👨🏻‍✈️ 🎅🏽 👴🏿 Pejalan Kaki vs Sistem Pengereman Darurat Autonomous 🏁 🖕 👉🏻

AEB adalah sistem pengereman darurat kendaraan secara otonom (Automatic Emergency Braking).
ADAS adalah sistem bantuan pengemudi tingkat lanjut.

Tahun lalu, AAA (American Automobile Association) menguji ( salinan Google tersimpan dari laporan ) pada kendaraan yang dilengkapi dengan ADAS khusus ditargetkan untuk deteksi pejalan kaki (AEB-P). AEB-P diuji pada empat mobil pada model tahun 2019: Chevrolet Malibu dengan Pengereman Pejalan Kaki Depan, Honda Accord dengan sistem pengereman Honda Sensing-Collision, Tesla Model 3 dengan Pengereman Darurat Otomatis dan Toyota Camry dengan Toyota Safety Sense.

Berikut adalah temuan utama:

Jika di siang hari, mobil uji pada kecepatan 20 mph (32 km / jam) bertemu dengan orang dewasa menyeberang jalan, maka mobil menghindari tabrakan dengan pejalan kaki hanya dalam 40% kasus.
Jika mobil uji, bergerak dengan kecepatan 20 mph (32 km / jam), bertemu seorang anak yang bergegas ke arus lalu lintas antara dua mobil, anak tersebut tertabrak 89% dari kasus.
Pada 30 mph (48 km / jam), tidak ada kendaraan uji yang lolos dari tabrakan.

Hasilnya mendorong AAA untuk mengeluarkan rekomendasi yang mencakup: “Jangan pernah mengandalkan sistem deteksi pejalan kaki untuk menghindari tabrakan. Sistem ini berfungsi sebagai cadangan daripada penghindaran tabrakan primer. "

Peringatan Tabrakan vs Penghindaran Tabrakan

Penting untuk mencatat perbedaan antara peringatan tabrakan dan sistem penghindaran tabrakan. Sistem peringatan akan memperingatkan pengemudi tentang tabrakan yang akan terjadi, tetapi tidak akan melakukan manuver penghindaran (seperti pengereman). Sistem pencegahan memperingatkan pengemudi, dan jika tidak ada tindakan yang diambil, sistem akan mulai mengerem untuk menghindari atau mengurangi keparahan tabrakan.

"Sistem Pencegahan" adalah apa yang dinilai AAA sebagai "deteksi pejalan kaki" dalam pengujiannya.

Bagi setiap orang awam, melihat mobil dengan ADAS tidak berhenti di depan pejalan kaki adalah kejutan. Terlepas dari kenyataan bahwa hasil tes AAA menerima liputan pers yang luas, video membuat Anda berpikir tentang banyak pertanyaan yang tidak terjawab.

Keempat kendaraan yang diuji AAA menggunakan kamera + radar. Dengan kombinasi ini, elemen apa yang membuat fungsi fungsi AEB-P jadi tidak efisien?

Apakah ada masalah karena resolusi yang tidak memadai pada sensor gambar dan / atau radar?
Atau apakah karena algoritma untuk menggabungkan data dari berbagai sensor?
Ada hipotesis bahwa penggunaan sensor pencitraan termal membantu kendaraan untuk melihat pejalan kaki di malam hari. Kami tidak ragu tentang itu. Tetapi, dalam hal ini, apakah mungkin untuk dengan mudah menyelesaikan masalah ini dengan hanya menambahkan sensor lain (dari modalitas lain) di atas sensor yang sudah dipasang di kendaraan ADAS ini?

Apa yang membuat AEB-P sangat sulit diimplementasikan?

Phil Magni, pendiri dan direktur VSI Labs, mengatakan kepada EE Times: “AEB sangat penting bagi ADAS dan Anda bahkan tidak dapat berpikir untuk mengemudi secara otomatis tanpanya. Selain itu, ini adalah yang paling penting dari semua fitur ADAS dan merupakan satu-satunya aplikasi yang memiliki potensi untuk menyelamatkan sebagian besar nyawa. "

Namun, Phil Magni membuat perbedaan penting antara AEB dan AEB-P. "AEB diadaptasi untuk pejalan kaki," ia menekankan, "adalah" urutan besarnya lebih rumit daripada AEB. "

Jadi, apa kesulitannya?

Para ahli sering merujuk pada alarm palsu yang rentan terhadap radar, dan bidang pandang terbatas yang disediakan oleh sensor gambar. Bahkan ketika radar dan kamera digabungkan, data yang digabungkan masih dapat memberikan hanya gagasan terbatas tentang lingkungan kendaraan.

Mungkin yang paling penting adalah masalah nilai. Pembuat mobil biasanya menggunakan sensor yang lebih murah untuk kendaraan ADAS. Mengingat bahwa fitur ADAS diharapkan pada mobil pasar massal, tidak mungkin bahwa produsen mobil akan membayar lebih untuk sensor khusus - baik itu lidar atau thermal imager - untuk mengurangi kemungkinan kegagalan fungsi AEB-P.

Alarm salah

Phil Magni mencatat bahwa AEB sulit karena "alarm palsu dalam konteks AEB saja dapat menyebabkan bahaya fana."

Phil Magni menjelaskan bahwa radar merupakan komponen penting dalam sistem AEB, karena kemampuannya untuk mengukur waktu sebelum tabrakan. Tetapi radar juga rentan terhadap kesalahan positif, misalnya, mengambil mobil yang diparkir untuk benda berbahaya.

Jadi, pada akhirnya, Anda harus menyaring banyak data untuk membatasi positif palsu. Anda juga memiliki banyak suara di radar, dan ini juga dapat mengarah ke positif palsu. Itu sebabnya Anda mendapatkan peringatan tabrakan aneh dari waktu ke waktu jika mobil Anda memiliki fungsi peringatan tabrakan. "

Terhadap latar belakang data AEB umum, ahli menjelaskan: "AEB-P secara signifikan meningkatkan persyaratan kinerja, karena sekarang Anda perlu mengidentifikasi dan melacak orang di jalur Anda." Dia mengakui bahwa radar semakin baik, "tapi dia masih kurang percaya diri ketika berhadapan dengan orang, jadi Anda biasanya menghubungkannya ke kamera."

Tapi ini masalahnya. "Meskipun menghubungkan kamera ke radar AEB-P memiliki hasil yang baik, itu mungkin tidak cukup."

Menurut ahli, "ada begitu banyak kondisi lingkungan yang membatasi kinerja kamera, dan ini menyebabkan buruknya kinerja sistem AEB-P modern."

Bidang visi yang sempit

Analis Yole Développement mengatakan kepada EE Times bahwa keberhasilan sistem AEB berdasarkan kamera, atau radar, atau kamera + radar, atau kamera + laser jarak jauh, menunjukkan hasil yang baik dalam hal keamanan. Dunia melihat "lebih atau kurang, 50 persen lebih sedikit kecelakaan dan kematian dan 10-15 persen lebih sedikit kecelakaan / kematian secara umum," katanya.

gambar

Pada bulan Maret 2016, sebagian besar produsen peralatan AS berjanji untuk menginstal AEB di semua kendaraan pada tahun 2022. Pada bulan April 2019, parlemen Uni Eropa juga memilih peralatan wajib pada tahun 2022. (Sumber: Yole Développement)

Tetapi ketika teknologi AEB yang sama digunakan untuk mendeteksi pejalan kaki, statistik - 10-15% lebih sedikit kecelakaan / kematian - tidak begitu menggembirakan.

Menjawab pertanyaan mengapa AEB-P sulit dilakukan, ahli mengatakan bahwa masalahnya terletak pada "bidang pandang yang relatif sempit" di depan mobil dalam sistem AEB generasi pertama.

Sistem generasi pertama ini menggunakan prosesor Vision seperti Intel-Mobileye EyQ3 (di GM, Ford, VW) atau Toshiba Visconti 2 (di Toyota). Mengacu pada bidang pandang yang relatif sempit dari kendaraan ini, ahli mencatat: "Ini adalah alasan utama mengapa sistem AEB tidak dapat memahami lebih dari apa yang terjadi di depan mobil."

Menurut para ahli, sistem AEB generasi pertama telah digunakan di sekitar 6% mobil di jalan dan 30% mobil baru. AEB generasi pertama adalah antara 10 dan 15 persen efektif, sehingga kendaraan yang dilengkapi dengan AEB di Amerika Utara dan Eropa pada tahun 2022 akan jauh dari mencapai tujuan Visi Nol yang sering dikutip.

Namun seiring waktu, seperti yang diharapkan, segalanya akan menjadi lebih baik.

"Generasi baru sistem AEB didasarkan pada Intel-Mobileye EyeQ4 atau Visconti 4, dan mereka akan meningkatkan parameter FOV ini, sebagai aturan, dengan meningkatkan jumlah kamera dengan bidang pandang yang lebih luas," catat ahli tersebut.

"Hari ini kita tidak tahu tentang kelebihan dari kamera tiga dibandingkan dengan kamera tunggal, tapi itu harus lebih baik."

Selanjutnya adalah sistem AEB generasi ketiga. Pakar mencatat bahwa mereka akan menggunakan kamera full-range. “Inilah yang akan dilakukan Tesla dengan komputer yang sepenuhnya dikelola sendiri (FSD). Zenuity juga menyediakan pendekatan ini untuk OEM, "tambahnya. “Menyadari lingkungan yang lengkap, AEB perlu meningkat seiring waktu. Namun pertanyaannya adalah, seberapa cepat?

Apa yang perlu terjadi bagi AEB untuk melindungi pejalan kaki agar tidak menabrak mobil ADAS? para ahli menyarankan bahwa tekanan akan diperlukan pada produsen mobil dari regulator atau protes dari masyarakat umum.

Apa yang kita butuhkan untuk AEB-P yang efektif?

Flir menawarkan teknologi pencitraan termal untuk AEB-P. Perusahaan mengklaim bahwa imager termal mereka menyediakan "data tambahan untuk kamera RGB dan radar. Ketika kamera pencitraan termal "melihat" panas, Chris Posh, direktur teknis Flir yang bertanggung jawab atas industri otomotif, mengatakan: "Kita dapat mendeteksi pejalan kaki dalam kondisi sulit, termasuk di malam hari, melalui cahaya matahari, lampu depan, dan kabut." Flir mengklaim bahwa ia dapat melihat empat kali lebih jauh dari lampu-lampu biasa dalam gelap.

Sementara itu, di CES, Prophesee dari Paris menunjukkan video yang dibuat oleh pembuat mobil yang tidak disebutkan namanya di Jerman. Mereka membandingkan sistem AEB menggunakan kamera konvensional dengan kamera event-driven. Video menunjukkan bahwa kamera Prophesee terus-menerus mencetak lebih banyak poin ketika seorang pejalan kaki terdeteksi.

Ada tiga cara untuk mengatasi hambatan dengan peningkatan AEB-P.

Data yang sama (hanya lebih banyak), perhitungan yang sama (hanya lebih banyak)
Data yang lebih baik dengan perhitungan yang sama
Data lebih baik, perhitungan lebih baik

Pendekatan ketiga - ini adalah kombinasi sensor baru dengan metode perhitungan baru. “Saya pikir ini adalah perhitungan neuromorfik yang menjanjikan. Beberapa perusahaan sudah berinovasi baik dalam sensor maupun dalam komputasi ... Maksudku Outsight , yang membawa algoritma persepsi + liders hyperspectral ke pasar. ”

Pencitra termal

Di antara solusi yang saat ini tersedia, kamera pencitraan termal menjanjikan. Dibandingkan dengan kamera RGB konvensional, seorang ahli dari VSI Labs mengatakan: "Energi termal mendeteksi dan mengklasifikasikan pejalan kaki jauh lebih baik, karena klasifikasi didasarkan pada karakteristik termal objek, dan bukan pada cahaya tampak."

Tetapi pertanyaan yang paling sering diajukan tentang kamera pencitraan termal adalah biayanya. Jika produsen mobil menambahkan kamera pencitraan termal ke mobil dengan ADAS untuk memberikan AEB-P yang efisien, berapa biayanya? Chris Posh mengatakan kepada EE Times, "Mereka akan menelan biaya ratusan dolar, bukan ribuan, seperti halnya dengan penutup."

Meskipun kamera pencitraan termal Flir telah dikembangkan pada beberapa BMW, Audi, dan model lainnya, mereka tidak dirancang atau dikonfigurasikan untuk AEB-P. Sebaliknya, mereka bisa melihat binatang di jalan di malam hari. Untuk aplikasi, AEB-P Flir telah mengembangkan kamera pencitraan termal VGA baru, yang resolusinya empat kali lebih tinggi daripada kamera pencitraan termal otomotif modern.

Musim gugur yang lalu, Veoneer (penyedia teknologi otomotif Swedia) memilih Flir untuk kontrak manufaktur mobil otonom tingkat keempatnya dengan produsen mobil global terkemuka (untuk tahun 2021).

Bagaimana cara memeriksanya

VSI Labs, yang telah dikontrak Flir, sedang mengerjakan pemeriksaan konsep untuk menunjukkan manfaat kamera pencitraan termal untuk pengereman darurat otomatis. VSI Labs melakukan tes awal pada Desember 2019 di American Mobility Center dekat Detroit.

Model VSI Labs untuk tes AEB-P ini digunakan, menurut Magni, satu radar Delphi ESR yang dikombinasikan dengan kamera Flir. “Kami telah menonaktifkan saluran RGB dalam pengujian ini. Kami harus menggabungkan data dari sensor lain yang berasal dari bus CAN, seperti inersia, kecepatan roda, sudut kemudi, posisi pedal, dll. Ini diperlukan untuk memprogram fungsi AEB. ”

Selain menyatakan bahwa sebagai sensor pasif, tidak ada yang mendeteksi pejalan kaki lebih baik daripada kamera pencitraan termal, Phil Magni menyebutkan peran kecerdasan buatan dalam kinerja pencitra termal.

Dia mengatakan: "Di VSI, kami membuktikan bahwa menggunakan kecerdasan buatan untuk menangkap gambar termal dapat mengungguli kamera RGB tradisional." Laboratorium VSI melatih jaringan saraf mereka menggunakan dataset Flir ADK (otomotif development kit). "Ia mencatat bahwa" dataset berisi sekitar 40.000 gambar termal beranotasi. "" VSI juga mengembangkan algoritme AEB dan kemudian melakukan berbagai tes di ACM (Mount Kontrol Aktif), "jelasnya.

Phil Magni menyimpulkan bahwa, secara umum, kamera pencitraan termal lebih baik mengenali dan mengklasifikasikan pejalan kaki dalam kondisi cahaya rendah dan berantakan." Imager termal juga mendeteksi pejalan kaki yang sebagian ditutup, "tambahnya.

Selain itu, dia berkata: "Apa yang kita sukai tentang Flir adalah Kit Pengembangan Otomotif mereka, karena memberikan pengembang kemampuan untuk membuat algoritma pendeteksian mereka sendiri."

Tentang ITELMA

- automotive . 2500 , 650 .

, , . ( 30, ), -, -, - (DSP-) .

, . , , , . , automotive. , , .

Baca lebih banyak artikel bermanfaat:

Pejalan Kaki vs Sistem Pengereman Darurat Autonomous