Pouvez-vous voir à travers le brouillard ? Vous feriez mieux d’être sûr que votre véhicule autonome peut

Le brouillard est un enjeu majeur pour les véhicules autonomes (AV). Les suspects habituels en matière de capteurs AV – radar, lidar, caméras visuelles – peuvent être confus. De plus, il est difficile de tester le brouillard car il n’est pas souvent brumeux dans la plupart des régions du monde.

C’est pourquoi la capacité de vérifier virtuellement les systèmes de perception avec des modèles de brouillard précis est si importante. Mais cette capacité nécessite une combinaison de simulation et de test du matériel et des logiciels. Le récent collaboration entre Ansys et FLIR Systems est un exemple d’intégration de système réussie. Ansys fournit des outils de simulation tandis que FLIR dispose de technologies telles que des capteurs de caméra thermique qui améliorent la perception et la conscience.

Systèmes FLIR/Ansys

Les capteurs de caméra thermique sensibles à la perception font une grande différence dans les performances des véhicules autonomes dans le brouillard.

Pour mieux comprendre les défis de test et de vérification dans les systèmes de perception du brouillard, Design News a contacté Sandra Gely, responsable de l’ingénierie d’application chez Ansys, et Kelsey Judd, chef de projet technique chez FLIR Systems. Ce qui suit est une version modifiée de cette discussion.

Nouvelles de la conception : En quoi la technologie de simulation de perception et de conscience diffère-t-elle des simulations plus ordinaires de capteurs AV (par exemple, radar, lidar, caméras visuelles). En général, que faut-il ajouter aux modèles pour faire face au brouillard ? Est-ce similaire aux modèles d’ombrage 3D utilisés par les développeurs de la communauté des joueurs ?

Sandra Gély (Ansys): Cette solution est différente des autres modèles d’ombrage 3D utilisés dans la communauté des joueurs en ce sens qu’une simulation approfondie basée sur la physique est requise. En d’autres termes, la propagation de la lumière dans la scène est basée sur une formule physique. Les propriétés optiques sont définies pour tous les éléments de la scène afin de simuler le comportement précis de la lumière lorsqu’elle se réfléchit sur différents objets. La simulation utilise un algorithme dédié et aléatoire pour propager les rayons vers l’avant de la source au capteur ou du capteur à la source. L’algorithme est requis pour l’apparence de la lumière, l’analyse photométrique de la distribution d’intensité ou l’analyse du capteur.

Le brouillard est modélisé comme un matériau diffus dans l’air. Nous définissons les propriétés optiques d’une particule, ainsi que la taille, la distribution et la densité de toutes les particules. Lorsque nous ajoutons ce modèle de brouillard dans la scène, la lumière se propagera dans ce milieu et sera diffusée en raison de l’interaction avec les particules dans le milieu.

Kelsey Judd (Flir): Comme Sandra le mentionne, la principale différence ici est qu’un modèle basé sur la physique est nécessaire, alors que de nombreux autres outils de simulation ne le sont pas. Pour illustrer un avantage de la simulation basée sur la physique, imaginez une scène simulée de deux piétons sur une route brumeuse, où l’un se trouve à 50 mètres et l’autre à 100 mètres. En simulant la physique, les concepteurs peuvent modéliser avec précision que le piéton le plus éloigné sera plus difficile à détecter car la lumière émise par cette personne doit traverser deux fois plus de brouillard que la personne qui se trouve à seulement 50 mètres. Ce type de détail est susceptible d’être manqué par des rendus de simulation plus artistiques, mais il s’agit d’un détail crucial pour évaluer les performances de différentes combinaisons de capteurs dans des situations réelles.

DN : L’algorithme de perception Ansys/Flir et les systèmes de test ont-ils été vérifiés dans des chambres à brouillard réelles ou dans des conditions de brouillard réelles ?

Sandra Gély (Ansys): FLIR a évalué son système dans des chambres à brouillard réelles ainsi que dans des conditions de brouillard réelles. L’étude de corrélation pour valider le modèle de brouillard dans le logiciel Ansys est basée sur l’analyse dans les chambres à brouillard afin d’avoir un environnement de brouillard contrôlé pouvant être reproduit à l’identique dans le logiciel Ansys SPEOS.

Foggy est un cas de bord bien connu pour les véhicules autonomes. Les OEM savent qu’ils ont besoin de systèmes AV/ADAS efficaces pour naviguer dans le brouillard, nécessitant des tests physiques ou des tests virtuels. Les tests virtuels sont plus faciles à mettre en place et ne reposent pas sur la météorologie.

Kelsey Judd (Flir): Les résultats particuliers de cet article sont basés sur la corrélation entre le modèle de simulation et une chambre à brouillard artificielle. FLIR dispose également de plusieurs ensembles de données divers utilisés pour former et valider les performances du système, y compris de nombreux cas de brouillard dans le monde réel. Il convient également de noter que les développeurs de systèmes qui utilisent la simulation basée sur la physique ont la possibilité d’ajuster plusieurs paramètres de brouillard, ce qui permet aux simulations de Monte Carlo de tester les performances du système.

DN : Quels outils un concepteur peut-il utiliser pour vérifier les systèmes de perception du brouillard ? Comment ces outils s’intègrent-ils dans le flux de développement typique des concepteurs ?

Sandra Gély (Ansys): Les ingénieurs peuvent utiliser Ansys SPEOS pour générer l’image de leur caméra à différentes positions de la scène automobile typique, y compris le brouillard. Ensuite, ils peuvent exécuter cette série d’images dans leur algorithme de perception.

Kelsey Judd (Flir): En utilisant une simulation basée sur la physique, les concepteurs de systèmes peuvent créer un ensemble diversifié de scénarios de formation et de test qui peuvent être difficiles à capturer dans le monde réel, comme l’exécution de divers scénarios dans le brouillard à différents moments de la journée ou avec différents trafics venant en sens inverse. motifs. En permettant aux développeurs de créer et de modifier des ensembles de données de test avec une variété de capteurs, y compris des caméras thermiques FLIR, le SPEOS peut aider à tester sous contrainte les performances des systèmes ADAS et des véhicules autonomes et, en fin de compte, améliorer les performances de sécurité de ces systèmes lorsqu’ils sont utilisés dans un environnement de conception et de vérification holistique.

Lors de tests en conditions réelles, FLIR a découvert que l’imagerie infrarouge à ondes longues est très efficace dans des conditions brumeuses par rapport à d’autres modalités de détection telles que les caméras visibles et le lidar, et la capacité de tester cela dans un environnement simulé est essentielle pour accélérer le développement de l’imagerie multispectrale. réseaux de neurones nécessaires pour produire des ADAS et des systèmes de véhicules autonomes à sauvegarde fonctionnelle.