Masa Depan Sensor untuk Mobil Mengemudi Mandiri: Semua Jalan, Semua Kondisi

Masa Depan Sensor untuk Mobil Mengemudi Mandiri: Semua Jalan, Semua Kondisi 1

Apa pun pendapat Anda tentang seberapa cepat teknologi kendaraan otonom akan bergerak maju, ada sedikit keraguan bahwa itu akan perlu bergantung pada teknologi sensor yang lebih baik dan lebih murah daripada yang kita miliki saat ini. Kendaraan uji saat ini sering memiliki sensor suite seharga lebih dari $ 100.000, dan masih tidak dapat menangani semua jenis kondisi jalan dan cuaca.

Untuk membantu memberikan beberapa konteks latar belakang dan menilai potensi masa depan berbagai teknologi sensor, kami mengumpulkan panel pakar industri di Electronic Imaging 2020. Mereka mewakili modalitas sensor utama dalam penggunaan otomotif saat ini: lidar, radar, kamera, dan pencitraan termal. Semua orang belajar banyak, dan ada beberapa takeaways besar yang akan kami bagikan dengan Anda dalam penulisan sesi ini.

Masa Depan Sensor untuk Mobil Mengemudi Mandiri: Semua Jalan, Semua Kondisi 2

Kredit: Joyce Farrell, Stanford SCIEN

Mengatur Konteks: David Cardinal, ExtremeTech

Untuk memulai panel kami mengatur panggung dengan beberapa latar belakang dan tujuan untuk sesi ini. Untuk konteks, jelas bahwa ada rangkaian aplikasi. Ini berkisar dari penyebaran ADAS "Level 2/2 +" hari ini hingga ke Holy Grail dari Level 5 yang dikejar oleh Waymo, dengan lusinan perusahaan yang ditujukan untuk penyebaran armada kendaraan bersama Level 4 yang berada di suatu tempat di antaranya.

Panel Sensor untuk Autonomouse Kendaraan adalah sesi fitur di Electronic Imaging 2020.Sebagai tujuan untuk sesi ini, kami menetapkan 1) memahami kekuatan dan kelemahan masing-masing teknologi, 2) bagaimana mereka akan berubah maju, dan 3) bagaimana mereka akan bersaing dengan dan juga saling melengkapi sebagai bagian dari solusi keseluruhan.

Nikhil Naikal, Velodyne Lidar

Sudah sepantasnya bahwa kakek perusahaan sensor otomotif, Velodyne, menggebrak panel. Keterlibatannya berawal dari Tantangan DARPA yang asli, dan gaya “KFC Bucket” yang sekarang terkenal dari lidar yang dipasang di atap. Sementara Velodyne masih menjadi pemimpin pasar yang diakui, ia sekarang menghadapi puluhan pesaing.

Analisis Velodyne tentang kelenturan dan kelemahan lidar dalam berbagai kondisi pencahayaan

Analisis Velodyne tentang kekuatan dan kelemahan lidar dalam berbagai kondisi pencahayaan.

Untuk menghadapi persaingan, Velodyne telah memperluas susunan lidar untuk memasukkan unit ke Velobit kecil yang diperkirakan harganya sekitar $ 100 ketika tersedia. Perusahaan juga ingin menjalani desain atap aslinya, ketika Naikall menunjukkan kepada kami foto-foto Tesla bahwa Velodyne dilengkapi dengan serangkaian Lidar Velarray yang hampir tidak terlihat. Sementara banyak dari kompetitor barunya yang menambahkan kecerdasan lebih banyak pada lidar itu sendiri, Velodyne bergerak dengan hati-hati untuk hanya menambahkan elemen-elemen pemrosesan yang menurut mereka paling baik didistribusikan.

Mengevaluasi Kamera untuk Otomotif, Nicolas Touchard, DXOMARK

Mengukur waktu respons paparan dan overshootAntara kamera cadangan wajib dan lebih dari 50 juta kamera menghadap ke depan dalam sistem ADAS kendaraan, pencitraan cahaya tampak – bersama mungkin dengan sensor parkir – bentuk teknologi sensor utama yang saat ini ditemukan pada kendaraan. Untuk saat ini, sistem tersebut hanya disediakan untuk membantu pengemudi manusia, jadi jika kamera pemelihara jalur kehilangan garis ketika kendaraan mengarah ke matahari, pengemudi bertanggung jawab. Tetapi ketika ADAS dan akhirnya sistem self-driving menjadi lebih maju, penting bagi kamera kendaraan untuk berkinerja baik dalam semua situasi.

Perusahaan benchmarking kamera DXOMARK telah melakukan banyak pekerjaan dalam mengkarakterisasi secara akurat tantangan kualitas gambar kamera yang unik untuk otomotif, yang dibagikan VP pemasaran Nicolas Touchard kepada kami. Mengadaptasi pencahayaan dengan cepat terhadap perubahan tingkat cahaya yang tiba-tiba, seperti memasuki atau meninggalkan terowongan, adalah persyaratan penting yang membutuhkan pengukuran yang cermat – baik dari waktu adaptasi dan setiap overshoot yang dihasilkan sebelum paparan mencapai nilai baru. Kemampuan untuk merasakan secara akurat LED yang berkedip pada berbagai frekuensi adalah fitur penting lainnya. DXOMARK telah membangun perangkat keras khusus untuk memungkinkan para pembuat mobil dan pemasok mengukurnya untuk desain kamera yang diusulkan.

Thermal Imaging di Otomotif, Mike Walters, FLIR

Seiring dengan kesulitan merasakan jarak, ketukan besar lainnya pada kamera tradisional adalah bahwa mereka tidak bekerja dengan baik dalam cahaya yang buruk – keteduhan yang dalam, lampu belakang, atau waktu malam, misalnya. Kamera termal menghindari masalah-masalah itu dengan secara langsung merasakan radiasi gelombang panjang yang berasal dari apa pun yang mengeluarkan panas. Itu membuat mereka sangat efektif dalam mendeteksi mobil, orang, dan hewan. Mike Walters, dari pemimpin industri termal FLIR, membawa kami berkeliling melihat-lihat kasus penggunaan saat ini untuk kamera termal dalam kendaraan dengan serangkaian video menarik tentang penggunaannya dalam cahaya rendah, sinar matahari langsung, dan cuaca buruk.

Kamera termal sangat efektif di malam hari, meskipun mereka membutuhkan bantuan untuk memberi tahu warna lampu merah.

Kamera termal sangat efektif di malam hari, meskipun mereka membutuhkan bantuan untuk memberi tahu warna lampu merah.

Sementara menggunakan kamera termal hadir dengan tantangan uniknya sendiri – kaca otomotif tradisional tidak tembus cahaya sehingga mereka tidak dapat masuk ke dalam kaca depan misalnya – mereka menawarkan banyak janji sebagai pelengkap mode penginderaan lainnya.

Radar Otomotif, Greg Stanley, NXP Semiconductor

Sementara Lidar mendapat sebagian besar dari pers karena fungsinya yang mengesankan, radar saudara berbiaya rendah jauh lebih di mana-mana dalam aplikasi otomotif. Pada dasarnya semua sistem kontrol jelajah adaptif – bahkan Tesla – menggunakan setidaknya satu radar. Sebagian besar sistem pemantauan blind-spot juga mengandalkan radar. Beberapa kendaraan uji, seperti model Pesiar yang ditunjukkan di bawah, memiliki lebih dari 20 di antaranya, termasuk tiga yang berputar. Minivan Waymo memiliki enam. Greg Stanley, dari raksasa chip NXP, membawa kami melalui beberapa dasar cara kerja radar, kemampuannya, dan kemana arahnya.

Kendaraan penguji Cruise memiliki sebanyak dua puluh radar, lima lidar, dan 16 kamera.

Kendaraan penguji Cruise memiliki sebanyak 20 radar, lima lidar, dan 16 kamera.

Secara khusus, Stanley mengatakan bahwa pembuat unit radar mencari untuk meningkatkan fungsionalitas, termasuk dengan menambahkan lebih banyak klasifikasi objek dan kemampuan lokalisasi kendaraan. Seperti panelis lainnya, ia menekankan bahwa kendaraan memerlukan rangkaian sensor yang saling melengkapi. Misalnya, radar tidak akan membantu dalam membaca tanda batas kecepatan atau lampu merah.

Sanjai Kohli, Sensor Terlihat

Salah satu korban dari air dingin yang dilemparkan pada visi kendaraan tanpa pengemudi yang hanya sekitar sudut telah menjadi startup dengan teknologi inovatif yang berharap untuk menjual ke pasar itu. Sanjai Kohli adalah pendiri salah satu dari mereka – Sensor Terlihat. Setelah mengumpulkan $ 10 juta dalam modal ventura untuk versi yang sangat efektif dari teknologi sensor radar, mereka tidak dapat menemukan perusahaan mobil atau pemasok utama yang bersedia berkomitmen untuk membelinya dalam volume produksi dalam waktu dekat. Jadi, dalam suatu langkah yang sangat tidak lazim bagi Lembah Silikon, mereka mengembalikan uang itu kepada investor mereka dan melanjutkan ke usaha lain.

Sementara kita dapat berspekulasi yang mana dari ratusan startup di industri kendaraan otonom akan sangat sukses, tidak ada keraguan bahwa banyak, dan mungkin sebagian besar, pada akhirnya akan menemui akhir yang kurang bahagia, jadi itu bermanfaat untuk para penonton anggota – yang banyak di antaranya ingin terjun ke lapangan – untuk memahami beberapa realitas praktis menciptakan bisnis dari penemuan hebat.

Arsitektur Sensor Baru Radikal untuk Mobil Tanpa Pengemudi, Alberto Stochino, Perseptif

Melihat arsitektur sensor otomotif saat ini, merasakan veteran industri Stochino sampai pada kesimpulan bahwa teknologi tanpa pengemudi yang benar-benar canggih – jenis yang diperlukan untuk L4 dan L5 – akan membutuhkan pendekatan baru yang radikal. Dia mendirikan Perceptive berdasarkan pada visi platform semua-digital dengan sensor yang relatif murah tetapi berkinerja tinggi – antena dan kamera – di sekitar pinggiran mobil, terhubung dengan serat optik ke inti pemrosesan pusat.

Perseptif sedang mengembangkan arsitektur sensor kendaraan yang fleksibel dengan sensor berbiaya rendah namun berkinerja tinggi yang digabungkan ke inti pemrosesan pusat.

Perseptif sedang mengembangkan arsitektur sensor kendaraan yang fleksibel dengan sensor berbiaya rendah namun berkinerja tinggi yang digabungkan ke inti pemrosesan pusat.

Keuntungan terbesar dari panel ini adalah tidak ada dari mereka yang percaya bahwa modalitas sensor tunggal akan cukup untuk kendaraan tanpa pengemudi yang sebenarnya. Ketika ditanya tentang argumen bahwa "orang dapat mengemudi dengan dua mata, mengapa tidak bisa mobil?" Tanggapan mereka berkisar dari kebutuhan untuk menjadi lebih baik daripada pengemudi manusia hingga keinginan untuk redundansi sejati untuk keselamatan. Semua panelis juga sepakat bahwa itu akan bertahun-tahun sebelum teknologi canggih yang diperlukan untuk L4 dan di atas akan dekat dengan terjangkau bagi pembeli mobil ritel. Jadi mereka semua bertekad untuk menekuk kurva adopsi yang panjang, lambat, yang mereka perkirakan karena biaya turun secara bertahap dengan peningkatan volume dan inovasi.

Kredit gambar atas: Getty Images

Sekarang baca:

Pos terkait

Back to top button