Une voiture autonome pilotée par cartographie sous-routière
adverse weather conditions.
Le pitch: les systèmes actuels reposent exclusivement sur des capteurs aériens comme le GPS, le lidar et les caméras pour identifier la position exacte du véhicule, mais ils peuvent être perturbés par des problèmes de visibilité et des conditions météorologiques défavorables telles que la neige, la pluie, le brouillard le sable et la poussière. Cependant, des données plus fiables et plus stables peuvent être exploitées sous la surface de la route, où des textures souterraines uniques peuvent être cartographiées et exploitées pour positionner avec précision une voiture sur une piste, quelles que soient les conditions météorologiques et la visibilité.
Cependant, des données plus fiables et plus stables peuvent être exploitées sous la surface de la route, où des textures souterraines uniques peuvent être cartographiées et exploitées pour positionner avec précision une voiture sur une piste, quelles que soient les conditions météorologiques et la visibilité aérienne.
La technologie, initialement développée par des chercheurs du Laboratoire Lincoln du MIT pour des applications militaires (détection et cartographie précises des mines et autres explosifs sous-terrains), est décrite par Byron Stanley, directeur technique et co-fondateur de WaveSense dans un article publié en 2015 dans le Journal of Field robotics: « Localizing Ground Penetrating RADAR: A Step Toward Robust Autonomous Ground Vehicle Localization »
Les signaux RF réflechis par des structures souterraines sont utilisés pour localiser un véhicule en utilisant la cartographie du sous-sol.
to localize a vehicle using a prior map of the subsurface.
Le radar à pénétration de sol (GPR) se compose d’une plaque de 152 cm × 61 cm avec un réseau de 12 antennes (d’un peu moins de 8 cm d’épaisseur) à impulsions séquentielles RF sur la plage de 100 MHz à 400 MHz. À peu près de la largeur de la voiture et placée sous le véhicule, derrière les roues avant, le GPR opère à une fréquence de balayage (sur tous ses canaux) de 126Hz, détectant les caractéristiques souterraines à une profondeur de 2 à 3m pour générer des cartes de référence liées à des balises GPS lors d’un premier passage .
Les caractéristiques souterraines, telles qu’elles sont détectées par les systèmes GPR (mesure des réflexions des impulsions à partir de nombreux points de diffusion sous la surface), sont liées à l’inhomogénéité naturelle de la géologie souterraine, y compris tous les objets caractéristiques se trouvant dans les sols qui sont identifiables.
Lors d’un deuxième passage, l’électronique embarquée utilise des techniques d’optimisation d’essaim de particules pour adapter au mieux les données nouvellement numérisées à la carte sous-jacente existante, en recherchant dans cinq degrés de liberté (latitude, longitude, hauteur, cap et roulis) pour déterminer la position de la voiture qui correspond le mieux au nouveau balayage aux données antérieures.
Cette technique d’optimisation, décrite par Stanley dans le document, offre une précision de positionnement au centimètre près, même lorsque le véhicule ne chevauche que partiellement un parcours déjà balayé (le rapport indique une précision de moins de 6 cm pour un chevauchement de seulement 60 cm sur une largeur de scan de 152cm).
» Comme les voitures équipées n’auront besoin que d’un chevauchement partiel, la zone de carte utilisable est beaucoup plus grande que la largeur du véhicule », tient à préciser le PDG de WaveSense, Tarik Bolat.
Bien sûr, il faudra du temps et de l’argent pour tracer toutes les routes possibles avant que ce système puisse être utilisé de manière fiable, et le traitement de données lourd peut être l’une des limites fondamentales de cette approche. Mais contrairement au mapping LIDAR, un seul passage peut suffire à couvrir la plupart des largeurs de voies (car un chevauchement partiel suffit pour positionner un véhicule). Comme les véhicules environnants ne bloquent pas la vue des capteurs (le GPR a toujours une vue directe sur le sol) et que la géologie souterraine est relativement stable, chaque passe équivaut à une carte valide, sans angles morts. La stabilité signifie également qu’une carte souterraine devrait être scannée et mise à jour beaucoup moins fréquemment qu’une carte de surface.
Lorsqu’on lui a demandé si l’entreprise ciblerait d’autres cas d’utilisation tels que les entreprises de services publics ou de construction pour lesquels un tel système pourrait être adapté à une flotte plus réduite avant de viser le marché des véhicules autonomes, Bolat a précisé que l’objectif de Wavesense est la création de cartes pour véhicules autonomes. Pourtant, le PDG a admis dans un échange de courriers électroniques: «Les cartes WaveSense révèlent également des informations essentielles pour les services publics, les municipalités, les services de transport at autres organisations qui pourraient utiliser les cartes souterraines pour la maintenance de leurs réseaux sousterrains.
La société affirme avoir plusieurs projets pilotes en cours avec des acteurs mondiaux de premier plan dans les secteurs de l’automobile et de la technologie et est en train de clôturer un cycle de fianancement de 3 millions de dollars sous la direction de Rhapsody Venture Partners.
La rédaction vous conseille:
Renault présente Symbioz, voiture tout-electrique et autonomome
Daimler teste l’IA automobile sur 5 continents
Un véhicule de livraison autonome dévoilé par une Startup Californienne
Conduite autonome : Baidu choisit les capteurs ON Semiconductor
48V : le futur de la mobilité électrique
WaveSense – www.wavesense.io
Si vous avez apprécié cet article, vous aimerez les suivants : ne les manquez pas en vous abonnant à :
