Les capteurs sont des éléments clés des voitures sans conducteur. La possibilité de surveiller la distance par rapport aux véhicules devant, derrière ou sur le côté fournit des données vitales au contrôleur central. Les caméras optiques et infrarouges, les lasers, les ultrasons et les radars peuvent tous être utilisés pour fournir des données sur l'environnement, les routes et autres véhicules. Par exemple, des caméras peuvent être utilisées pour détecter des marquages sur la route afin de maintenir les véhicules dans la bonne voie. Ceci est déjà utilisé pour fournir une alerte de sortie de voie dans les systèmes d’aide à la conduite (ADAS). Les systèmes ADAS actuels utilisent également un radar pour les avertissements de détection de collision et un régulateur de vitesse adaptatif, grâce auquel le véhicule peut suivre celui qui le précède.
Sans intervention du conducteur, les voitures autonomes nécessitent davantage de systèmes de capteurs, utilisant souvent plusieurs entrées provenant de différents capteurs pour fournir un niveau d'assurance plus élevé. Ces systèmes de capteurs s'adaptent à partir d'implémentations ADAS éprouvées, bien que l'architecture du système évolue pour gérer une gamme plus large de capteurs et des débits de données plus élevés.
Avec l'adoption croissante des systèmes ADAS pour le régulateur de vitesse adaptatif et la détection de collision, le coût des capteurs radar 24 GHz diminue. Ces exigences deviennent désormais des exigences pour les constructeurs automobiles afin d'obtenir la note de sécurité NCAP européenne de cinq étoiles.
Par exemple, le capteur radar BGT24M 24 GHz d'Infineon Technologies peut être utilisé avec un microcontrôleur externe dans une unité de commande électronique (ECU) pour modifier l'accélérateur afin de maintenir une distance constante par rapport au véhicule qui précède, avec une portée allant jusqu'à 20 m, comme le montre la figure 1.
Figure 1 : Système de détection radar automobile d'Infineon Technologies.
De nombreux systèmes de radar automobile utilisent la méthode Doppler à impulsions, dans laquelle l'émetteur fonctionne pendant une courte période de temps, appelée intervalle de répétition d'impulsions (PRI), puis le système passe en mode réception jusqu'à la prochaine impulsion transmise. Au retour du radar, les réflexions sont traitées de manière cohérente pour extraire la portée et le mouvement relatif des objets détectés.
Une autre méthode consiste à utiliser la modulation de fréquence d'onde continue (CWFM). Celui-ci utilise une fréquence porteuse continue qui change dans le temps et le récepteur est constamment allumé. Pour éviter que le signal d'émission ne s'infiltre dans le récepteur, des antennes d'émission et de réception distinctes doivent être utilisées.
Le BGT24MTR12 est un capteur au silicium germanium (SiGe) pour la génération et la réception de signaux, fonctionnant de 24,0 à 24,25 GHz. Il utilise un oscillateur contrôlé en tension fondamentale de 24 GHz et comprend un préscaler de fréquence commutable avec des fréquences de sortie de 1,5 GHz et 23 kHz.
Un filtre polyphasé RC (PPF) est utilisé pour la génération de phase en quadrature LO du mélangeur down-convertisseur, tandis qu'un capteur de puissance de sortie et un capteur de température sont intégrés dans le dispositif pour la surveillance.
Figure 2 : Capteur radar BGT24MTR12 d'Infineon Technologies.
L'appareil est contrôlé via SPI, fabriqué à l'aide de la technologie SiGe:C de 0,18 µm, a une fréquence de coupure de 200 GHz et est livré dans un boîtier VQFN sans fil à 32 broches.
Cependant, l’architecture des véhicules autonomes évolue. Plutôt que d'être locales à l'ECU, les données provenant de divers systèmes radar autour du véhicule sont transmises à un contrôleur central hautes performances qui combine les signaux avec les signaux des caméras et éventuellement des capteurs laser lidar.
Le contrôleur peut être un processeur polyvalent hautes performances avec une unité de contrôle graphique (GCU) ou un réseau de portes programmable sur site où le traitement du signal peut être géré par un matériel dédié. Cela met davantage l'accent sur les dispositifs d'interface frontale analogique (AFE) qui doivent gérer des débits de données plus élevés et davantage de sources de données.
Les types de capteurs radar utilisés évoluent également. Le capteur 77 GHz offre une portée plus longue et une résolution plus élevée. Le capteur radar 77 GHz ou 79 GHz peut être ajusté en temps réel pour fournir une détection à longue portée jusqu'à 200 m dans un arc de 10°, par exemple pour détecter d'autres véhicules, mais il peut également être utilisé pour une détection plus large à 30° jusqu'à Arc de portée inférieure de 30 m. Des fréquences plus élevées offrent une plus grande résolution, permettant aux systèmes de capteurs radar de distinguer plusieurs objets en temps réel, par exemple en détectant de nombreux piétons dans un arc de 30°, ce qui donne aux contrôleurs de véhicules autonomes plus de temps et plus de données.
Le capteur 77 GHz utilise un transistor bipolaire silicium-germanium avec une fréquence d'oscillation de 300 GHz. Cela permet d'utiliser un capteur radar dans une variété de systèmes de sécurité tels que l'alerte avant, l'avertissement de collision et le freinage automatique. La technologie 77 GHz est également plus résistante aux vibrations du véhicule, ce qui nécessite moins de filtrage.
Figure 3 : Différents cas d'utilisation des capteurs radar dans les véhicules autonomes fournis par NXP.
Le capteur est utilisé pour détecter la distance, la vitesse et l'azimut du véhicule cible dans le système de coordonnées du véhicule (VCS). La précision des données dépend de l'alignement du capteur radar.
L'algorithme d'alignement du capteur radar fonctionne à plus de 40 Hz pendant que le véhicule est en marche. Il doit calculer l'angle de désalignement en 1 milliseconde sur la base des données fournies par le capteur radar ainsi que de la vitesse du véhicule, de la position du capteur sur le véhicule et de son angle de pointage.
Un outil logiciel peut être utilisé pour analyser les données de capteurs enregistrées lors des essais routiers de véhicules réels. Ces données de test peuvent être utilisées pour développer un algorithme d'alignement de capteur radar qui utilise un algorithme de carrés pour calculer les angles de désalignement du capteur en fonction des détections radar brutes et de la vitesse du véhicule hôte. Cela permet également d'estimer la précision de l'angle calculé en fonction du résidu de la solution carrée.
Un frontal analogique tel que l'AFE5401-Q1 de Texas Instruments (Figure 4) peut être utilisé pour connecter le capteur radar au reste du système automobile, comme le montre la Figure 1. L'AFE5401 contient quatre canaux, chacun contenant un amplificateur à faible bruit (LNA), un égaliseur sélectionnable (EQ), un amplificateur à gain programmable (PGA) et un filtre anti-aliasing, suivis d'un signal analogique-numérique 12 bits haute vitesse. de 25 convertisseurs MSPS (ADC) par canal. Les quatre sorties ADC sont multiplexées sur un bus de sortie parallèle 12 bits compatible CMOS.
Figure 4 : Quatre canaux du frontal analogique du radar AFE5401 de Texas Instruments peuvent être utilisés pour plusieurs capteurs.
Pour les systèmes à faible coût, l'AD8284 d'Analog Devices fournit un frontal analogique avec un multiplexeur différentiel (mux) à quatre canaux qui peut être utilisé avec un amplificateur de gain programmable (PGA) et un filtre anti-aliasing à canal unique. alimenté par un préamplificateur à faible bruit (LNA) (AAF). Celui-ci utilise également un seul canal direct vers ADC, le tout intégré à un seul convertisseur analogique-numérique (ADC) de 12 bits. L'AD8284 contient également un circuit de détection de saturation pour détecter les conditions de surtension haute fréquence qui autrement seraient filtrées par l'AAF. La plage de gain du canal analogique est de 17 dB à 35 dB par incréments de 6 dB, et le taux de conversion ADC peut atteindre 60 MSPS. Le bruit de tension de référence d'entrée combiné pour l'ensemble du canal est de 3,5 nV/√Hz au gain. La sortie du
AFE est alimentée par un processeur ou un FPGA tel que l'IGLOO2 ou Fusion de Microsemi ou le Cyclone IV d'Intel. Cela permet à la FFT 2D d'être implémentée dans le matériel à l'aide d'outils de conception FPGA pour traiter la FFT et fournir les données requises sur les objets environnants. Celui-ci peut ensuite être introduit dans un contrôleur central.
Un défi clé pour les FPGA est la détection de plusieurs objets, ce qui est plus complexe pour les architectures CWFM que le Doppler à impulsions. Une approche consiste à faire varier la durée et la fréquence de la rampe et à évaluer la façon dont les fréquences détectées se déplacent dans le spectre avec différentes inclinaisons de rampe de fréquence. Puisque la rampe peut changer par intervalles de 1 ms, des centaines de changements peuvent être analysés par seconde.
Figure 5 : frontal radar CWFM utilisé avec le FPGA d'Intel.
La fusion des données d'autres capteurs peut également être utile, car les données des caméras peuvent être utilisées pour distinguer les échos plus forts des véhicules des échos plus faibles des personnes, ainsi que le type de décalage Doppler attendu.
Une autre option est le radar multimode, qui utilise le CWFM pour trouver des cibles à plus longue portée sur les autoroutes, et le radar Doppler à impulsions à courte portée pour les zones urbaines où les piétons sont plus facilement détectés.
Le développement de systèmes de capteurs ADAS pour véhicules autonomes change la manière dont les systèmes radar sont mis en œuvre. Passer d’un simple système d’évitement des collisions ou d’un régulateur de vitesse adaptatif à une détection globale constitue un défi de taille. Le radar est une technologie de détection très populaire et largement acceptée par les constructeurs automobiles et constitue donc la technologie idéale pour cette approche. La combinaison de capteurs à fréquence plus élevée de 77 GHz avec des architectures multimodes CWFM et Doppler pulsé et des données provenant d'autres capteurs tels que des caméras pose également des défis importants aux sous-systèmes de traitement. Relever ces défis de manière sûre, cohérente et rentable est essentiel au développement continu des véhicules autonomes.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
![[Web front-end] Démarrage rapide de Node.js](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
