Aller au contenu
ELECTRONICS ENGINEERINGelectronics-engineering.com
Automobile

ACC 2 : capteurs et configurations, caméra seule, caméra et radar, plusieurs radars

Configurations 1V, 1R1V et 5R1V, distance par la caméra démontrée avec son erreur quadratique, temps avant collision par l'échelle, radar FMCW, erreur latérale du radar, cas difficiles et objets fixes.

https://www.electronics-engineering.com/fr/acc-capteurs-camera-radar-configurations-erreurs-de-mesure/

Pas encore de vote : soyez le premier à noter cette page.

Un ACC vaut ce qu’il voit. Pour suivre un véhicule il faut trois nombres : la distance x, la vitesse relative \dot x et la position latérale y, qui dit si le véhicule est dans notre voie. Caméra et radar mesurent ces nombres de manières très différentes, avec des erreurs qui croissent avec la distance de façons différentes : c’est pourquoi les configurations à plusieurs capteurs ne servent pas seulement à voir plus loin, mais à couvrir les points faibles de chacun. Dans cette leçon nous tirons les erreurs de mesure de la géométrie et de la physique, et nous les utiliserons dans la prochaine pour la fusion.

Les configurations

Couverture des capteurs dans trois configurations
Trois configurations vues de dessus : 1V, une seule caméra frontale (environ ±26°, 120-150 m) ; 1R1V, caméra plus radar frontal avec un faisceau long étroit (±9°, 250 m) et un faisceau court large (±45°, 80 m) ; 5R1V, plus quatre radars d’angle (±60°) qui couvrent les côtés et l’arrière.
ConfigurationCapteursPoints fortsLimites
1Vune caméracoût, classe les objets, voit les lignesdistance imprécise de loin, aveugle avec soleil bas, brouillard, nuit
1R1Vradar frontal + caméradistance et vitesse précises, fonctionne sous la pluie et la nuitangle du radar moins précis, objets fixes ambigus
1V3R, 1V5R+ radars d’anglevoit plus tôt les véhicules qui s’insèrent (cut-in), changement de voieplus de données à fusionner et à calibrer
nV nR (+ lidar)caméras autour de la voiture, plusieurs radarsvision à 360°, redondancecalcul, coût, complexité

Le cas 1R1V est le plus répandu sur les voitures de série : radar et caméra se complètent. Les solutions « vision seule » utilisent plusieurs caméras et des réseaux de neurones qui estiment la distance ; elles sont possibles, mais la précision de la distance reste le point faible, comme les chiffres le montreront.

La caméra : distance par le plan de la route

Une caméra voit une image, pas une distance. La façon la plus courante de l’obtenir avec une seule caméra est le point de contact du véhicule avec la route.

Géométrie de la mesure de distance par la caméra
La caméra est à la hauteur H au-dessus de la route, avec une focale f (en pixels). Le point où les roues du véhicule touchent la route, à la distance Z, apparaît dans l’image \Delta y pixels sous l’horizon. Les deux triangles semblables donnent Z = f H / \Delta y.

Démonstration. Le rayon de la caméra au point de contact descend de H sur une distance Z ; sur le plan image, à la distance f du centre optique, le même rayon descend de \Delta y. Les deux triangles sont semblables, donc \Delta y / f = H / Z, c’est-à-dire

    \[ Z = \frac{f H}{\Delta y}. \]

Passons à l’erreur. Si le point de contact est estimé avec une erreur de \sigma_y pixels, l’erreur sur la distance est la dérivée multipliée par l’erreur (propagation au premier ordre) :

    \[ \sigma_Z = \left|\frac{dZ}{d\Delta y}\right| \sigma_y = \frac{f H}{\Delta y^2}\,\sigma_y = \frac{Z^2}{f H}\,\sigma_y. \]

L’erreur croît avec le carré de la distance. Avec f = 1200 px, H = 1.3 m et un pixel d’erreur : 1,6 m à 50 m, 6,4 m à 100 m, 14 m à 150 m. À 100 m la caméra ne sait pas dire si le véhicule est à 94 ou à 106 m, encore moins à quelle vitesse il approche : dériver une distance aussi bruitée donne une vitesse relative inutilisable. De plus, la formule n’est valable que sur route plate : une pente ou le tangage de la voiture au freinage (un degré de tangage déplace l’horizon de 21 pixels) faussent \Delta y.

Il existe une deuxième méthode, la largeur apparente : une voiture de largeur W apparaît large de w = f W / Z pixels. Mais W est inconnue (une citadine fait 1,6 m, un camion 2,5 m) : une erreur de 10 % sur W est une erreur de 10 % sur la distance.

Le temps avant collision sans connaître la distance

La caméra a pourtant une arme que le radar n’a pas. En dérivant w = f W / Z par rapport au temps :

    \[ \dot w = -\frac{f W}{Z^2}\dot Z \quad\Rightarrow\quad \frac{w}{\dot w} = -\frac{Z}{\dot Z} = TTC. \]

Le rapport entre la largeur dans l’image et sa vitesse de croissance est le temps avant collision (TTC), et il ne dépend ni de W ni de f. Les fonctions de freinage d’urgence fondées sur la seule caméra utilisent justement cela : pour la sécurité, ce qui compte est le temps qui reste, pas le nombre de mètres.

La position latérale, en revanche, la caméra la mesure bien : un objet à la colonne u du centre de l’image est à y = Z u / f, avec une erreur d’environ Z \sigma_u / f : 12 cm à 100 m. La caméra voit aussi les lignes de voie, dont nous aurons besoin dans la leçon 4 pour prévoir où ira notre voiture.

Le radar FMCW

Le radar automobile à 77 GHz émet des rampes de fréquence (chirps) et compare l’écho avec le signal émis. Nous avons vu son fonctionnement en détail dans la leçon sur le radar automobile FMCW ; ici nous avons besoin de trois formules et de leur origine.

Rampes de fréquence du radar FMCW
Rampes émises (bleu) et reçues (rouge) : l’écho revient après le temps de vol \tau = 2R/c, donc à chaque instant les deux fréquences diffèrent de la fréquence de battement f_b = S\tau, avec S la pente de la rampe. Le mouvement de la cible ajoute le décalage Doppler f_D.
  • distance : f_b = S \tau = S \cdot 2R/c, donc R = c f_b / (2S). La résolution (la plus petite différence de distance entre deux cibles séparables) est \Delta R = c/(2B), avec B l’excursion de fréquence : avec B = 1 GHz, 15 cm ;
  • vitesse radiale : l’écho d’une cible qui se déplace à la vitesse v_r est décalé de f_D = 2 v_r / \lambda ; à 77 GHz \lambda = c/f \approx 3.9 mm. Le radar mesure la vitesse relative directement, sans dériver la distance, avec des erreurs de quelques cm/s ;
  • angle : avec plusieurs antennes de réception (et plusieurs d’émission, MIMO) la différence de phase entre deux antennes distantes de d est \Delta\varphi = 2\pi d \sin\theta / \lambda. La précision typique est de quelques dixièmes de degré.

Le point faible est justement l’angle : une erreur \sigma_\theta devient une erreur latérale

    \[ \sigma_y \approx R\,\sigma_\theta, \]

qui croît linéairement avec la distance : avec 0,3° (0,0052 rad), 0,26 m à 50 m, 0,52 m à 100 m, 0,79 m à 150 m. Une voie fait 3,5 m de large : à 150 m le radar a du mal à dire dans quelle voie se trouve un véhicule.

Erreurs de mesure de la caméra et du radar
Écart type de la position mesurée en fonction de la distance, calculé avec les paramètres de la simulation. À gauche, la distance : constante et petite pour le radar (15 cm), quadratique pour la caméra (échelle logarithmique). À droite, la position latérale : linéaire pour le radar, beaucoup plus petite pour la caméra. La ligne pointillée à 0,5 m est une erreur qui rend déjà incertaine l’attribution à une voie.

Le graphique est la raison de la configuration 1R1V : le radar est précis là où la caméra est faible (distance, vitesse relative) et la caméra est précise là où le radar est faible (position latérale). La leçon 3 montrera que le filtre de Kalman prend automatiquement le meilleur de chacun.

Les cas difficiles

SituationCaméraRadar
soleil bas, éblouissement, nuitse dégrade ou aveuglepas affecté
forte pluie, brouillard, neigese dégrade beaucoupse dégrade peu (projections, neige sur le capteur)
véhicule arrêté dans la voiele reconnaît comme véhiculeécho identique aux plaques d’égout, panneaux, ponts : tous fixes
tunnel, glissièrelignes souvent visiblesréflexions multiples, cibles fantômes
véhicule très proche qui s’insèresouvent hors du champ de visionfaisceau étroit : le voit tard, il faut des radars d’angle
véhicules inhabituels (remorques, convois exceptionnels)la classification peut se tromperles voit, forme incertaine

Le cas le plus important pour l’ACC est le véhicule arrêté. Pour le radar tous les objets fixes s’approchent à la vitesse -v de notre voiture : une voiture arrêtée dans un bouchon, une plaque d’égout, la structure d’un pont et un panneau ont la même vitesse relative. Sans autre information, freiner pour chaque écho fixe veut dire freiner pour rien (faux positif), les ignorer tous veut dire ne pas s’arrêter derrière un bouchon. Les solutions que nous verrons dans la leçon 4 sont la confirmation par la caméra et la mémoire des objets vus en mouvement. Les radars plus récents (dits 4D ou imageurs) mesurent aussi l’élévation et distinguent mieux un pont d’une voiture, mais le problème demeure.

Ce que le capteur doit donner à la fusion

Chaque capteur envoie au calculateur ADAS, à chaque cycle, une liste d’objets avec des mesures et des incertitudes. Dans le code :

def radar_measure(prm, rng, x, y, vx):
    """Polar measurement of a target at (x, y): (range, azimuth, range rate) or None."""
    r, th = sqrt(x * x + y * y), atan2(y, x)
    if r > prm.r_max or abs(th) > prm.fov or rng.random() > prm.p_det:
        return None                          # out of the beam or missed detection
    rr = vx * cos(th)
    return (r + rng.normal(0, prm.sigma_r), th + rng.normal(0, prm.sigma_th), rr + rng.normal(0, prm.sigma_rr))


def camera_sigmas(prm, x):
    """sigma_x = x^2 / (f h) sigma_px (ground plane), sigma_y ~ x / f sigma_px"""
    return x * x / (prm.f * prm.h) * prm.sigma_px, max(0.05, x / prm.f * prm.sigma_px * 1.5)

Les incertitudes ne sont pas un détail : le filtre de Kalman pondère chaque mesure par l’inverse de sa variance, et un capteur qui déclare une erreur trop petite prend le dessus même quand il se trompe. Dans la prochaine leçon nous construisons le pisteur qui réunit les deux listes en une seule liste d’objets fiables.

S’abonner
Notifier de
guest
0 commentaires
Le plus ancien
Plus récent Les plus votés
0
Vous avez apprécié cet article ? Merci de laisser un commentaire.x