Un excellent panorama des technologies et du marché des capteurs pour les véhicules. Ceux-ci sont utilisés aussi bien pour toutes les aides à la conduite (ADAS) type freinage d’urgence ou régulateur adaptatif que pour developer de la conduite autonome (Tesla Autopilot, navettes type Navya, véhicules « à confite déléguée » des constructeurs automobiles). 


Le message à retenir : la réussite tient à la complémentarité et la redondance des capteurs, qui ont des propriétés / caractéristiques différentes, souvent complémentaires. En quelques mots et je vous invite à lire le détail technique :

  • Le Lidar (à base de lasers) est coûteux (mais son prix baisse à grande vitesse) et permet une vision 3D avec une grande portée. Mais Il ne peut voir à travers des obstacles et est sensible aux conditions météo comme pluie, neige et brouillard ;
  • Le radar est excellent pour détecter des obstacles et même s’affranchir d’écrans (le véhicule de devant) mais sa résolution est jusqu’ici limitée. Conséquence : situer précisément l’obstacle dans l’espace peut s’avérer délicat et Il y a des risques de « faux positif » (un panneau de signalisation voire une canette de soda en aluminium !) D’un prix plus faible que le Lidar (Il équipe les Tesla pour cette raison notamment), l’amélioration de sa résolution le mettrait en concurrence directe avec celui-ci ;
  • Les capteurs vidéo, grâce au traitement d’image, reproduisent le fonctionnement de l’œil. En apparence solution idéale ils ont leurs limites, autant en termes de traitement du signal que de capteur lui-même. Entre les moucherons qui obstruent le champ de vision et La gestion des contre-jours, ajoutée au manque de perception en 3D, mieux vaut ne pas se fier uniquement à ce capteur (d’ailleurs l’accident mortel en Tesla était du à une mauvaise interprétation du capteur vidéo qui n’a pas détecté le camion blanc sur Il fond en contre-jour) ;
  • Les sonars qui équipent nombre de voitures depuis longtemps comme radars de recul servent essentiellement à la détection de l’environnement à courte distance. 


L’enjeu va au-delà de combiner de multiples capteurs et de faire baisser leur coût unitaire : Comment effectuer des choix lorsque les informations issues de plusieurs capteurs sont contradictoires ? Comment dépasser les limitations intrinseques des capteurs (par exemple les radars) en utilisant de l’IA ? Suite à l’unique accident mortel d’un utilisateur de l’Autopilot, Tesla a fait évoluer non seulement le hardware des modèles suivants (plus de capteurs, plus précis) mais aussi le software de tous les véhicules de la flotte pour changer les règles de prise de décision et utiliser une cartographie dynamique à haute résolution de tous les obstacles statiques détectés par les radars de ses véhicules. Une démarche passionnante relatée dans un article de leur blog. 

Pour tous les constructeurs lancés dans la course au véhicule autonome, le sujet des capteurs est inévitablement lié à la cartographie HD haute résolution mise à jour dynamiquement. Cette tâche titanesque digne de Sisyphe conduit à de grandes alliances, par exemple celle des constructeurs allemands (pourtant concurrents) dans le cadre du rachat, en commun, de Here, principal fournisseur de cartographie, afin de constituer une plateforme commune pour partager et explorer en commun les données issues des capteurs des véhicules de leurs clients. 

Publicités

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s