Les systèmes ADAS peuvent rendre les routes plus sûres en minimisant les erreurs humaines. Certains systèmes ADAS contribuent à développer des habitudes de conduite plus prudentes en alertant les conducteurs en cas de scénarios de conduite dangereux, tels que la présence d'une voiture dans l'angle mort du conducteur qui rendrait un changement de voie dangereux. D'autres systèmes ADAS automatisent les comportements de conduite, comme l'évitement de collision avec un freinage d'urgence autonome.

En effet, les systèmes ADAS permettent d'éviter 28 % des accidents et 9 900 décès par an aux États-Unis, selon une étude du Boston Consulting Group.

Niveaux des systèmes ADAS

La Society of Automotive Engineers définit cinq niveaux d'automatisation de la conduite. La plupart des voitures actuellement en circulation possèdent des fonctionnalités ADAS comprises entre les niveaux 0 et 3. Les entreprises à la pointe de la conduite autonome développent les niveaux 4 et 5.

Les véhicules complètement autonomes sont susceptibles de devenir une réalité à mesure que les questions de sécurité, de cybersécurité et de réglementation sont résolues.

Pour comprendre comment les fonctionnalités ADAS sont conçues, prenons l'exemple de la régulation adaptative de la vitesse. Lorsque cette fonctionnalité ADAS est utilisée, le véhicule ralentit s'il s'approche du véhicule qui le précède et accélère pour reprendre sa vitesse de croisière si le véhicule qui le précède s'éloigne à une distance considérée comme sûre.

La première étape du design d'un système de régulation adaptative de la vitesse (ACC, Adaptive Cruise Control) consiste à collecter des données provenant des capteurs dont la voiture est équipée. Pour la régulation adaptative de la vitesse, nous avons besoin d'une caméra et d'un capteur radar. La caméra détecte les autres objets présents à l'image (véhicule, piéton, arbre, etc.) et le radar calcule la distance entre notre voiture et chaque objet.

Une fois les données de nos capteurs collectées, nous nous focalisons sur le développement d'un algorithme ADAS. La régulation adaptative de la vitesse peut être décomposée en trois étapes :

Les étapes 1, 2 et 3 correspondent aux éléments suivants :

1. Un algorithme de perception servant à détecter s'il y a un véhicule devant nous
2. Un algorithme de radar servant à calculer la distance entre les deux véhicules
3. Un algorithme de contrôle servant à ajuster la vitesse de notre voiture en fonction de la distance mesurée

Nous utilisons ici l'ACC comme exemple d'ADAS, mais la méthodologie générale consistant à choisir des capteurs adéquats et à concevoir des algorithmes en fonction des données provenant des capteurs s'applique à toutes les fonctionnalités ADAS.

Importance des capteurs

Les trois types de capteurs les plus populaires dans le cadre des fonctionnalités ADAS sont les caméras, les capteurs radar et les capteurs LiDAR.

Caméras

Les caméras sont utilisées pour les tâches ADAS liées à la détection. Les caméras situées sur les côtés d'un véhicule peuvent détecter les angles morts. Les caméras situées à l'avant peuvent détecter les voies de circulation, les véhicules, les panneaux routiers, les piétons et les cyclistes. Les algorithmes de détection ADAS associés sont généralement conçus à partir d'algorithmes conventionnels de Computer Vision et de Deep Learning. Les caméras présentent plusieurs avantages :

• Elles fournissent d'excellentes données pour la détection d'objets.
• Elles sont relativement bon marché : un faible coût signifie qu'il devient moins coûteux pour un constructeur de tester de nombreux types de caméras.
• Il en existe de nombreux modèles : vous pouvez tester et faire votre choix parmi de nombreux types de caméras telles que des caméras fisheye, monoculaires et à sténopé.
• Elles ont fait l'objet de recherches exhaustives : la caméra est le plus ancien et le plus étudié de ces trois types de capteurs.

L'inconvénient des données provenant des caméras tient au fait qu'elles sont moins adaptées à la détection de la distance à un objet par rapport aux autres types de capteurs. Pour cette raison, les développeurs ADAS utilisent fréquemment les caméras conjointement à des capteurs radar.

Radar

Les capteurs radar émettent des ondes à haute fréquence et enregistrent le moment où ces ondes sont renvoyées par réflexion sur des objets de l'environnement. Ces données peuvent être utilisées pour calculer la distance à un objet. Dans les systèmes ADAS, les capteurs radar sont généralement placés à l'avant du véhicule.

Le radar fonctionne dans des conditions météorologiques variées, ce qui en fait un choix de capteur pratique pour les fonctionnalités ADAS telles que le freinage d'urgence automatique et la régulation adaptative de la vitesse.

Bien que les données provenant de capteurs radar soient bien adaptées aux algorithmes de détection de distance, elles sont moins utiles aux algorithmes de classification des objets détectés. Pour cette raison, les développeurs ADAS utilisent fréquemment les capteurs radar conjointement à des caméras.

LiDAR

Les capteurs LiDAR (Light Detection And Ranging) émettent un laser dans leur environnement et enregistrent le moment où le signal leur revient. Les signaux renvoyés sont reconstruits pour créer un nuage de points 3D qui représente l'environnement autour du capteur LiDAR. Les données LiDAR peuvent servir à calculer la distance entre le capteur et les objets dans le nuage de points 3D.

Il existe deux types de capteurs LiDAR utilisés pour les applications ADAS :

1. LiDAR électromécanique (à rotation) : un capteur LiDAR électromécanique est fixé sur le toit d'une voiture et effectue des rotations pour collecter des données permettant de produire une carte de l'environnement sous forme de nuage de points 3D.
   
2. LiDAR solid-state : il s'agit d'un nouveau type de LiDAR sans éléments mobiles. À long terme, les capteurs LiDAR solid-state vont devenir des alternatives plus rapides, moins chères et plus précises aux capteurs LiDAR électromécaniques. Concevoir un capteur viable du point de vue commercial pose toutefois des problèmes d'ingénierie liés à la sécurité et à la portée du capteur.

Vous pouvez utiliser les données LiDAR aussi bien pour les fonctions de détection de distance que pour celles de classification des objets dans le système ADAS. Cependant, le traitement de données LiDAR nécessite davantage de puissance de calcul que les données provenant de caméras ou de capteurs radar, et pose des défis importants aux développeurs d'algorithmes ADAS.

Développer des algorithmes ADAS grâce à des simulations

Comme les tests réalisés sur du hardware sont coûteux, les ingénieurs commencent par tester leurs solutions ADAS grâce à des simulations virtuelles. Les environnements de simulation peuvent être en 2D ou en 3D.

Vous pouvez utiliser une simulation en 2D pour développer et tester les algorithmes ADAS pour les caméras et capteurs radar. Nous commençons par créer des scènes virtuelles comportant des routes, des piétons, des cyclistes et d'autres véhicules. Nous plaçons ensuite notre véhicule dans la scène et nous l'équipons de caméras et de capteurs radar. Nous pouvons alors programmer le mouvement de la voiture afin de générer des données de capteurs synthétiques pour le développement et les tests des algorithmes ADAS.

La simulation 3D se base sur la simulation 2D et nous permet de tester les capteurs LiDAR en plus des caméras et des capteurs radar. Les environnements 3D nécessitent davantage de puissance de calcul en raison de leur complexité relative.

Une fois que vous avez développé des algorithmes ADAS dans les environnements de simulation, l'étape de développement suivante consiste à réaliser des tests Hardware-in-the-Loop (HIL). Cela implique de tester les algorithmes ADAS sur du hardware automobile réel, comme un système de freinage réel, en les connectant à un environnement de simulation. Les tests HIL donnent une bonne idée de la manière dont un composant ADAS d'une voiture fonctionnera dans le monde réel.

Il existe d'autres tests ADAS tels que les tests Driver-in-the-Loop, mais ils amènent tous à réaliser des tests en véhicule afin de comprendre comment ce dernier se comporte lorsque tous les éléments sont assemblés. Il s'agit du type de test ADAS le plus coûteux, mais également le plus précis, et il est obligatoire avant toute mise en production d'un véhicule.

Produits associés : Automated Driving Toolbox™, Computer Vision Toolbox™, Lidar Toolbox™, Radar Toolbox, RoadRunner, RoadRunner Asset Library, RoadRunner Scene Builder