67 / 102
EDA/SW/T&M
ADAS
67
- ELETTRONICA OGGI 462 - MAGGIO 2017
Cambio di paradigma nei sistemi ADAS
L’innovazione fondamentale introdotta con la piattafor-
ma DRS360 è certamente quella a livello architettura-
le, e promette di sovvertire un tradizionale paradigma,
finora accettato e applicato nella progettazione dei
sistemi ADAS, ossia quello dell’architettura di elabo-
razione distribuita, in cui i dati vengono analizzati e
‘metabolizzati’ alla periferia, in ogni nodo della rete del
veicolo. In questo modello di architettura, i sistemi ra-
dar, LIDAR (light detection and ranging), le telecamere
e altri sensori distribuiti nell’auto agiscono ciascuno
in modo indipendente, filtrando ed elaborando i flussi
di dati, che vengono poi trasmessi a differenti applica-
zioni o moduli di fusione.
L’approccio dell’architettura di elaborazione distribu-
ita è stato favorito, nel tempo, dallo sviluppo dell’elet-
tronica, che ha permesso di integrare nell’auto nuove
funzionalità, aumentando il livello di automazione e il
numero dei requisiti richiesti per migliorare il funzio-
namento dei veicolo e la sicurezza del guidatore e dei
passeggeri. L’implementazione di queste funzionalità
ha però condotto a una progressiva integrazione di si-
stemi elettronici e alla proliferazione di molteplici sen-
sori ed ECU (electronic control unit), connessi a dif-
ferenti reti locali (CAN, LIN, Ethernet, FlexRay, MOST)
presenti all’interno del veicolo stesso.
Un’elaborazione distribuita di questo tipo, spiega
Kashi, porta all’insorgere di problemi di costi, com-
plessità e latenza del sistema, che aumentano con
l’aumentare del livello di automazione (1-5). Infatti, più
cresce la complessità, più crescono costi e consumi
di energia, mentre la latenza nella trasmissione di dati
critici per la safety può arrivare a livelli inaccettabi-
li. Senza poi contare la perdita
di dati potenzialmente utili, che
può verificarsi nei nodi periferi-
ci della rete interna del veicolo.
Fusione dati centralizzata
La piattaforma DRS360 punta
a risolvere i suddetti problemi
di scalabilità delle architetture
distribuite convenzionali, pro-
blemi che tendono a emergere
quando il livello di automazio-
ne cresce verso il Livello 5. Da
un lato, DRS360 parte da subito
come sistema ottimizzato per
la guida autonoma di Livello 5,
pur mantenendo la capacità di
scalare verso il basso, e adat-
tarsi a livelli inferiori di automazione (Livello 4, 3 o 2).
Dall’altro lato, DRS360 applica un approccio definito di
‘centralized raw data fusion’, che fonde direttamente
a livello centrale i dati grezzi provenienti dai differenti
sensori. Ciò permette di eliminare colli di bottiglia e
latenze causati dalle attività di pre-elaborazione di dati
parziali nei microcontrollori dei nodi periferici della
rete del veicolo. In aggiunta, questa architettura, ritie-
ne Mentor, ha la capacità di fornire maggior supporto
a futuri avanzamenti nell’elaborazione e negli algorit-
mi di intelligenza artificiale.
Il processo di fusione avviene in tempo reale in un
modulo di elaborazione centralizzato, che raccoglie
i dati attraverso un’architettura di trasporto studiata
per minimizzare i bus fisici e le interfacce hardware,
e ridurre ulteriormente la latenza. Il vantaggio è an-
che che, grazie a questa architettura, tutti i dati grezzi
dei sensori sono sempre resi disponibili al sistema, e
ciò permette agli algoritmi di guida autonoma di utiliz-
zare un modello con la massima risoluzione possibile
dell’ambiente circostante in cui si trova il veicolo, dun-
que un modello adatto a prendere decisioni più rapi-
de, e con maggior efficienza di elaborazione, rispetto
alle soluzioni ADAS convenzionali. Inoltre, i dati grezzi
direttamente connessi alla piattaforma vengono elabo-
rati solo quando è necessario e per l’area di veicolo
interessata, riducendo in tal modo il carico della CPU
e supportando la guida autonoma di Livello 5 con con-
sumi di energia contenuti sotto i 100 watt.
Hardware eterogeneo ed ‘FPGA-centrico’
Progettata e collaudata per l’implementazione in si-
stemi ‘automotive grade’ conformi alle specifiche ISO
Fig. 2 – La modalità di elaborazione dati classica in sistemi ACC e LDWS
(Fonte: Mentor Automotive)