesita cuatro. Esto debería darle una idea de la complejidad de garantizar el rendimiento y la seguridad”, dijo. Eso impondrá mayores exigencias a los algoritmos y recursos informáticos necesarios. Ahí es donde es probable que entre en juego 5G, para permitir mover gran parte de la computación a la nube. Por supuesto, eso abre la puerta a una posible piratería.

Este artículo fue escrito por Ed Brown, editor de Sensor Technology. Para obtener más información, visite aquí .