要找出有关自动化驾驶系统传感器的最新信息,我采访了产品营销,TDK / Invensense(San Jose,CA)的主任Alberto Marinoni。

常用的术语,高级驾驶员辅助系统(ADAS)基本上是指SAE等级2(L2),部分驾驶自动化。在那个级别,司机必须在车里,必须保持警惕 - 他们无法读取一本书 - 例如 - 这需要3级或更超越。(最高水平 - 5 - 是一个完全自动化的车辆,甚至不需要我们一个人类在车辆中。)

在Level 2,汽车可以自动控制纵向(加速/减速)或横向(转向),取决于应用。然而,司机必须在场,保持眼睛的街道,并保持警惕,以控制如果需要。相比之下,Level 1可以自动刹车/加速或横向转向,但不能两者兼用。

对于L2,有多个传感器,包括摄像机,雷达和惯性测量单元(IMU)。还包括全球导航卫星系统(GNSS),例如GPS。

对于某些L2应用程序(虽然不是大多数),也可以使用激光雷达,尽管这主要适用于3级。它并不总是包含在L2中,因为相对于其他技术,它的成本较高。马里诺尼解释说,雷达是一种远程探测器,用来探测远处的障碍物,提醒汽车前方有东西。激光雷达通过识别离汽车更近的物体的细节,增加了自动化的混合。它还可以扫描周围环境,以获取有关直接环境的信息。通过使用由IMU和GNSS组成的惯性导航系统(INS),这些信息可以相对于地球进行地理参考,以确定汽车的绝对位置。基于激光雷达,结合惯导的绝对位置信息和相对环境的图像,可以建立三维地图来精确定位目标。

惯性测量单元

图2.集成单芯片六轴MEMS陀螺仪和加速度计。(图片由TDK / Invensense提供)

TDK / Invensens IMU在同一外壳中有两个MEMS组件:3轴加速度计和3轴陀螺仪。加速度计对所有三个轴中的静态(例如重力)和动态加速度敏感,并且可用于确定IMU的倾斜角度。陀螺仪主要用于动态条件,除了重力之外存在角速度。这两个传感器的输出在数学上组合以确定系统的方向。

今天的一般趋势是将一个IMU放在每个传感器旁边,以提高检测的准确性。

加速/减速

根据Marinoni的说法,最重要的减速功能是紧急制动和碰撞避免。对于这些应用,雷达等传感器扫描汽车前部,寻找物体或人。扫描数据被发送到中央处理单元,其可以决定车辆是否需要停止。如果是,它通过推动制动踏板将制动踏板推动以在碰撞前停止车辆以与驾驶员相同的方式输出信号的致动器。

IMU在这方面起着重要作用。雷达传感器通常安装在汽车的保险杠上,如果它与街道平行,就可以完美地工作。然而,如果由于某种原因保险杠已经变形,雷达信息将是不可靠的。安装在雷达传感器旁边的IMU可以动态监测倾斜以提供校正信息。同样的概念也适用于相机模块。

操舵

图3。由IMU稳定的视觉系统图像。(图片由TDK/InvenSense提供)

在今天的车辆中,ADA有多个摄像机,10个或更多。但是,由于当您驾驶时有很多振动,所以由相机模块捕获的图像可以模糊。如果将IMU靠近每个摄像头,则可以轻松测量拍摄照片所需的振动所需的照片。有了此信息,您可以稳定图像并清除噪声清晰的视图。

一个典型的基于摄像头的应用程序是主动保持车道协助。为此,通常在后视镜附近安装一个摄像头,用于检测街道线并进行图像处理。图像质量对这个应用程序很重要,因为您必须识别这条线,以及汽车是否正在越过它。通过在相机旁边安装IMU来稳定它,你可以产生更清晰的图像,这减少了中央处理器的计算负荷。对于一些保持车道的应用程序,司机会收到警报,这样他们就可以控制方向盘,以保持在轨道上。在其他应用中,这些信息被汽车用来直接控制转向,自动保持在车道上。

传感器融合

然后,我要求Marinoni关于传感器融合在ADAS中的作用。他解释说,它是一种能够组合来自多个传感器的信息的算法,以便提供比每个单独传感器的总和更好的输出。

一个例子是导航系统,其中全球导航系统从卫星接收信息以确定车辆的绝对位置。然而,有些情况下,GNSS信息并不可靠,例如在隧道、城市峡谷或多层停车场中。因此,当GNSS不可用时,需要一个接近GNSS的IMU来计算系统的位置。在GNSS模块中运行的传感器融合算法将IMU和GNSS的信息结合起来,生成一个在所有条件下都可靠的位置。这是对系统的优化,因为IMU和GNSS因各自的优缺点而相互补充。融合算法在GNSS不可靠的情况下保留了来自IMU的信息,在开放天空条件下利用了GNSS系统的信息。当有良好的GNSS信号时,融合算法还能使GNSS数据在GNSS不可用时对IMU进行校准。

死亡估计

当GNSS信号不可用时,IMU通过从收到的绝对最新位置开始导航而导航。此时,它开始随时间集成陀螺信息,以更新位置。如果有良好的陀螺信息和良好的时机,你的结果很好。但是,如果陀螺仪输出良好,但时机不是,你的结果很差。如果两者都差,你的结果完全不好了。由于您集成了,因此累计且经过一定时间的错误,因此可能不再可以接受死亡的估算结果。

如果您正在通过隧道或城市开车,那里GNSS信号对于足够长的时间不好,基于IMU的死亡率将不可靠。在这些条件下,它可以到汽车制造商。他们可以发起司机警报;如果驱动程序对警报没有反应,则可以生成第二个警报。如果这也被忽略了,那么ADA可以控制和减少和速度 - 但不会停止汽车,这将是危险的。一个额外的动作可以是生成一个呼叫,例如对OnStar,以检查驱动程序是安全的。有多种方法可以管理这种情况。

ADAS系统的可靠性

ADAS系统本身的可靠性显然是至关重要的。在所有条件下必须保证数据完整性。根据Marinoni,ADA的TDK / INNENSENSE 6轴IMU包括嵌入式诊断,该嵌入式诊断已开发用于汽车安全完整性(ASIL)级别B的系统会议要求。例如,如果与中央单元的通信不可靠,则它可以生成警报以提醒驱动程序。嵌入式安全芯片包括连续检查系统所有块的功能的机制。如果组件检测到加速度计,陀螺,数字逻辑或通信总线中的故障,它会向系统发送警报,告诉它要意识到出现问题,并且来自传感器的信息不再可靠。在汽车安全应用中,自诊断是强制性的,特别是如果您正在控制速度,破碎或转向。这些问题在ASIL规范中解决了这些问题。但是,即使它不适用于2级应用,也必须是电子稳定性控制的系统,也必须100%可靠。

我们现在在哪里,我们要去哪里?

图4.进入隧道时的死亡击退。(图片由TDK/InvenSense提供)

我问了Marinoni,他认为这项技术现在是在未来期望的。“此时,2级是现实 - 它已经在街上了,”他说。“但是现在在意义上是猖獗的,我们希望IMU卷从现在到2030年从不到1000万辆到超过4000万辆增加的。”对于下一步,第3级,主要变化可能是引入Lidar等新技术。“从我们的IMU的角度来看,由于我们的6轴集成,我们已经为L3应用程序设置了L3应用程序。”

他继续说,这个领域的下一个创新点可能是减少功耗。即使发动机关闭,也需要一些ADAS应用程序。因此,应用程序计数中每个组件的功耗。在过去,当应用程序仅在发动机上运行时,这不是问题。但现在制造商正在改变他们的规格,包括电力消耗。

和最后但并非最不重要,因为航迹推算集成是积累误差的影响随着时间的推移,其他重要的点,尤其是在自动驾驶汽车,是进一步降低组件的噪音,提高传感器的性能,实现了航迹推算集成、控制总误差。

我接着问马里诺尼,他什么时候认为3级可能会在街上。他的猜测是,在2025年之前,L3市场不会有太大的变动。

“另一个重要的话题,虽然不是基于理论 - 它的拇指越多 - 是对于L2系统,两个并行技术就足够了。对于L3系统,为了保证准确性,稳定性和性能,您需要将至少三种技术结合起来,最可能为L4,您需要四个。他说,这应该给你一种保证性能和安全的复杂感,“他说。这将对所需的算法和计算机资源进行更大的需求。这就是5G可能进入播放的地方,以便向云移动大部分计算。当然,这打开了可能的黑客攻击。

本文是由Ed Brown编写的传感器技术编辑。有关更多信息,请访问这里


传感器技术杂志

本文首先出现在3月份,2021号问题传感器技术杂志。

阅读此问题的更多文章这里

阅读档案中的更多文章这里