Quand Pierre Voyage

Un nouveau type de radar pourrait permettre aux voitures autonomes de naviguer en toute sécurité par mauvais temps. Les ingénieurs électriciens de l’Université de Californie à San Diego ont développé un moyen intelligent d’améliorer la capacité d’imagerie des capteurs radar existants afin qu’ils prédisent avec précision la forme et la taille des objets dans la scène. Le système a bien fonctionné lors de tests de nuit et dans des conditions de brouillard.

L’équipe présentera ses travaux à la conférence Sensys du 16 au 19 novembre.

Les conditions météorologiques défavorables posent un défi pour les voitures autonomes. Ces véhicules s’appuient sur des technologies comme le LiDAR et le radar pour «voir» et naviguer, mais chacun a ses lacunes. LiDAR, qui fonctionne en faisant rebondir les faisceaux laser sur les objets environnants, peut peindre une image 3D haute résolution par temps clair, mais il ne peut pas voir dans le brouillard, la poussière, la pluie ou la neige. En revanche, le radar, qui transmet des ondes radio, peut voir par tous les temps, mais il ne capture qu’une image partielle de la scène de la route.

Entrez une nouvelle technologie UC San Diego qui améliore la façon dont le radar voit.

«C’est un radar de type LiDAR», a déclaré Dinesh Bharadia, professeur de génie électrique et informatique à la UC San Diego Jacobs School of Engineering. C’est une approche peu coûteuse pour obtenir une perception du mauvais temps dans les voitures autonomes, a-t-il noté. « La fusion LiDAR et radar peut également être réalisée avec nos techniques, mais les radars sont bon marché. De cette façon, nous n’avons pas besoin d’utiliser des LiDAR coûteux. »

Le système se compose de deux capteurs radar placés sur le capot et espacés d’une largeur moyenne de voiture (1,5 mètre). Disposer de deux capteurs radar de cette manière est essentiel – ils permettent au système de voir plus d’espace et de détails qu’un seul capteur radar.

Pendant les essais routiers par temps clair et par nuit, le système a fonctionné ainsi qu’un capteur LiDAR pour déterminer les dimensions des voitures circulant dans la circulation. Ses performances n’ont pas changé dans les tests simulant un temps brumeux. L’équipe a « caché » un autre véhicule à l’aide d’une machine à brouillard et leur système a prédit avec précision sa géométrie 3D. Le capteur LiDAR essentiellement échoué au test.

Deux yeux valent mieux qu’un

La raison pour laquelle le radar souffre traditionnellement d’une mauvaise qualité d’image est que lorsque les ondes radio sont transmises et rebondissent sur des objets, seule une petite fraction des signaux est renvoyée vers le capteur. En conséquence, les véhicules, les piétons et autres objets apparaissent comme un ensemble clairsemé de points.

« C’est le problème avec l’utilisation d’un seul radar pour l’imagerie. Il ne reçoit que quelques points pour représenter la scène, donc la perception est mauvaise. Il peut y avoir d’autres voitures dans l’environnement que vous ne voyez pas », a déclaré Kshitiz Bansal, un doctorat en informatique et ingénierie. étudiant à UC San Diego. « Donc, si un seul radar provoque cette cécité, une configuration multi-radar améliorera la perception en augmentant le nombre de points qui sont réfléchis. »

L’équipe a découvert que l’espacement de deux capteurs radar à 1,5 mètre sur le capot de la voiture était la disposition optimale. « En ayant deux radars à différents points de vue avec un champ de chevauchement de vue, nous créons une région de haute résolution, avec une forte probabilité de détecter les objets qui sont présents », a déclaré Bansal.

L’histoire de deux radars

Le système surmonte un autre problème avec le radar: le bruit. Il est courant de voir des points aléatoires, qui n’appartiennent à aucun objet, apparaître sur les images radar. Le capteur peut également capter ce que l’on appelle des signaux d’écho, qui sont des réflexions d’ondes radio qui ne proviennent pas directement des objets détectés.

Plus de radars signifie plus de bruit, a noté Bharadia. L’équipe a donc développé de nouveaux algorithmes capables de fusionner les informations de deux capteurs radar différents et de produire une nouvelle image sans bruit.

Une autre innovation de ce travail est que l’équipe a construit le premier ensemble de données combinant les données de deux radars.

« Il n’y a actuellement aucun ensemble de données accessibles au public avec ce type de données, provenant de plusieurs radars avec un champ de vision qui se chevauchent », a déclaré Bharadia. « Nous avons collecté nos propres données et construit notre propre ensemble de données pour entraîner nos algorithmes et pour tester. »

L’ensemble de données se compose de 54 000 images radar de scènes de conduite de jour et de nuit dans le trafic en direct et dans des conditions de brouillard simulées. Les travaux futurs comprendront la collecte de plus de données sous la pluie. Pour ce faire, l’équipe devra d’abord construire de meilleures couvertures de protection pour leur matériel.