Índice analítico[Ocultar][Mostrar]
Os sensores e o software combínanse en vehículos autónomos para navegar, dirixir e operar unha variedade de vehículos, incluíndo motocicletas, automóbiles, camións e drons.
Dependendo de como foron desenvolvidos ou deseñados, poden requirir ou non asistencia do condutor.
Os coches totalmente autónomos poden operar con seguridade sen condutores humanos. Algúns, como Waymo de Google automóbil, nin sequera podía ter un volante.
Un vehículo parcialmente autónomo, como un Tesla, pode asumir o control total do vehículo pero pode necesitar un condutor humano para axudar se o sistema ten dúbidas.
Nestes coches inclúense diferentes graos de autoautomatización, desde a guía de carril e a axuda de freada ata prototipos de condución autónoma totalmente independentes.
O obxectivo dos automóbiles sen condutor é reducir o tráfico, as emisións e as taxas de accidentes.
Isto é posible porque os vehículos autónomos son máis hábiles para cumprir as normas de tráfico que as persoas.
Para unha condución fluida, é necesaria certa información, como a localización do coche ou de calquera obxecto próximo, o camiño máis curto e seguro ata o destino e a capacidade para operar o sistema de condución.
É fundamental comprender cando e como realizar as tarefas necesarias.
Este artigo abarcará moitos temas, incluído o arquitectura do sistema para coches autónomos, compoñentes necesarios e redes de vehículos ad hoc (VANET).
Compoñentes necesarios para o vehículo autónomo
Os vehículos autónomos actuais empregan unha variedade de sensores, incluíndo cámaras, GPS, unidades de medición inercial (IMU), sonar, detección e alcance de iluminación láser (lidar), detección de radio e distancia (radar), navegación sonora e distancia (sonar) e Mapas 3D.
Xuntos, estes sensores e tecnoloxías analizan datos en tempo real para controlar a dirección, a aceleración e a freada.
Os sensores de radar axudan a facer un seguimento do paradoiro dos coches circundantes. Os vehículos son axudados con sensores ultrasónicos durante o estacionamento.
Usando ambos tipos de sensores creouse unha tecnoloxía coñecida como lidar. Ao reflectir os pulsos de luz do ambiente ao redor do automóbil, os sensores lidar poden detectar as marxes das estradas e identificar os marcadores de carril.
Estes tamén advirten aos condutores de impedimentos adxacentes, como outros vehículos, peóns e bicicletas.
O tamaño e a distancia de todo o que rodea o coche mídense mediante a tecnoloxía lidar, que tamén crea un mapa 3D que permite que o vehículo vexa a súa contorna e identifique calquera risco.
Independentemente da hora do día, se é brillante ou sombrío, fai un excelente traballo ao gravar información en diferentes tipos de luz ambiental.
O automóbil utiliza cámaras, radar e antenas GPS, xunto con lidar e cámaras, para detectar o seu entorno e identificar a súa localización.
As cámaras buscan peóns, ciclistas, automóbiles e outros impedimentos ao tempo que detectan sinais de tráfico, len sinais e marcas viarias e fan un seguimento doutros vehículos.
Non obstante, poderían pasar un momento difícil en zonas escuras ou con sombra. Un vehículo autónomo pode ver onde vai usando unha mestura de lidar, radar, cámaras, antenas GPS e sensores de ultrasóns para trazar dixitalmente a estrada que hai diante.
Arquitectura de sistema de alto nivel
Os sensores, actuadores, hardware e software esenciais están enumerados na arquitectura, que tamén demostra todo o mecanismo ou protocolo de comunicación en AV.
Percepción
Esta etapa comprende identificar a localización do AV en relación co medio ambiente e detectar o entorno ao redor do AV mediante unha variedade de sensores.
O AV usa RADAR, LIDAR, cámara, cinética en tempo real (RTK) e outros sensores neste paso. Os módulos de recoñecemento reciben os datos destes sensores e os procesan despois de transmitilos.
En xeral, o AV consta dun sistema de control, LDWS, TSR, recoñecemento de obstáculos descoñecidos (UOR), un módulo de posicionamento e localización de vehículos (VPL), etc.
A información combinada dáse á fase de toma de decisións e planificación despois de ser procesada.
Decisión e planificación
Os movementos e comportamento do AV decídense, planifícanse e contrólanse neste paso utilizando a información recibida durante o proceso de percepción.
Esta etapa, que representaría o cerebro, é onde se elixen sobre cousas como a planificación do camiño, a predición de accións, a evitación de obstáculos, etc.
A elección baséase na información que é accesible agora e historicamente, incluíndo datos de mapas en tempo real, detalles de tráfico, tendencias, información do usuario, etc.
Podería haber un módulo de rexistro de datos que faga un seguimento dos erros e datos para o seu uso posterior.
Control
O módulo de control executa operacións/accións relacionadas co control físico do AV, como dirección, freada, aceleración, etc. despois de recibir información do módulo de decisión e planificación.
Chasis
O último paso consiste en interactuar coas partes mecánicas pegadas ao chasis, como o motor de engrenaxes, o motor do volante, o motor do pedal do freo e os motores do pedal do acelerador e do freo.
O módulo de control sinala e xestiona todos estes compoñentes.
Agora falaremos da comunicación xeral dun AV antes de falar do deseño, funcionamento e uso de varios sensores clave.
RADAR
Nos AV, os RADAR utilízanse para escanear o ambiente para atopar e localizar automóbiles e outros obxectos.
Os RADAR adoitan empregarse tanto en fins militares como civís, como aeroportos ou sistemas meteorolóxicos, e operan no espectro de ondas milimétricas (mm-Wave).
Diferentes bandas de frecuencia, incluíndo 24, 60, 77 e 79 GHz, utilízanse nos automóbiles contemporáneos e teñen un rango de medición de 5 a 200 m [10].
Calculando o ToF entre o sinal transmitido e o eco devolto, determínase a distancia entre o AV e o obxecto.
Nos AV, os RADAR empregan unha serie de micro-antenas que crean unha colección de lóbulos para mellorar a resolución de alcance e a identificación de múltiples obxectivos. O RADAR de ondas mm pode avaliar con precisión obxectos de alcance próximo en calquera dirección utilizando a variación do desprazamento Doppler debido á súa maior penetrabilidade e maior ancho de banda.
Dado que os radares de onda mm teñen unha lonxitude de onda máis longa, posúen capacidades antibloqueo e anticontaminación que lles permiten funcionar con choiva, neve, néboa e pouca luz.
Ademais, o desprazamento Doppler pódese usar para calcular a velocidade relativa mediante radares de onda mm. Debido á súa capacidade, os radares de ondas mm son moi axeitados para unha ampla gama de aplicacións AV, incluíndo a detección de obstáculos e o recoñecemento de peóns e vehículos.
Sensores ultrasónicos
Estes sensores funcionan no rango de 20-40 kHz e empregan ondas ultrasónicas. Unha membrana magnetorresistente que se usa para medir a distancia do obxecto produce estas ondas.
Calculando o tempo de voo (ToF) da onda emitida ao sinal eco, determínase a distancia. O rango típico dos sensores ultrasónicos é inferior a 3 metros.
A saída do sensor actualízase cada 20 ms, o que impide que se axuste aos rigorosos requisitos de QoS do ITS. Estes sensores teñen un rango de detección de feixe relativamente pequeno e están dirixidos.
Polo tanto, para obter unha visión de campo completo, son necesarios numerosos sensores. Non obstante, moitos sensores interactuarán e poden producir importantes imprecisións de alcance.
LiDAR
Os espectros de 905 e 1550 nm utilízanse en LiDAR. Dado que o ollo humano é susceptible de sufrir danos na retina desde o rango de 905 nm, o LiDAR actual funciona na banda de 1550 nm para reducir o dano na retina.
Ata 200 metros é o rango de traballo máximo de LiDAR. LiDAR de estado sólido, 2D e 3D son as diferentes subcategorías de LiDAR.
Un único raio láser está disperso sobre un espello que xira rapidamente nun LiDAR 2D. Ao colocar varios láseres na vaina, un LiDAR 3D pode adquirir unha imaxe 3D da contorna.
Demostrouse que un sistema LiDAR na estrada reduce o número de colisións entre vehículos (V2P) tanto nas zonas interseccionais como nas non interseccionais.
Emprega un sistema LiDAR de 16 liñas, en tempo real e computacionalmente efectivo.
Suxírese usar un codificador automático profundo artificial rede neural (DA-ANN), que alcanza unha precisión do 95% nun rango de 30 m.
En, demóstrase como un algoritmo baseado en máquinas vector de soporte (SVM) combinado cun LiDAR 64D de 3 liñas pode mellorar o recoñecemento dos peóns.
A pesar de ter unha mellor precisión de medición e visión en 3D que un radar de ondas mm, o LiDAR funciona menos en condicións meteorolóxicas adversas, como néboa, neve e choiva.
Cámaras
Dependendo da lonxitude de onda do dispositivo, a cámara dos AV pode estar baseada en infravermellos ou en luz visible.
Na cámara (CMOS) utilízanse un dispositivo de carga acoplada (CCD) e sensores de imaxe de semicondutor de óxido metálico complementario (CMOS).
Dependendo da calidade da lente, o alcance máximo da cámara é duns 250 m. As tres bandas utilizadas polas cámaras visibles (vermello, verde e azul) están separadas pola mesma lonxitude de onda que o ollo humano, ou 400–780 nm (RGB).
Dúas cámaras VIS únense con distancias focales establecidas para crear unha nova canle que contén información de profundidade (D), permitindo a creación de visión estereoscópica.
Grazas a esta capacidade a través da cámara (RGB-D), pódese obter unha vista en 3D da zona que rodea o vehículo.
A cámara infravermella (IR) utiliza sensores pasivos cunha lonxitude de onda de entre 780 nm e 1 mm. Na iluminación máxima, os sensores IR dos AV ofrecen control visual.
Esta cámara axuda aos AV co recoñecemento de obxectos, control de vista lateral, gravación de accidentes e BSD. Non obstante, en condicións meteorolóxicas adversas, como neve, néboa e condicións de luz cambiantes, o rendemento da cámara altera.
Os principais beneficios dunha cámara son a súa capacidade para recoller e rexistrar con precisión a textura, a distribución da cor e a forma do ambiente.
Sistema Global de Navegación por Satélite e Sistema de Posicionamento Global, Unidade de Medición Inercial
Esta tecnoloxía axuda ao AV a navegar sinalando a súa localización precisa. Un grupo de satélites en órbita arredor da superficie do planeta son utilizados polo GNSS para localizar.
O sistema almacena datos sobre a localización, a velocidade e o tempo preciso do AV.
Funciona determinando o ToF entre o sinal recibido e a emisión do satélite. As coordenadas do Sistema de Posicionamento Global (GPS) úsanse a miúdo para obter a localización AV.
As coordenadas extraídas polo GPS non sempre son precisas e normalmente engaden un erro de posición cun valor medio de 3 m e unha variación estándar de 1 m.
En situacións metropolitanas, o rendemento vese aínda máis deteriorado, cun erro na localización de ata 20 m, e en determinadas circunstancias graves, o erro de posición do GPS é de aproximadamente 100 m.
Ademais, os AV poden empregar o sistema RTK para determinar con precisión a posición do vehículo.
Nos AV, a posición e dirección do vehículo tamén se poden determinar mediante a estimación sen valor (DR) e a posición inercial.
Sensor Fusion
Para unha correcta xestión e seguridade do vehículo, os AV deben obter un coñecemento preciso e en tempo real da localización, o estado e outros factores do vehículo como o peso, a estabilidade, a velocidade, etc.
Esta información debe ser recollida polos AV utilizando unha variedade de sensores.
Ao fusionar os datos adquiridos de varios sensores, utilízase a técnica de fusión de sensores para producir información coherente.
O método permite a síntese de datos non procesados adquiridos de fontes complementarias.
Como resultado, a fusión de sensores permite que o AV comprenda con precisión o seu entorno fusionando todos os datos útiles recollidos de varios sensores.
Para levar a cabo o proceso de fusión nos AV úsanse diferentes tipos de algoritmos, incluíndo filtros de Kalman e filtros bayesianos.
Debido a que se usa en varias aplicacións, incluíndo o seguimento por RADAR, os sistemas de navegación por satélite e a odometría óptica, o filtro de Kalman é considerado crucial para que un vehículo funcione de forma autónoma.
Redes ad-hoc de vehículos (VANET)
Os VANET son unha nova subclase de redes móbiles ad hoc que poden crear espontaneamente unha rede de dispositivos/vehículos móbiles. A comunicación de vehículo a vehículo (V2V) e de vehículo a infraestrutura (V2I) é posible cos VANET.
O obxectivo principal desta tecnoloxía é aumentar a seguridade viaria; por exemplo, en situacións perigosas como accidentes e atascos, os coches poden interactuar entre si e coa rede para transmitir información crucial.
Os seguintes son os compoñentes principais da tecnoloxía VANET:
- OBU (unidade a bordo): é un sistema de seguimento baseado en GPS colocado en cada vehículo que lles permite interactuar entre si e coas unidades de estrada (RSU). O OBU está equipado con varios compoñentes electrónicos, incluíndo un procesador de comandos de recursos (RCP), dispositivos sensores e interfaces de usuario, para obter información esencial. O seu propósito principal é utilizar unha rede sen fíos para comunicarse entre varias RSU e OBU.
- Unidade de estrada (RSU): as RSU son unidades informáticas fixas que se sitúan en puntos precisos de rúas, aparcamentos e cruces. O seu principal obxectivo é vincular os vehículos autónomos á infraestrutura, e tamén axuda na localización de vehículos. Ademais, pódese utilizar para vincular un vehículo a outras RSU utilizando varias topoloxías de rede. Ademais, funcionáronse con fontes de enerxía ambiental, incluída a enerxía solar.
- Autoridade de confianza (TA): é un organismo que controla cada paso do proceso de VANETs, garantindo que só as RSU lexítimas e as OBU de vehículos poidan rexistrarse e interactuar. Ao confirmar o ID OBU e autenticar o vehículo, ofrece seguridade. Ademais, atopa comunicacións prexudiciais e comportamentos estraños.
Os VANET utilízanse para a comunicación de vehículos, que inclúe a comunicación V2V, V2I e V2X.
Vehículo 2 Comunicación do vehículo
A capacidade dos automóbiles para falar entre eles e intercambiar información crucial sobre conxestión de tráfico, accidentes e restricións de velocidade coñécese como comunicación entre vehículos (IVC).
A comunicación V2V pode crear a rede unindo varios nodos (Vehículos) xuntos usando unha topoloxía de malla, parcial ou completa.
Clasifícanse como sistemas de salto único (SIVC) ou multisalto (MIVC) dependendo de cantos saltos se utilicen para a comunicación entre vehículos.
Aínda que o MIVC pódese utilizar para comunicacións de longo alcance, como a vixilancia do tráfico, o SIVC pódese usar para aplicacións de curto alcance como a fusión de carriles, ACC, etc.
A través da comunicación V2V ofrécense numerosos beneficios, incluíndo BSD, FCWS, freada de emerxencia automatizada (AEB) e LDWS.
Vehículo 2 Comunicación de infraestruturas
Os automóbiles poden comunicarse coas RSU a través dun proceso coñecido como comunicación de estrada a vehículo (RVC). Axuda na detección de parquímetros, cámaras, marcadores de carril e sinais de tráfico.
Conexión ad hoc, sen fíos e bidireccional entre os coches e a infraestrutura.
Para a administración e supervisión do tráfico empréganse os datos da infraestrutura. Utilízanse para axustar varios parámetros de velocidade que permiten aos coches maximizar a economía de combustible e xestionar o fluxo de tráfico.
O sistema RVC pódese separar en RVC disperso (SRVC) e RVC ubicuo dependendo da infraestrutura (URVC).
O sistema SRVC só ofrece servizos de comunicación en puntos de acceso, como para localizar prazas de aparcamento abertos ou gasolineiras, mentres que o sistema URVC ofrece cobertura en todo o percorrido, incluso a altas velocidades.
Para garantir a cobertura da rede, o sistema URVC precisa dun importante investimento.
Vehículo 2 Todo Comunicación
O coche pode conectarse con outras entidades a través de V2X, incluídos peóns, obxectos á beira da estrada, dispositivos e a rede (V2P, V2R e V2D) (V2G).
Usando este tipo de comunicación, os condutores poden evitar golpear aos peóns, ciclistas e motociclistas en risco.
O sistema de aviso de colisión de peóns (PCW) pode avisar ao condutor dun pasaxeiro na estrada antes de que se produza unha colisión catastrófica grazas á comunicación V2X.
Para enviar mensaxes importantes ao peón, o PCW pode aproveitar o Bluetooth ou a comunicación de campo próximo (NFC) do teléfono intelixente.
Conclusión
As moitas tecnoloxías utilizadas para construír coches autónomos poden ter un gran impacto no seu funcionamento.
Na súa forma máis básica, o coche desenvolve un mapa da súa contorna mediante unha serie de sensores que proporcionan información sobre o percorrido que o rodea e outros vehículos ao seu paso.
Estes datos son entón analizados por un complicado sistema de aprendizaxe automática, que xera un conxunto de accións para que o coche execute. Estes comportamentos altéranse e actualízanse regularmente a medida que o sistema aprende máis sobre a contorna do vehículo.
A pesar dos meus mellores esforzos por presentarche unha visión xeral da arquitectura do sistema de vehículos autónomos, hai moito máis entre bastidores.
Espero sinceramente que este coñecemento sexa valioso e que o faga uso.
Deixe unha resposta