Sensori per veicoli a guida autonoma

Si è molto discusso e scritto di recente sui veicoli a guida autonoma. Si stanno compiendo importanti sforzi per sviluppare questa tecnologia come un modo per migliorare la sicurezza e realizzare risparmi economici. Non è più un'idea puramente futuristica: aziende come BMW, Mercedes-Benz e Tesla hanno già rilasciato o stanno per rilasciare sistemi veicolari che conferiscono alla vettura alcune capacità di auto-pilotarsi.

Molte grandi aziende stanno investendo massicciamente nella tecnologia dei veicoli a guida autonoma. Sono ormai abbastanza noti i progetti e i test dell'auto a guida autonoma di Google^[1], così come probabilmente molti conoscono i piani di Amazon di usare dei droni a guida autonoma per le consegne^[2]. Ma potreste non sapere che imprese di ristorazione come Domino's Pizza stanno attivamente sviluppando dei veicoli elettrici per poter consegnare le pizze in meno di 30 minuti^[3], oltre a sistemi di consegna basati su droni^[4]. Anche i megastore come Walmart stanno investendo nella tecnologia delle consegne automatizzate e hanno in programma di sfidare Amazon per fornire consegne rapide e affidabili senza l'intervento umano.

Questo articolo prende in esame la tecnologia dei sensori che può essere usata per creare veicoli autonomi e come poter congegnare elementi embedded a segnale misto e in tempo reale per realizzare sistemi di autopilotaggio relativamente sicuri e affidabili. Tutti i componenti e le tecnologie a cui faremo qui riferimento sono reperibili sul sito DigiKey.

Il GPS è un punto di inizio cruciale

Tutti i veicoli a guida autonoma si affidano fortemente ai sensori. La principale tecnologia dei sensori necessaria per qualsiasi sistema guidato è la geolocalizzazione (l'identificazione della posizione geografica). Ovviamente, nella maggior parte degli smartphone la tecnologia di geolocalizzazione e GPS è già integrata. Anche se questi sistemi sono piuttosto affidabili, non lo sono abbastanza per soddisfare le esigenze dei singoli veicoli a guida autonoma o delle flotte di veicoli che condividono le stesse strade e arterie di grande traffico usate dai tradizionali veicoli guidati dalle persone.

Pensate alla vostra esperienza. Quante volte la navigazione satellitare vi ha portato fuori strada o è stato veramente poco efficiente? Le condizioni atmosferiche, le fonti di rumore elettronico e le incoerenze della mappatura possono essere catastrofiche senza l'ausilio di una mente umana.

Un altro fattore è la risoluzione. I moderni GPS possono essere degli strumenti validi se basta una precisione misurata in metri, ma cosa accade se serve invece una risoluzione in centimetri? Un errore nella misura in metri su una doppia riga gialla porterà a una collisione frontale. Analogamente, un errore simile su una strada costiera potrebbe far precipitare un veicolo da una scogliera.

Oltre alla posizione, un'altra tecnologia chiave nelle auto a guida autonoma è quella di prevenzione delle collisioni. Anche se i veicoli autopilotati possono essere programmati per guidare con cautela e non corrono il rischio di distrarsi per la conversazione, la musica o i cellulari, devono comunque condividere la strada con delle persone sulla cui guida sicura e sul cui rispetto del codice della strada non è possibile fare affidamento. Ciò significa che i veicoli a guida autonoma devono preoccuparsi non solo di se stessi ma devono anche disporre di piani e strategie per far fronte agli errori umani.

Soluzioni disponibili

Per la location awareness generale, le soluzioni GPS modulari sono una buona scelta. I moduli GPS a basso consumo, basso costo e di piccole dimensioni possono includere il supporto per protocolli internazionali quali i sistemi di navigazione BeiDou Satellite (Cina), Glonass (Russia), Galileo Satellite Navigation Systems (GNSS) (Unione Europea) e la tecnologia americana Global Positioning System (GPS). Moduli come M10478-A3 di Antenova includono un'antenna a banda larga per fornire un supporto per tutti gli standard di protocollo sopra ricordati, offrendo allo stesso tempo interfacce semplici basate su UART con velocità dei dati fino a 115,2 kbit/sec per un facile interfacciamento con praticamente qualsiasi microcontroller embedded standard.

I progettisti dovrebbero tener conto che in genere, nel caso dei veicoli, le dimensioni e la potenza non sono dei vincoli, ma lo sarà l'estensione degli intervalli di sensibilità e temperatura. Il modulo di Antenova vanta una buona sensibilità di -165 dB con un intervallo della temperatura di funzionamento fra -40 e +80 °C. La velocità di aggiornamento fissa di 10 Hz aiuta ad assicurare che le informazioni aggiornate sulla posizione si rendano disponibili in tempi abbastanza rapidi da tenere sul percorso un veicolo a terra che si sposta a velocità relativamente lenta.

Il modulo schermato a 3,3 V e 38 mA è montato su una scheda installabile SMT a 28 pin di 13,8 x 9,5 x 1,8 mm che può essere direttamente saldata su una scheda madre principale che include il microcontroller embedded. La scheda di valutazione e sviluppo M10478-A3-U1 di Antenova vanta una facile connettività USB per testare e valutare rapidamente questa soluzione con pochi rischi e un basso investimento.

La memoria della mappatura e i dati saranno concessi in licenza o inseriti in una soluzione di mappatura universale come Google Maps, che potrebbe richiedere anch'essa una connettività GSM e Internet. Le soluzioni GSM possono fornire anche funzionalità GPS. Ad esempio, il modem GSM 3G M1003GXT48500 di Maestro Wireless Solutions combina funzionalità GSM con supporto GPS per consentire sia la geolocalizzazione che la navigazione satellitare (Figura 1). Questo permette una soluzione di backup in cui per acquisire una posizione vengono usate sia le stazioni radio base che i satelliti.

Figura 1: I moduli combinati GSM e GPS possono permettere la connettività sia satellitare che cellulare per la location awareness.

Prevenzione delle collisioni

Il rilevamento degli oggetti per evitare collisioni è una parte fondamentale dei requisiti di sicurezza per i veicoli a navigazione autonoma. Anche se sono già disponibili diversi sensori di immagini CCD e videocamere di vari produttori, la capacità di sviluppare rapidamente e con efficienza algoritmi dei sensori significa che gli ingegneri hanno bisogno di piattaforme flessibili tra il sensore video e il processore di controllo.

Una soluzione ideale consiste nell'usare la tecnologia FPGA che supporta direttamente lo streaming video per rilevare i bordi, migliorare le immagini ed eseguire calcoli in hardware veloce per determinare la velocità, la direzione e la prossimità degli oggetti in avvicinamento e poter valutare la minaccia.

Una soluzione ideale viene da Lattice Semiconductor con il suo sistema di sviluppo LFE3-70EA-HDR60-DKN per videocamere a 1080p, 60 fps. Questa piattaforma include un progetto di riferimento e un IP da usare con la scheda di interfaccia delle immagini LCMXO2-4000HE-DSIB-EVN e la headboard con sensore di immagine LF-9MT024NV-EVN Nanovesta.

Questa tecnologia consente di unire due sensori di immagini in un flusso di dati video (Figura 2) permettendo di percepire la profondità e un rilevamento più accurato della velocità e della posizione, oltre a bilanciamento automatico del bianco, riduzione del rumore 2D e quella che viene vantata come l'esposizione automatica più veloce del settore con supporto di una risoluzione fino a 16 megapixel.

Figura 2: Il supporto di due videocamere indipendenti e di due flussi video permette una percezione della profondità che rappresenta un elemento importante per i veicoli a guida autonoma.

Componenti radar

Le unità radar miniaturizzate sono già ampiamente diffuse nel settore automotive. Si avvalgono della tecnologia RF per determinare la prossimità, la portata, la velocità e le dimensioni relative degli oggetti.

Grazie all'impulso dato dal settore automotive per l'ingresso di questa tecnologia nei suoi sistemi di parcheggio automatizzato e anticollisione, esistono già chip radar, componenti, sistemi di sviluppo e sottoassiemi pronti per l'inserimento nei progetti di veicoli a guida autonoma.

Si tenga presente che sono già stati progettati sistemi radar multicanale e che vengono usati principalmente perché i veicoli hanno più lati da controllare. Si possono usare anche sistemi radar a canale singolo come quelli di rilevamento dell'apertura di cancelli, ma sarà necessario replicarli per ogni lato, ogni asse e potenziale di minaccia per un veicolo autonomo. Ad esempio, i radar frontali e laterali sono utili per evitare i pedoni, ma nel caso di un veicolo automatizzato potrebbe essere richiesto anche il rilevamento della profondità per stabilire se a lato della strada c'è un fosso e quindi quello non è un buon posto per fermarsi in caso di foratura.

I componenti da usare in quest'area possono includere parti come AFE5401TRGCTQ1 di Texas Instruments. Si tratta di un front-end radar analogico monolitico a 4 canali con integrati amplificatore a basso rumore, equalizzatore, amplificatore a guadagno programmabile, anti-aliasing e A/D con risoluzione a 12 bit (Figura 3). Di particolare interesse, questo componente a 1,8 V consenta il campionamento simultaneo attraverso tutti i canali e come la sua velocità di 25 Msample/sec con un bus parallelo compatibile CMOS a 12 bit permetta il trasferimento rapido dei dati acquisiti a un controller host locale.

Figura 3: Dispositivi radar monolitici multicanale come questo ricevitore radar a 4 canali sono delle soluzioni ideali per i veicoli a guida autonoma.

Una soluzione simile viene offerta da Analog Devices con AD8285WBCPZ, un ADC a 12 bit front-end a 4 canali. Questo componente è supportato da AD8285CP-EBZ RX, la scheda di Analog Devices per la valutazione di circuiti integrati Radar Receive Path, che usa una SPI integrale connessa FIFO per l'acquisizione elastica dei dati.

Per riassumere, le consegne automatizzate tramite veicoli autopilotati possono essere inizialmente costose da implementare e potrebbero scontrarsi con ostacoli di ordine normativo e di responsabilità. Tuttavia, i progettisti dispongono già - o disporranno a breve - delle soluzioni tecniche necessarie, specie sotto forma di moduli e sistemi a base di sensori. Gli odierni sistemi avanzati di assistenza alla guida (ADAS, Advanced Driver Assistance System), come ad esempio controllo di crociera adattivo e frenatura automatica di emergenza, che si servono di GPS, radar e rilevamento video, hanno dimostrato che la circolazione di veicoli autonomi su strada non è più un'ipotesi ma solo una questione di tempo.

Riferimenti:

1. Google Self-Driving Car Project
2. Amazon Prime Air
3. Domino's Pizza Delivery Car
4. Domino's DomiCopter