Os sistemas de detecção que fazem o ADAS funcionar

Para saber 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 Condutor (ADAS) refere-se essencialmente ao SAE Nível 2 (L2), Automação Parcial de Condução. Nesse nível, o motorista deve estar no carro e estar vigilante – não pode ler um livro, por exemplo – que exigiria o Nível 3 ou superior. (O nível mais alto - 5 - é um veículo totalmente automatizado que nem precisa de um de nós humanos para estar 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 atento para assumir o controle, se necessário. Em contraste, o Nível 1 pode fazer frenagem/aceleração automatizada OU direção lateral, mas não ambos.

Para L2, existem vários sensores, incluindo câmeras, radar e unidades de medição inercial (IMUs). Um sistema global de navegação por satélite (GNSS), como um GPS, também está incluído.

Para certas aplicações L2, embora não a maioria, o lidar também está disponível, embora seja principalmente para o Nível 3. Nem sempre está incluído na L2 devido ao seu alto custo em relação às outras tecnologias. Marinoni explicou que o radar é um detector de longo alcance – seu uso é para detecção de obstáculos à distância – para alertar o carro de que algo está presente à sua frente. O Lidar contribui para o mix de automação reconhecendo objetos em detalhes mais próximos do carro. Ele também pode escanear os arredores para obter informações sobre o ambiente imediato. Essas informações podem ser georreferenciadas em relação à terra para identificar 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 objetos com precisão, combinando as informações de posição absoluta do INS e a imagem dos arredores relativos com base no lidar.

Unidade de medição inercial

A IMU TDK/InvenSens possui dois componentes MEMS na mesma caixa:um acelerômetro de 3 eixos e um giroscópio de 3 eixos. O acelerômetro é sensível a acelerações estáticas (por exemplo, gravidade) e dinâmicas em todos os três eixos e pode ser usado para determinar o ângulo de inclinação da IMU. O giroscópio é usado principalmente para condições dinâmicas nas quais há velocidade angular além da gravidade. As saídas desses dois sensores são combinadas matematicamente para determinar a orientação do sistema.

A tendência geral hoje é colocar uma IMU ao lado de cada sensor para aumentar a precisão da detecção.

Aceleração/Desaceleração

Segundo Marinoni, as funções de desaceleração mais importantes são a frenagem de emergência e a prevenção de colisões. Para essas aplicações, sensores como radar varrem a frente do carro, procurando por um objeto ou pessoa. Os dados de varredura são enviados para uma unidade central de processamento, que pode decidir se o veículo precisa parar. Nesse caso, ele envia um sinal para os atuadores que agem da mesma maneira que um motorista, pressionando o pedal do freio para parar o carro antes de um acidente.

A IMU desempenha aqui um papel importante. O sensor de radar normalmente é montado no para-choque do veículo e pode funcionar perfeitamente se estiver paralelo à rua. No entanto, se por algum motivo o pára-choques for deformado, as informações do radar não serão confiáveis. Uma IMU montada ao lado do sensor de radar pode monitorar dinamicamente a inclinação para fornecer informações corretivas. O mesmo conceito é aplicado aos módulos de câmera.

Direção

Nos veículos de hoje, existem várias câmeras, 10 ou mais, para ADAS. No entanto, como há muita vibração ao dirigir, a imagem capturada pelo módulo da câmera pode ficar desfocada. Se você colocar uma IMU perto de cada câmera, poderá medir facilmente a vibração aplicada à câmera no momento exato em que ela tira uma foto. Com essas informações, você pode estabilizar a imagem e eliminar o ruído para uma visão clara.

Um aplicativo típico baseado em câmera é a assistência de manutenção de faixa ativa. Para isso, geralmente há uma câmera localizada próxima ao espelho retrovisor, que é usada para detectar as linhas da rua e realizar o processamento das imagens. A qualidade da imagem é importante para esta aplicação porque você tem que reconhecer a linha e se o carro está passando por ela. Ao montar uma IMU próxima à câmera para estabilizá-la, você produz uma imagem mais nítida, o 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 e permanecer na pista. Existem outras aplicações em que 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 informações provenientes de vários sensores para fornecer uma saída melhor do que a soma de cada sensor individual.

Um exemplo seria um INS, no qual um GNSS recebe informações de um satélite para determinar a localização absoluta do veículo. No entanto, existem condições em que as informações GNSS não são confiáveis, por exemplo, em um túnel, em canyoning urbano ou em um estacionamento multinível. Portanto, você precisaria de uma IMU próxima ao GNSS para calcular a posição do sistema quando o GNSS não estiver disponível. Um algoritmo de fusão de sensores executado no módulo GNSS combinaria as informações da IMU e do GNSS para gerar uma posição confiável em todas as condições. Isso otimiza o sistema porque o IMU e o GNSS se complementam devido aos seus respectivos pontos fortes e fracos. O algoritmo de fusão mantém as informações provenientes da IMU quando o GNSS não é confiável e usa as informações do sistema GNSS quando o carro está em condição de céu aberto. Quando há um bom sinal GNSS, o algoritmo de fusão também habilita os dados GNSS para calibrar a IMU para aqueles momentos em que o GNSS não está disponível.

Acerto de contas

Quando o sinal GNSS não está disponível, a IMU navega com acerto de contas, começando da última posição absoluta que recebeu. Nesse ponto, ele começa a integrar as informações do giroscópio ao longo do tempo, para atualizar a posição. Se houver boas informações de giroscópio e bom tempo, você terá bons resultados. Se, no entanto, a saída do giroscópio for boa, mas o tempo não for, você terá resultados ruins. Se ambos forem ruins, você terá resultados completamente ruins. Como você está integrando, o erro é acumulado e, após um certo período de tempo, os resultados do cálculo morto podem não ser mais aceitáveis.

Se você estiver dirigindo por um túnel ou em uma cidade, onde o sinal GNSS é ruim por um longo tempo, o cálculo morto baseado no IMU não seria confiável. Nessas condições, caberia ao fabricante do carro. Eles poderiam iniciar um alerta de motorista; se o motorista não reagir ao alerta, um segundo alerta pode ser gerado. Se isso também fosse ignorado, 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 várias maneiras de gerenciar a situação.

Confiabilidade do Sistema ADAS

A confiabilidade do próprio sistema ADAS é obviamente crítica. A integridade dos dados deve ser garantida em todas as condições. De acordo com Marinoni, as IMUs de 6 eixos TDK/Invensense para ADAS incluem um diagnóstico incorporado que foi desenvolvido para sistemas que atendem a requisitos até o nível B de integridade de segurança automotiva (ASIL). Se a comunicação com a unidade central não for confiável, por exemplo, pode gerar um alarme para alertar o motorista. O chip de segurança integrado inclui um mecanismo que verifica continuamente a funcionalidade de todos os blocos do sistema. Caso o componente detecte um mau funcionamento no acelerômetro, giroscópio, lógica digital ou no barramento de comunicação, ele envia um alarme para o sistema, informando-o para estar ciente de que algo deu errado e as informações provenientes do sensor não são mais confiáveis. O autodiagnóstico é obrigatório em aplicações de segurança automotiva, especialmente se você estiver controlando a velocidade, frenagem ou direção. Esses problemas são abordados na especificação ASIL. No entanto, mesmo que não seja para uma aplicação de Nível 2, um sistema como o controle eletrônico de estabilidade também deve ser 100% confiável.

Onde estamos agora e para onde vamos?

Perguntei a Marinoni onde ele vê essa tecnologia agora e o que esperar no futuro. “Neste momento, o Nível 2 é uma realidade – já está nas ruas”, disse ele. “Mas está aumentando agora no sentido de que esperamos que os volumes da IMU aumentem de agora até 2030, de menos de 10 milhões de veículos para mais de 40 milhões”. Para a próxima etapa, Nível 3, a principal mudança provavelmente será a introdução de novas tecnologias como o lidar. “Do ponto de vista de nossa 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 pode ser a redução do consumo de energia. Alguns aplicativos ADAS precisam estar ligados mesmo quando o motor está desligado. Por esta razão, o consumo de energia de cada componente na aplicação conta. No passado, quando os aplicativos eram executados apenas se o mecanismo estivesse ligado, isso não era um problema. Mas agora os fabricantes estão mudando suas especificações para incluir o consumo de energia.

E por último, mas não menos importante, uma vez que a integração do cálculo morto 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, melhorar o desempenho do sensor, implementar uma integração de contagem de mortos mais longa, mantendo o erro total sob controle.

Em seguida, perguntei a Marinoni quando ele achava que o Nível 3 poderia chegar 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, provavelmente, para L4, você precisa de quatro. Isso deve lhe dar uma noção da complexidade de garantir desempenho e segurança”, disse ele. Isso colocará maiores demandas sobre os algoritmos e recursos de computador necessários. É aí que o 5G provavelmente entrará em ação, para permitir a movimentação de grande parte da computação para a nuvem. Claro, isso abre a porta para possíveis hackers.

Este artigo foi escrito por Ed Brown, editor da Sensor Technology. Para mais informações, visite aqui .