Die Sensorsysteme, mit denen ADAS funktioniert

Um die neuesten Informationen über Sensoren für automatisierte Fahrsysteme zu erhalten, habe ich Alberto Marinoni, Director of Product Marketing, TDK/Invensense (San Jose, CA) interviewt.

Der allgemein verwendete Begriff Advanced Driver Assistance Systems (ADAS) bezieht sich im Wesentlichen auf SAE Level 2 (L2), Teilweise Fahrautomatisierung. Auf dieser Stufe muss der Fahrer im Auto sitzen und wachsam sein – er kann zum Beispiel kein Buch lesen – das würde Stufe 3 oder höher erfordern. (Die höchste Stufe – 5 – ist ein vollautomatisiertes Fahrzeug, das nicht einmal einen von uns Menschen im Fahrzeug benötigt.)

In Level 2 kann das Auto je nach Anwendung längs (Beschleunigung/Verzögerung) oder quer (Lenkung) automatisch gesteuert werden. Der Fahrer muss jedoch anwesend sein, die Straße im Auge behalten und wachsam sein, um bei Bedarf die Kontrolle zu übernehmen. Im Gegensatz dazu kann Level 1 automatisches Bremsen/Beschleunigen ODER seitliches Lenken, aber nicht beides.

Für L2 gibt es mehrere Sensoren, darunter Kameras, Radar und Trägheitsmesseinheiten (IMUs). Ein globales Satellitennavigationssystem (GNSS) wie GPS ist ebenfalls enthalten.

Für bestimmte L2-Anwendungen, wenn auch nicht für die Mehrheit, ist auch Lidar verfügbar, obwohl dies hauptsächlich für Level 3 gilt. Es ist aufgrund seiner hohen Kosten im Vergleich zu den anderen Technologien nicht immer in L2 enthalten. Marinoni erklärte, dass Radar ein Langstreckendetektor ist – seine Verwendung dient der Hinderniserkennung aus der Ferne – um das Auto zu warnen, dass sich etwas vor ihm befindet. Lidar ergänzt den Automatisierungsmix, indem es Objekte in der Nähe des Autos detailliert erkennt. Es kann auch die Umgebung scannen, um Informationen über die unmittelbare Umgebung zu erhalten. Diese Informationen können in Bezug auf die Erde georeferenziert werden, um die absolute Position des Autos zu bestimmen, indem ein Trägheitsnavigationssystem (INS) verwendet wird, das aus einer IMU und GNSS besteht. Eine 3D-Karte kann erstellt werden, um Objekte präzise zu lokalisieren, indem die absoluten Positionsinformationen aus dem INS und das Bild der relativen Umgebung basierend auf dem Lidar kombiniert werden.

Trägheitsmesseinheit

Die TDK/InvenSens IMU verfügt über zwei MEMS-Komponenten im selben Gehäuse:einen 3-Achsen-Beschleunigungsmesser und ein 3-Achsen-Gyroskop. Der Beschleunigungsmesser reagiert sowohl auf statische (z. B. Schwerkraft) als auch auf dynamische Beschleunigungen in allen drei Achsen und kann zur Bestimmung des Neigungswinkels der IMU verwendet werden. Das Gyroskop wird hauptsächlich für dynamische Bedingungen verwendet, bei denen zusätzlich zur Schwerkraft Winkelgeschwindigkeit vorhanden ist. Die Ausgaben dieser beiden Sensoren werden mathematisch kombiniert, um die Ausrichtung des Systems zu bestimmen.

Der allgemeine Trend geht heute dahin, eine IMU neben jedem Sensor zu platzieren, um die Erkennungsgenauigkeit zu erhöhen.

Beschleunigung/Verzögerung

Die wichtigsten Verzögerungsfunktionen sind laut Marinoni Notbremsung und Kollisionsvermeidung. Für diese Anwendungen scannen Sensoren wie Radar die Front des Autos und suchen nach einem Objekt oder einer Person. Die Scandaten werden an eine zentrale Verarbeitungseinheit gesendet, die entscheiden kann, ob das Fahrzeug angehalten werden muss. Wenn dies der Fall ist, gibt es ein Signal an Aktuatoren aus, die wie ein Fahrer agieren würden, indem er das Bremspedal drückt, um das Auto vor einem Unfall anzuhalten.

Die IMU spielt hier eine wichtige Rolle. Der Radarsensor wird typischerweise im Stoßfänger des Fahrzeugs montiert und kann perfekt funktionieren, wenn er parallel zur Straße steht. Wenn der Stoßfänger jedoch aus irgendeinem Grund verformt wurde, sind die Radarinformationen unzuverlässig. Eine neben dem Radarsensor montierte IMU kann die Neigung dynamisch überwachen, um Korrekturinformationen bereitzustellen. Das gleiche Konzept wird auf die Kameramodule angewendet.

Steuerung

In heutigen Fahrzeugen gibt es mehrere Kameras, 10 oder mehr, für ADAS. Da es beim Fahren jedoch zu starken Vibrationen kommt, kann das vom Kameramodul aufgenommene Bild verschwommen sein. Wenn Sie eine IMU in der Nähe jeder Kamera platzieren, können Sie die auf die Kamera einwirkenden Vibrationen genau in dem Moment messen, in dem sie ein Bild aufnimmt. Mit diesen Informationen können Sie das Bild stabilisieren und das Rauschen für eine klare Sicht beseitigen.

Eine typische kamerabasierte Anwendung ist der aktive Spurhalteassistent. Dazu befindet sich in der Regel eine Kamera in der Nähe des Rückspiegels, die zur Erkennung der Straßenlinien und zur Bildverarbeitung verwendet wird. Die Bildqualität ist für diese Anwendung wichtig, weil Sie die Linie erkennen müssen und ob das Auto sie überfährt. Indem Sie eine IMU neben der Kamera montieren, um sie zu stabilisieren, erzeugen Sie ein klareres Bild, wodurch die Rechenlast des Zentralprozessors reduziert wird. Bei einigen Spurhalteanwendungen wird der Fahrer gewarnt, damit er die Kontrolle über die Lenkung übernehmen kann, um auf der Spur zu bleiben. Es gibt andere Anwendungen, bei denen diese Informationen vom Auto verwendet werden, um die Lenkung direkt zu steuern, um es automatisch in der Spur zu halten.

Sensorfusion

Dann fragte ich Marinoni nach der Rolle der Sensorfusion in ADAS. Er erklärte, dass es sich um einen Algorithmus handelt, der in der Lage ist, Informationen von mehreren Sensoren zu kombinieren, um eine Ausgabe zu liefern, die besser ist als die Summe jedes einzelnen Sensors.

Ein Beispiel wäre ein INS, bei dem ein GNSS Informationen von einem Satelliten empfängt, um den absoluten Standort des Fahrzeugs zu bestimmen. Es gibt jedoch Bedingungen, unter denen GNSS-Informationen nicht zuverlässig sind, beispielsweise in einem Tunnel, beim Urban Canyoning oder auf einem mehrstöckigen Parkplatz. Sie benötigen daher eine IMU in der Nähe des GNSS, um die Position des Systems zu berechnen, wenn das GNSS nicht verfügbar ist. Ein im GNSS-Modul laufender Sensorfusionsalgorithmus würde die Informationen von der IMU und dem GNSS kombinieren, um eine Position zu generieren, die unter allen Bedingungen zuverlässig ist. Dies optimiert das System, da sich IMU und GNSS aufgrund ihrer jeweiligen Stärken und Schwächen ergänzen. Der Fusionsalgorithmus behält die Informationen, die von der IMU kommen, wenn das GNSS nicht zuverlässig ist, und verwendet die Informationen des GNSS-Systems, wenn sich das Auto unter freiem Himmel befindet. Wenn ein gutes GNSS-Signal vorhanden ist, aktiviert der Fusionsalgorithmus auch die GNSS-Daten, um die IMU für die Zeiten zu kalibrieren, in denen das GNSS nicht verfügbar ist.

Dead Reckoning

Wenn das GNSS-Signal nicht verfügbar ist, navigiert die IMU mit Koppelnavigation, indem sie von der absolut letzten empfangenen Position ausgeht. An diesem Punkt beginnt es, die Gyroskopinformationen über die Zeit zu integrieren, um die Position zu aktualisieren. Wenn gute Gyroskopinformationen und gutes Timing vorhanden sind, haben Sie gute Ergebnisse. Wenn jedoch die Gyroskopausgabe gut ist, aber das Timing nicht, haben Sie schlechte Ergebnisse. Wenn beide schlecht sind, haben Sie völlig schlechte Ergebnisse. Da Sie integrieren, wird der Fehler akkumuliert und nach einer gewissen Zeit sind Koppelnavigationsergebnisse möglicherweise nicht mehr akzeptabel.

Wenn Sie durch einen Tunnel oder in eine Stadt fahren, wo das GNSS-Signal lange genug schlecht ist, wäre die Koppelnavigation auf der Grundlage der IMU nicht zuverlässig. Unter diesen Bedingungen wäre es Sache des Autoherstellers. Sie könnten einen Fahreralarm auslösen; Wenn der Fahrer nicht auf die Warnung reagiert, könnte eine zweite Warnung generiert werden. Wenn auch das ignoriert würde, könnte das ADAS die Kontrolle übernehmen und die Geschwindigkeit verringern – aber das Auto nicht anhalten, was gefährlich wäre. Eine zusätzliche Aktion könnte darin bestehen, einen Anruf zu generieren, beispielsweise an OnStar, um zu überprüfen, ob der Fahrer sicher ist. Es gibt mehrere Möglichkeiten, die Situation zu bewältigen.

Zuverlässigkeit des ADAS-Systems

Die Zuverlässigkeit des ADAS-Systems selbst ist offensichtlich kritisch. Die Datenintegrität muss unter allen Bedingungen gewährleistet sein. Laut Marinoni beinhalten die TDK/Invensense 6-Achsen-IMUs für ADAS eine eingebettete Diagnose, die für Systeme entwickelt wurde, die Anforderungen bis zu Automotive Safety Integrity (ASIL) Level B erfüllen. Wenn beispielsweise die Kommunikation mit der Zentraleinheit nicht zuverlässig ist, es kann einen Alarm erzeugen, um den Fahrer zu warnen. Der eingebettete Sicherheitschip enthält einen Mechanismus, der die Funktionalität aller Blöcke des Systems kontinuierlich überprüft. Wenn die Komponente eine Fehlfunktion im Beschleunigungssensor, Gyroskop, der digitalen Logik oder im Kommunikationsbus erkennt, sendet sie einen Alarm an das System und weist es darauf hin, dass etwas schief gelaufen ist und die vom Sensor kommenden Informationen nicht mehr zuverlässig sind. Die Selbstdiagnose ist in Automobilsicherheitsanwendungen obligatorisch, insbesondere wenn Sie die Geschwindigkeit, das Bremsen oder die Lenkung steuern. Diese Probleme werden in der ASIL-Spezifikation behandelt. Aber auch wenn es sich nicht um eine Level-2-Anwendung handelt, muss ein System wie die elektronische Stabilitätskontrolle auch 100 % zuverlässig sein.

Wo stehen wir jetzt und wohin gehen wir?

Ich habe Marinoni gefragt, wo er diese Technologie jetzt sieht und was in der Zukunft zu erwarten ist. „In diesem Moment ist Level 2 Realität – es ist bereits auf der Straße“, sagte er. „Aber es läuft gerade in dem Sinne, dass wir davon ausgehen, dass das IMU-Volumen von jetzt bis 2030 von weniger als 10 Millionen Fahrzeugen auf mehr als 40 Millionen steigen wird.“ Für den nächsten Schritt, Level 3, wird die wichtigste Änderung wahrscheinlich die Einführung neuer Technologien wie Lidar sein. „Aus Sicht unserer IMU sind wir dank unserer 6-Achsen-Integration bereits für L3-Anwendungen gerüstet“, sagte er.

Der nächste Innovationspunkt in diesem Bereich könnte die Reduzierung des Stromverbrauchs sein. Einige ADAS-Anwendungen müssen auch bei ausgeschaltetem Motor eingeschaltet sein. Aus diesem Grund zählt der Stromverbrauch jeder Komponente in der Anwendung. In der Vergangenheit, als Anwendungen nur bei eingeschaltetem Motor liefen, war das kein Problem. Aber jetzt ändern die Hersteller ihre Spezifikationen, um den Stromverbrauch mit einzubeziehen.

Und nicht zuletzt, da die Koppelnavigationsintegration durch den kumulierten Fehler im Laufe der Zeit beeinflusst wird, ist der andere wichtige Punkt, insbesondere bei selbstfahrenden Autos, das Rauschen der Komponente weiter zu reduzieren, um die Leistung des Sensors zu verbessern Implementieren Sie eine längere Koppelnavigationsintegration, um den Gesamtfehler unter Kontrolle zu halten.

Als nächstes fragte ich Marinoni, wann er dachte, Level 3 könnte auf die Straße kommen. Seine Vermutung ist, dass wir bis 2025 nicht viel Bewegung auf dem L3-Markt sehen werden.

„Ein weiteres wichtiges Thema, das zwar nicht auf Theorie basiert, sondern eher eine Faustregel ist, ist, dass für L2-Systeme zwei parallele Technologien ausreichen. Für L3-Systeme müssen Sie mindestens drei Technologien kombinieren, um Genauigkeit, Stabilität und Leistung zu gewährleisten, und höchstwahrscheinlich benötigen Sie für L4 vier. Das sollte Ihnen ein Gefühl dafür vermitteln, wie komplex es ist, Leistung und Sicherheit zu garantieren“, sagte er. Das wird höhere Anforderungen an die benötigten Algorithmen und Rechnerressourcen stellen. Hier wird wahrscheinlich 5G ins Spiel kommen, um einen Großteil der Berechnung in die Cloud zu verlagern. Das öffnet natürlich möglichen Hackern Tür und Tor.

Dieser Artikel wurde von Ed Brown, Herausgeber von Sensor Technology, verfasst. Weitere Informationen finden Sie hier .