Como Sistemas de Sensoriamento Impulsionam a Funcionalidade do ADAS

Para descobrir as últimas informações sobre sensores para sistemas de direção automatizada, entrevistei Alberto Marinoni, Diretor de Marketing de Produto, TDK/Invensense (San Jose, CA).

O termo comumente usado, Sistemas Avançados de Assistência ao Motorista (ADAS) essencialmente se refere ao Nível 2 (L2) da SAE, Automação Parcial de Direção. Nesse nível, o motorista deve estar no carro e deve estar vigilante — eles não podem ler um livro, por exemplo — isso requeriria Nível 3 ou além. (O nível mais alto — 5 — é um veículo totalmente automatizado que nem mesmo precisa de um de nós humanos no veículo.)

No Nível 2, o carro pode ser controlado automaticamente longitudinalmente (aceleração/desaceleração) ou lateralmente (direção), dependendo da aplicação. No entanto, o motorista deve estar presente, manter os olhos na rua e estar vigilante para assumir o controle se necessário. Em contraste, Nível 1 pode fazer frenagem/aceleração automatizada OU direção lateral, mas não ambos.

Para L2, existem múltiplos sensores, incluindo câmeras, radar e unidades de medida inercial (IMUs). Um sistema de navegação por satélite global (GNSS), como GPS, também é incluído.

Para certas aplicações L2, embora não a maioria, lidar também está disponível, embora isso seja principalmente para Nível 3. Nem sempre é incluído no L2 por causa de seu alto custo relativo às outras tecnologias. Marinoni explicou que radar é um detector de longo alcance — seu uso é para detecção de obstáculos à distância — para alertar o carro que algo está presente na frente dele. Lidar adiciona à mistura de automação reconhecendo objetos em detalhe mais próximos do carro. Também pode escanear o entorno para obter informação sobre o ambiente imediato. Esta informação pode ser geo-referenciada com relação à terra para pinpoint a posição absoluta do carro usando um sistema de navegação inercial (INS) composto por um IMU e GNSS. Um mapa 3D pode ser construído para localizar precisamente objetos combinando a informação de posição absoluta do INS e a imagem do entorno relativa baseada no lidar.

Unidade de Medida Inercial

O IMU TDK/InvenSense tem dois componentes MEMS na mesma carcaça: um acelerômetro de 3 eixos e um giroscópio de 3 eixos. O acelerômetro é sensível a acelerações tanto estáticas (ex: gravidade) quanto dinâmicas em todos os três eixos e pode ser usado para determinar o ângulo de inclinação do IMU. O giroscópio é principalmente usado para condições dinâmicas nas quais há velocidade angular além da gravidade. As saídas destes dois sensores são combinadas matematicamente para determinar a orientação do sistema.

A tendência geral hoje é colocar um IMU próximo a cada sensor para aumentar a precisão de detecção.

Aceleração/Desaceleração

De acordo com Marinoni, as funções de desaceleração mais importantes são frenagem de emergência e evasão de colisão. Para estas aplicações, sensores como radar escaneiam a frente do carro, procurando um objeto ou pessoa. Os dados de escaneamento são enviados para uma unidade de processamento central, que pode decidir se o veículo precisa parar. Se sim, emite um sinal para atuadores que agem da mesma forma que um motorista faria, pressionando o pedal de freio para parar o carro antes de um acidente.

O IMU desempenha um papel importante aqui. O sensor de radar é tipicamente montado no para-choque do veículo e pode funcionar perfeitamente se estiver paralelo à rua. No entanto, se por alguma razão o para-choque foi deformado, a informação do radar será não confiável. Um IMU montado junto ao sensor de radar pode monitorar dinamicamente a inclinação para fornecer informação corretiva. O mesmo conceito é aplicado aos módulos de câmera.

Direção

Nos veículos de hoje, existem múltiplas câmeras, 10 ou mais, para ADAS. No entanto, como há muita vibração quando você está dirigindo, a imagem capturada pelo módulo de câmera pode ficar borrada. Se você colocar um IMU perto de cada câmera, pode facilmente medir a vibração aplicada à câmera no momento exato em que ela tira uma foto. Com esta informação, você pode estabilizar a imagem e limpar o ruído para uma visão clara.

Uma aplicação típica baseada em câmera é assistência ativa de manutenção de faixa. Para isso, geralmente há uma câmera localizada perto do espelho retrovisor, que é usada para detectar as linhas da rua e realizar processamento de imagem. A qualidade da imagem é importante para esta aplicação porque você tem que reconhecer a linha e se o carro está cruzando ela. Montando um IMU próximo à câmera para estabilizá-la, você produz uma imagem mais clara, que reduz a carga computacional no processador central. Para algumas aplicações de manutenção de faixa, o motorista é alertado, para que possa assumir o controle da direção para manter na pista. Existem outras aplicações nas quais esta informação é usada pelo carro para controlar diretamente a direção para mantê-la automaticamente na faixa.

Fusão de Sensores

Perguntei então a Marinoni sobre o papel da fusão de sensores no ADAS. Ele explicou que é um algoritmo capaz de combinar informação vindo de múltiplos sensores para fornecer uma saída melhor que a soma de cada sensor individual.

Um exemplo seria um INS, no qual um GNSS recebe informação de um satélite para determinar a localização absoluta do veículo. No entanto, existem condições sob as quais a informação GNSS não é confiável, por exemplo, em um túnel, em canyoning urbano, ou em um estacionamento multinível. Você portanto precisaria de um IMU próximo ao GNSS para calcular a posição do sistema quando o GNSS não está disponível. Um algoritmo de fusão de sensores rodando no módulo GNSS combinaria a informação do IMU e do GNSS para gerar uma posição que é confiável sob todas as condições. Isso otimiza o sistema porque o IMU e GNSS se complementam devido a seus respectivos pontos fortes e fracos. O algoritmo de fusão mantém a informação vindo do IMU quando o GNSS não é confiável e usa a informação do sistema GNSS quando o carro está em condição de céu aberto. Quando há um bom sinal GNSS, o algoritmo de fusão também permite que os dados GNSS calibrem o IMU para aqueles momentos quando o GNSS não está disponível.

Dead Reckoning

Quando o sinal GNSS não está disponível, o IMU navega com dead reckoning começando da última posição absoluta que recebeu. Naquele ponto começa a integrar a informação do giroscópio ao longo do tempo, para atualizar a posição. Se há boa informação do giroscópio e bom timing, você tem bons resultados. Se, no entanto, a saída do giroscópio é boa, mas o timing não é, você tem resultados ruins. Se ambos são ruins você tem resultados completamente ruins. Como você está integrando, o erro é acumulado e após uma certa quantidade de tempo, resultados de dead reckoning podem não ser mais aceitáveis.

Se você está dirigindo através de um túnel ou em uma cidade, onde o sinal GNSS é ruim por tempo suficiente, dead reckoning baseado no IMU, não seria confiável. Sob aquelas condições, seria responsabilidade do fabricante do carro. Eles poderiam iniciar um alerta ao motorista; se o motorista não reagir ao alerta, um segundo alerta poderia ser gerado. Se aquele também fosse ignorado, então o ADAS poderia assumir o controle e diminuir a velocidade — mas não parar o carro, o que seria perigoso. Uma ação adicional poderia ser gerar uma chamada, como para OnStar, para verificar se o motorista está seguro. Existem múltiplas formas de gerenciar a situação.

Confiabilidade do Sistema ADAS

Confiabilidade do sistema ADAS em si é obviamente crítica. Integridade de dados deve ser garantida sob todas as condições. De acordo com Marinoni, os IMUs 6-eixos TDK/Invensense para ADAS incluem um diagnóstico embutido que foi desenvolvido para sistemas atendendo requisitos até nível B de Integridade de Segurança Automotiva (ASIL). Se comunicação com a unidade central não é confiável, por exemplo, pode gerar um alarme para alertar o motorista. O chip de segurança embutido inclui um mecanismo que verifica continuamente a funcionalidade de todos os blocos do sistema. Se o componente detecta uma falha no acelerômetro, giroscópio, lógica digital, ou no barramento de comunicação, envia um alarme ao sistema, dizendo para estar ciente que algo deu errado e a informação vindo do sensor não é mais confiável. Auto-diagnóstico é mandatório em aplicações de segurança automotiva, especialmente se você está controlando velocidade, frenagem, ou direção. Estes problemas são abordados na especificação ASIL. No entanto, mesmo se não é para uma aplicação Nível 2, um sistema como controle eletrônico de estabilidade também deve ser 100% confiável.

Onde Estamos Agora e Para Onde Vamos?

Perguntei a Marinoni onde ele vê esta tecnologia agora e o que esperar no futuro. "Neste momento, Nível 2 é uma realidade — já está na rua", disse ele. "Mas está rampando agora no sentido que esperamos que volumes de IMU aumentem de agora a 2030, de menos de 10 milhões de veículos para mais de 40 milhões." Para o próximo passo, Nível 3, a principal mudança provavelmente será a introdução de novas tecnologias como lidar. "Do ponto de vista do nosso IMU, já estamos prontos para aplicações L3, graças à nossa integração de 6 eixos", disse ele.

Ele continuou dizendo que o próximo ponto de inovação neste campo poderia ser a redução de consumo de energia. Algumas aplicações ADAS são requeridas para estar ligadas mesmo quando o motor está desligado. Por esta razão, o consumo de energia de cada componente na aplicação conta. No passado, quando aplicações rodavam apenas se o motor estava ligado, aquilo não era um problema. Mas agora os fabricantes estão mudando suas especificações para incluir consumo de energia.

E último mas não menos importante, como a integração de dead reckoning é afetada pelo erro acumulado ao longo do tempo, o outro ponto importante, especialmente com carros autônomos, é reduzir ainda mais o ruído do componente, para melhorar o desempenho do sensor, para implementar integração de dead reckoning mais longa, mantendo o erro total sob controle.

Perguntei então a Marinoni quando ele pensava que Nível 3 poderia estar chegando às ruas. Seu palpite é que não veremos muito movimento no mercado L3 até 2025.

"Outro tópico importante, embora não baseado em teoria — é mais uma regra prática — é que para sistemas L2, duas tecnologias paralelas são suficientes. Para sistemas L3, para garantir precisão, estabilidade e desempenho, você precisa combinar pelo menos três tecnologias, e mais provavelmente para L4, você precisa de quatro. Isso deve dar uma noção da complexidade de garantir desempenho e segurança", disse ele. Isso colocará maiores demandas nos algoritmos requeridos e recursos computacionais. É onde 5G provavelmente entrará em jogo, para permitir mover muito da computação para a nuvem. Claro, isso abre a porta para possíveis hackeamentos.

Este artigo foi escrito por Ed Brown, Editor de Tecnologia de Sensores. Para mais informações, visite aqui .