Sensoren für selbstfahrende Fahrzeuge

In letzter Zeit wird viel über selbstfahrende Fahrzeuge gesprochen und geschrieben. Es werden große Anstrengungen unternommen, diese Technologie als Möglichkeit zur Erhöhung der Sicherheit und zur Kostenersparnis weiterzuentwickeln. Es ist nicht mehr eine rein futuristische Idee. Firmen wie BMW, Mercedes Benz und Tesla haben bereits Fahrzeugsysteme mit gewissen Selbstfahrmöglichkeiten herausgebracht oder werden solche in Kürze herausbringen.

Einige Unternehmen, die über größere finanzielle Reserven verfügen, investieren kräftig in die Technologie der selbststeuernden Fahrzeuge. Viele von uns haben von den Projekten und Tests von Google mit selbstfahrenden Autos gehört ^[1]. Auch Pläne von Amazon zu selbststeuernden Lieferdrohnen sind Ihnen wahrscheinlich bekannt ^[2]. Aber vielleicht wissen Sie noch nicht, dass Lebensmittelbetriebe wie Domino's Pizza aktiv Elektrofahrzeuge entwickeln, mit den Pizza in weniger als 30 Minuten ausgeliefert werden kann ^[3], sowie Systeme auf Basis von Drohnen zur Auslieferung von Pizza^[4]. Große Kaufhäuser wie Walmart investieren ebenfalls in Technologien zur automatisierten Auslieferung und planen zusammen mit Amazon, eine schelle und zuverlässige Auslieferung ohne menschliche Mitwirkung anzubieten.

Dieser Beitrag behandelt die Sensortechnologie, die beim Bau von autonomen Fahrzeugen eingesetzt werden kann, und wie eingebettete Echtzeit- und Mixed-Signal-Elemente in relativ sichere und zuverlässige selbststeuernde Systeme eingebracht werden können. Sämtliche Bauteile, Entwicklungstools und Daten, auf die dieser Artikel verweist, sind auf der DigiKey-Website verfügbar.

Es beginnt mit GPS

Alle selbstfahrenden Fahrzeuge sind stark von Sensoren abhängig. Die wichtigste Sensortechnologie für jedes Steuersystem ist die Ermittlung des Standorts. Natürlich sind GPS und Geolokalisierung bereits in den meisten Smartphones verbaut. Diese Systeme sind zwar recht zuverlässig, aber nicht zuverlässig genug für die Anforderungen einzelner oder ganzer Flotten von selbstfahrenden Fahrzeugen, die auf denselben Autobahnen und Verkehrswegen unterwegs sind, die von herkömmlichen von Menschen gesteuerten Fahrzeugen genutzt werden.

Denken Sie an Ihre eigenen Erfahrungen. Wie oft war GPS ineffizient und wie häufig lag es falsch? Wetterbedingungen, elektronische Störquellen und Ungenauigkeiten bei der Zuordnung können ohne das menschliche Gehirn als Rückhalt katastrophale Auswirkungen haben.

Eine weiterer Faktor ist die Auflösung. Moderne GPS-Geräte sind sicher gut geeignet, wenn es um eine Genauigkeit im Meterbereich geht. Aber was ist, wenn zentimetergenaue Werte benötigt werden? Ein Fehler im Meterbereich an einer Stopplinie führt zu einem Frontalzusammenstoß. Genauso könnte ein Fehler im Meterbereich auf einer Küstenstraße dazu führen, dass das Fahrzeug von einer Klippe stürzt.

Neben der Standortbestimmung ist die Kollisionsvermeidung eine Schlüsseltechnologie für autonome Fahrzeuge. Selbstgesteuerte Fahrzeuge können zwar so programmiert werden, dass sie vorsichtig fahren, und sie lassen sich nicht durch Unterhaltung, Musik oder Mobiltelefone ablenken, aber sie teilen sich die Straße mit Menschen, bei denen kein Verlass darauf ist, dass sie vorsichtig fahren oder die Verkehrsregeln beachten. Dies bedeutet, dass sich selbststeuernde Fahrzeuge nicht nur um sich selbst kümmern müssen, sondern auch Pläne und Strategien für den Umgang mit menschlichem Versagen bereithalten müssen.

Verfügbare Lösungen

Für die allgemeine Standortermittlung sind modulare GPS-Lösungen eine gute Wahl. Kleine, kostengünstige GPS-Module mit niedrigem Energieverbrauch können Unterstützung für internationale Protokolle umfassen, z. B. für das chinesische Satellitennavigationssystem BeiDou, das russische Glonass, das Satellitennavigationssystem Galileo (GNSS) der EU und die amerikanische GPS-Technologie (Global Positioning System). Module wie das M10478-A3 von Antenova sind mit einer Breitbandantenne ausgestattet, die alle oben genannten Protokollstandards unterstützt und dabei einfache Schnittstellen auf UART-Basis mit Datenübertragungsraten von bis zu 115,2 Kbit/s bereitstellt, die Verbindungen mit nahezu jedem herkömmlichen Embedded-Mikrocontroller herstellen können.

Konstrukteure sollten beachten, dass bei Fahrzeugen normalerweise die wichtigen Rahmenbedingungen nicht Größe und Leistung, sondern die Empfindlichkeit und ein großer Temperaturbereich sind. Das Modul von Antenova bietet eine hohe Empfindlichkeit von -165 dB mit einem Betriebstemperaturbereich von -40 °C bis +80 °C. Die feste Aktualisierungsfrequenz von 10 Hz stellt sicher, dass aktuelle Positionsinformationen rechtzeitig zur Verfügung stehen, sodass ein sich relativ langsam am Boden fortbewegendes Fahrzeug in der Spur gehalten werden kann.

Das geschirmte Modul mit 3,3 Volt/38 mA ist auf einer 13,8 mm x 9,5 mm x 1,8 mm großen Platine mit 28 Pins für die Oberflächenmontage verbaut, die direkt per Reflow auf eine Hauptplatine mit eingebettetem Mikrokontroller gelötet werden kann. Die Entwicklungs- und Evaluierungskarte M10478-A3-U1 von Antenova ermöglicht das bequeme, risikolose und kostengünstige Testen und Evaluieren dieser Lösung per USB-Verbindung.

Speicher und Daten werden per Patch oder Lizenz auf eine universelle Kartierungslösung wie Google Maps abgebildet, die möglicherweise ebenfalls GSM und eine Internetverbindung benötigt. GSM-Lösungen können ebenfalls GPS-Funktionen bereitstellen. Das 3G-GSM-Modem M1003GXT48500 von Maestro Wireless Solutions verbindet beispielsweise GSM-Funktionalität mit GPS-Unterstützung und erlaubt damit sowohl Geolokalisierung als auch GPS (Abbildung 1). Dies ermöglicht ein Ausweichen auf Mobilfunkantennen oder Satelliten für Korrekturen.

Abbildung 1: Kombinierte GSM- und GPS-Module können zur Standortbestimmung sowohl mit Satelliten- als auch mit Mobilfunkverbindungen arbeiten.

Kollisionsvermeidung

Die Erkennung von Objekten zur Vermeidung von Kollisionen ist ein wesentlicher Teil der Sicherheitsanforderungen für selbststeuernde Fahrzeuge. Es ist zwar bereits eine Vielzahl von CCD-Bildsensoren und Kameras von verschiedenen Herstellern verfügbar, aber wenn Ingenieure die Möglichkeit haben sollen, schnell und effektiv Sensoralgorithmen zu entwickeln, benötigen sie flexible Plattformen als Bindeglied zwischen dem Videosensor und dem Steuerprozessor.

Eine ideale Lösung ist die FPGA-Technologie, die Video-Streaming direkt unterstützt, sodass Kanten erkannt, Bilder verbessert und mithilfe schneller Hardware Berechnungen zur Bestimmung von Geschwindigkeit, Richtung und Entfernung von sich nähernden Objekten und Risikobewertungen durchgeführt werden können.

Eine ideale Lösung kommt von Lattice Semiconductor mit seinem Entwicklungssystem LFE3-70EA-HDR60-DKN für 1080p-60-fps-Videokameras. Diese Plattform umfasst ein Referenzdesign und die Lizenz zur Verwendung mit der Bild-Interface-Platine LCMXO2-4000HE-DSIB-EVN und dem Nanovesta-Kamera-Headboard LF-9MT024NV-EVN desselben Unternehmens.

Diese Technologie erlaubt das Zusammenführen von zwei Bildsensoren zu einem Videodatenstrom (Abbildung 2), sodass die Tiefe erkannt und Geschwindigkeiten und Positionen genauer ermittelt werden können. Dazu kommt ein automatischer Weißabgleich, zweidimensionale Rauschunterdrückung und die angeblich schnellste automatische Belichtung auf dem Markt mit Unterstützung von Auflösungen bis zu 16 Megapixel.

Abbildung 2: Die Unterstützung von zwei unabhängigen Kameras und Videostreams ermöglicht eine Tiefenwahrnehmung. Dies ist eine wesentliche Voraussetzung für selbstfahrende Fahrzeuge.

Radarkomponenten

Miniatur-Radareinheiten sind in der Automobilindustrie bereits weit verbreitet. Bei diesen werden Entfernung, Bereich, Geschwindigkeit und Objektgrößen mithilfe von HF-Technik bestimmt.

Da die Automobilindustrie diese Technologie in ihren Kollisionsvermeidungssystemen und automatischen Einparksystemen gefördert hat, stehen bereits Chips, Komponenten, Entwicklungssysteme und Unterbaugruppen mit Radartechnologie zur Verwendung bei der Konstruktion von selbstfahrenden Fahrzeugen bereit.

Beachten Sie, dass Mehrkanal-Radarsysteme bereits existieren und in Gebrauch sind – in erster Linie, weil Fahrzeuge mehrere Seiten haben, die überwacht werden müssen. Einkanal-Radarsysteme zur Steuerung von sich automatisch öffnenden Türen können ebenfalls verwendet werden, müssen jedoch für jede Seite, Achse und für jedes Gefahrenpotenzial des autonomen Fahrzeugs vorhanden sein. Front- und Seitenradar eigenen sich z. B. gut zur Erkennung von Fußgängern, aber für das Erkennen eines Straßengrabens oder zur Ermittlung eines geeigneten Parkplatzes bei einer Reifenpanne ist zusätzlich eine Tiefenwahrnehmung erforderlich.

Zu den für diesen Bereich geeigneten Komponenten gehört der AFE5401TRGCTQ1 von Texas Instruments. Bei ihm handelt es sich um ein monolithisches analoges 4-Kanal-Radar-Frontend mit integriertem rauscharmen Verstärker, Equalizer, programmierbarer Verstärkung (PGA), Antialiasing und A/D-Wandlern mit einer Auflösung von 12 Bit (Abbildung 3). Besonders interessant ist, dass mit diesem 1,8-Volt-Baustein ein gleichzeitiges Abtasten über alle Kanäle mit 25 MS/s mit schneller Datenübertragung zum lokalen Host-Controller über einen CMOS-kompatiblen 12-Bit-Bus möglich ist.

Abbildung 3: Monolithische Mehrkanal-Radarbausteine wie dieser 4-Kanal-Radarempfänger sind ideale Lösungen für selbstfahrende Fahrzeuge.

Analog Devices bietet mit seinem 4-Kanal-12-Bit-ADC-Frontend AD8285WBCPZ eine ähnliche Lösung an. Dieser Baustein wird von der Radarempfangs-Evaluierungskarte AD8285CP-EBZ desselben Unternehmens unterstützt, auf der ein integrierter FIFO mit SPI-Anschluss für eine elastische Datenerfassung sorgt.

Zusammenfassend kann gesagt werden, dass die Realisierung einer automatischen Auslieferung mit selbststeuernden Fahrzeugen anfänglich mit einem hohen Kostenaufwand verbunden ist und potenzielle Hürden in Form von Bestimmungen und Haftungsproblemen bestehen. Die erforderlichen technischen Lösungen – insbesondere in Form von Modulen und Systemen auf Sensorbasis – sind für die Ingenieure bereits jetzt oder in naher Zukunft verfügbar. Die mit GPS, Radar und Videosensorik arbeitenden heutigen hochentwickelten Fahrerassistenzsysteme (Driver Assistance Systems, ADAS), z. B. die adaptive Geschwindigkeitsregelung (Adaptive Cruise Control) und die automatische Notbremsung, haben unter Beweis gestellt, dass es nicht darum geht, ob, sondern wann autonome Fahrzeuge auf der Straße Einzug halten.

Referenzen:

1. Das fahrerlose Auto von Google
2. Amazon Prime Air
3. Das Pizza-Lieferauto von Domino's
4. Der DomiCopter von Domino's