EO_492

59 - ELETTRONICA OGGI 492 - MARZO 2021 COMPONENTS AUTONOMOUS VEHICLES guidatore di situazioni di pericoli imminenti in mo- dalità di guida semi-autonoma (che copre i livelli da 1 a 3). In figura 1 sono riportati i differenti livelli di automazione di un veicolo. In questo articolo verranno illustrate le architetture dei sistemi di rilevamento avanzati dei veicoli autono- mi, oltre alle interfacce e i protocolli utilizzati per tra- sferire i dati tra i vari sotto-sistemi del veicolo. Inoltre, verranno esaminate le fonti di interferenza e suggeri- te alcune tecniche per attenuare l’impatto che questi segnali indesiderati potrebbero avere sulla sicurezza di funzionamento del veicolo. Architettura dei sistemi di un veicolo autonomo In un veicolo autonomo, gli “occhi” e le “orecchie” del guidatore sono rappresentati da una miriade di diffe- renti sensori (Fig. 2), tutti connessi in rete con un si- stema di elaborazione centralizzato a cui è demanda- to il compito di assicurare un comportamento sicuro del veicolo in ogni situazione di guida. La gamma di sensori comprende radar RF per lun- ghe distanze (LRR - Long Range Radar) utilizzati per rilevare veicoli, pedoni e altri oggetti in movimento su lunghe distanze che si trovano davanti al veicolo e un sotto-sistema video che utilizza una rete neurale con- voluzionale per l’apprendimento automatico al fine di rilevare pedoni, segnali stradali e superamento della linea di demarcazione della corsia. Tra gli altri sensori presenti si possono annovera- re un sistema di videocamere a 360° che permette all’auto di acquisire la consapevolezza circa gli og- getti in movimento o stazionari che la circondano (in altre parole del contesto in cui si trova). Per conoscere con precisione la posizione del veico- lo in ogni momento, un sistema di navigazione e lo- calizzazione satellitare (GNSS - Global Naviga- tion Satellite System) ad alte prestazioni as- sicura un’accuratez- za di posizionamento dell’ordine dei centi- metri e permette di ot- tenere una stima della posizione quando un veicolo entra nei co- siddetti “canyon urba- ni” (ad esempio strade fiancheggiate su en- trambi i lati da palazzi relativamente alti) o sta viaggiando all’interno di gallerie. Protocolli di rete ro- busti e affidabili come CAN ed Ethernet interconnettono i vari sotto-sistemi con un livello di latenza accettabile (< 5 ms). Una tendenza sempre più diffusa prevede l’uso di sotto- sistemi radar e video dotati di motori inferenziali (ov- vero algoritmi che simulano le modalità con le quali la mente umana trae conclusioni logiche a partire da premesse, attraverso il ragionamento) per l’apprendi- mento automatico in grado di eseguire il rilevamento e la classificazione di oggetti nel punto di rilevamen- to, senza quindi aumentare il carico di elaborazione del sistema centrale. Un approccio di questo tipo permette di ridurre l’o- verhead della latenza in tempo reale, un aspetto par- ticolarmente critico in fase di progetto per veicoli che viaggiano a una velocità superiore a 30 m/s (circa 110 km/h). La latenza ovviamente influenza la tempestività del processo decisionale e impedisce l’uso della con- nettività con il cloud per qualsiasi decisione di guida che debba essere presa in tempo reale. Il tempo di andata e ritorno tra sorgente e destinazione (round trip latency) per la rete cellulare 4G è di 60 ms e in questo arco temporale un veicolo che viaggia a 30 m/s percorrerà 1,8 metri. Altri due protocolli di rete ampiamente utilizzati in ambito automotive sono LIN e FlexRay. Un protocollo di rete che si sta dimostrando partico- larmente adatto a soddisfare i requisiti delle trasmis- sioni video e delle applicazioni di infotainment a bor- do delle automobili è HD BaseT. Questo protocollo, che abbina le migliori caratteristi- che di HDMI ed Ethernet, utilizza un singolo cavo sul quale convergono segnali audio, video, Ethernet, PoE (Power over Ethernet) in grado di fornire una potenza fino a 100 W, segnali di controllo del sistema e USB. Fig. 2 – Sistemi di rilevamento avanzati presenti nei veicoli autonomi (Fonte: Littelfuse)

RkJQdWJsaXNoZXIy MTg0NzE=