Hoe LiDAR Sensoren en Positionering Beïnvloeden in Geautomatiseerd Rijden

LiDAR-systemen, die een cruciale rol spelen in autonome voertuigen, bestaan uit een zender (Tx), een ontvanger (Rx) en een aangepast digitaal verwerkingssysteem om informatie uit puntwolkgegevens te extraheren. Een puntwolk is een verzameling datapunten in de ruimte die wordt verzameld door 3D-scanners zoals LiDAR, welke een enorm aantal punten op de oppervlakken van omliggende objecten meet. Deze technologie maakt het mogelijk om nauwkeurige 3D-beelden van de omgeving te creëren, die essentieel zijn voor geautomatiseerd rijden en bestuurdersassistentiesystemen.

De verwerking van deze gegevens is complex en vereist geavanceerde algoritmes en machine learning om de juiste configuraties van sensoren te bepalen die nodig zijn voor veilige werking in verschillende omgevingen, het zogenaamde "Operationele Ontwerpdomein" (ODD). Dit domein beschrijft de verschillende omgevingen waarin het voertuig veilig kan opereren, en de keuze voor specifieke sensoren is afhankelijk van veel variabelen zoals bereik, nauwkeurigheid, gezichtsveld (FoV), bemonsteringssnelheid, kosten en de algehele complexiteit van het systeem.

Een van de belangrijkste uitdagingen bij het kiezen van sensoren is het vaststellen van de beste opstelling voor specifieke scenario’s. Dit kan handmatig worden gedaan of via simulaties die gebruikmaken van data-gedreven benaderingen, waarbij machine learning helpt om de optimale configuraties te identificeren. Deze scenario’s kunnen variëren van eenvoudige tot zeer complexe situaties, zoals het detecteren van obstakels in de weg die niet direct op de grond verbonden zijn, zoals open deuren of uitstekende vracht. Dergelijke obstakels zijn moeilijk te detecteren met lage resolutie LiDAR-sensoren of sensoren die te dicht bij de grond zijn gemonteerd.

Bij het draaien van een bocht bijvoorbeeld, kunnen andere voertuigen snel in het blinde vlekgebied komen, wat het risico op een ongeval vergroot. Dit geldt vooral voor kleinere voertuigen zoals fietsers, die vaak moeilijk te detecteren zijn wanneer sensoren op het dak van het voertuig zijn gemonteerd. Een hogere plaatsing van de sensoren, zoals aan de voorkant van het voertuig, verbetert de detectie van dergelijke obstakels.

Een ander probleem is het detecteren van lage obstakels dichtbij het voertuig, zoals stoepranden of parkeerblokken. Dit kan moeilijk zijn voor sensoren met een beperkt verticaal gezichtsveld. Dit is problematisch omdat het voertuig mogelijk niet alleen het obstakel zelf niet detecteert, maar ook het verkeer erachter kan blokkeren, waardoor het potentieel voor gevaarlijke situaties toeneemt. Deze problemen kunnen nog verergerd worden door de helling van de weg. Ramps, tunnels en parkeergarages kunnen bijvoorbeeld de zichtbaarheid van andere voertuigen beperken of een verkeerde interpretatie van de omgeving veroorzaken.

LiDAR-sensoren kunnen op verschillende manieren worden gepositioneerd om deze problemen te verminderen. Een van de meest populaire configuraties in vroege autonome voertuigen was de plaatsing van een enkel LiDAR-sensor op het midden van het dak. Hoewel deze opstelling 360°-dekking biedt, heeft het aanzienlijke nadelen, zoals blinde vlekken voor lage objecten, vooral achter het voertuig. Het optillen van de sensor om de blinde vlekken te verminderen kan echter de aerodynamica van het voertuig verstoren en beperkingen opleggen aan waar het voertuig kan parkeren.

Een verbeterde opstelling is het gebruik van meerdere LiDAR-sensoren op het dak, waarbij elke sensor kan worden gekanteld om blinde vlekken te minimaliseren. Dit biedt betere dekking dan een enkele sensor, maar het maakt de integratie complexer en vereist meer geavanceerde verwerking van de puntwolkgegevens. LiDAR-sensoren aan de voorkant van het voertuig zijn ook steeds gebruikelijker, omdat ze obstakels aan de voorzijde detecteren en helpen bij het meten van de afstand tot objecten. Deze configuratie is eenvoudiger te implementeren dan meerdere sensoren op het dak, maar kan problemen veroorzaken bij het detecteren van obstakels op hellingen.

LiDAR-sensoren aan de zijkant van het voertuig zijn nuttig voor het detecteren van objecten zoals voetgangers of fietsers, vooral wanneer een groter gezichtsveld zowel horizontaal als verticaal wordt gebruikt. Dit vergroot de mogelijkheid om verkeer te detecteren bij kruispunten of op smalle wegen. Echter, net als bij andere sensoren, kunnen LiDAR-sensoren met een beperkt verticaal gezichtsveld problemen hebben met het detecteren van objecten op hellingen aan de zijkanten van het voertuig.

Naast LiDAR-sensoren spelen ook andere technologieën zoals camera’s een belangrijke rol in het sensorpakket van autonome voertuigen. Camera’s, die passieve sensoren zijn, verzamelen licht dat wordt gereflecteerd door de omgeving. In tegenstelling tot actieve sensoren zoals LiDAR, kunnen camera’s echter worden beïnvloed door omgevingsomstandigheden zoals slecht licht, regen, mist of sneeuw, wat de prestaties aanzienlijk kan verminderen. Dit benadrukt het belang van het combineren van verschillende sensorsoorten voor robuuste waarneming.

Wanneer de sensoren optimaal gepositioneerd zijn en goed samenwerken, kunnen ze de veiligheid en effectiviteit van geautomatiseerde voertuigen aanzienlijk verbeteren, zelfs in uitdagende situaties. Het kiezen van de juiste configuratie vereist echter voortdurende evaluatie en verbetering door middel van testen in de praktijk en geavanceerde simulaties.

Hoe werkt het Toyota Guardian-automatische veiligheidssysteem?

Sinds 2016 heeft TRI zich gecommitteerd aan een tweesporenbenadering van de ontwikkeling van autonoom rijden. De voortdurende ontwikkeling van het Chauffeur-systeem richt zich op volledige autonomie, waarbij de menselijke bestuurder in wezen wordt verwijderd uit de rij-equatie, hetzij volledig in alle omgevingen, hetzij binnen een beperkt operationeel ontwerpdomein (ODD). Het Toyota Guardian-systeem daarentegen is ontwikkeld om de menselijke controle over het voertuig te versterken, niet om deze te vervangen. Het doel van Toyota Guardian is dat de bestuurder te allen tijde de controle over het voertuig behoudt, behalve in situaties waarin het systeem een dreigend incident voorziet of identificeert en een corrigerende actie onderneemt in samenwerking met de input van de bestuurder.

Een van de meest belangrijke doorbraken van TRI dit jaar was de creatie van ‘blended envelope control’, waarbij Guardian de vaardigheden en sterke punten van de mens en de machine combineert en coördineert. Het systeem is geïnspireerd door de manier waarop moderne gevechtsvliegtuigen worden bestuurd: de piloot bestuurt het stuur, maar eigenlijk bestuurt de piloot het vliegtuig niet direct. In plaats daarvan wordt de intentie van de piloot vertaald door het lage-niveau vluchtregelsysteem, duizenden keren per seconde, om het vliegtuig te stabiliseren en binnen een specifiek veiligheidsomvang te blijven. Het creëren van dit ‘blended envelope control’ is veel moeilijker voor een auto dan voor een gevechtsvliegtuig. Dit komt omdat de controleomvang voor een auto niet alleen wordt gedefinieerd door de voertuigdynamica, maar ook door de perceptie- en voorspellingsmogelijkheden van het voertuig ten aanzien van alles in zijn directe omgeving.

Het idee is dat deze controleomvang geen discrete aan-uit-schakelaar is tussen de menselijke bestuurder en het autonome systeem. In plaats daarvan is het een bijna naadloze mix van beide, die als team werken om het beste uit beide kanten te halen. Toyota Guardian wordt ontwikkeld als een geautomatiseerd veiligheidssysteem dat kan werken met zowel een menselijke bestuurder als een autonoom rijhulpsysteem, geleverd door Toyota of een ander bedrijf.

TRI benadrukt het belang van het niet onderschatten van de moeilijkheden die komen kijken bij het ontwikkelen van een volledig autonoom Chauffeur-systeem, zowel technologisch als sociologisch. Technologisch gezien is de vraag hoe een machine getraind kan worden om de sociale balletbewegingen te begrijpen die nodig zijn om zich door een voortdurend veranderende omgeving te navigeren, net zo goed als of beter dan een menselijke bestuurder. Sociologisch gezien zal het publiek waarschijnlijk enige tijd nodig hebben om de onvermijdelijke ongelukken, verwondingen en sterfgevallen die zullen optreden door volledig autonome Chauffeur-systemen, te accepteren.

In de tussentijd zegt TRI dat het een morele verplichting heeft om geautomatiseerde voertuigtechnologie toe te passen om zoveel mogelijk levens te redden, en dat zo snel mogelijk. Daarom heeft TRI zich het afgelopen jaar vooral gericht op het slimmer maken van het Toyota Guardian-systeem. Om Guardian slimmer te maken, moet het worden onderworpen aan moeilijke en veeleisende rijscenario’s, zogenaamde ‘corner cases’ die simpelweg te gevaarlijk zijn om op openbare wegen uit te voeren. Op afgesloten testcircuits kan de intelligentie en het vermogen van Guardian op de proef worden gesteld en verder ontwikkeld. Door voortdurende verfijning leert Guardian hoe het het beste om kan gaan met en reageren op extreem gevaarlijke scenario’s naarmate ze zich ontvouwen.

Deze groeiende capaciteit van Guardian geeft een interessant draai aan een incident met drie auto’s in Californië. Hier gebeurde een onverwachte ‘corner case’ op een openbare snelweg: een gevaarlijk ongeluk dat zich vlak voor de sensoren en camera’s van Guardian afspeelde. Uit deze gegevens ontwikkelde TRI een nauwkeurige simulatie die vervolgens werd vertaald in een leerinstrument voor de auto om in een fractie van een seconde te bepalen welke opties het had. Dit scenario werd daarna opnieuw gecreëerd op het testcircuit, met echte voertuigen en een gecontroleerd, zacht doelwit, een dummy-voertuig. In dit geval was de beste optie van Guardian om snel weg te versnellen van de oprukkende voertuigen. Dit is een voorbeeld van hoe Guardian een botsing kan vermijden of verlichten, zowel voor zichzelf als voor andere voertuigen in de buurt.

Een ander belangrijk aspect van het veiligheidssysteem is de integratie van thermische camera’s van FLIR, die cruciaal zijn voor het functioneren van het geautomatiseerde rijhulpsysteem (ADAS). De FLIR-camera’s bieden betrouwbare nachtzichtmogelijkheden, evenals detectie van voetgangers en dieren, en zijn in staat om objecten in het donker en door obscuraties zoals rook of zonneschijn te classificeren. Deze camera’s hebben een uniek vermogen om mensen en dieren beter te identificeren dan andere ADAS-technologieën, wat de situationele bewustheid en veiligheid verhoogt. Dit stelt voertuigen in staat om gevaren op grotere afstanden te detecteren dan conventionele verlichting, en helpt ongelukken te voorkomen in omstandigheden waar het zicht beperkt is.

Het gebruik van deze technologieën verhoogt niet alleen de betrouwbaarheid van het systeem, maar zorgt er ook voor dat voertuigen beter kunnen reageren in gevaarlijke omgevingen, zoals bij slechte zichtbaarheid of onvoorziene obstakels. Het toevoegen van thermische camera’s aan het sensorplatform maakt een aanzienlijke verbetering in de algehele veiligheid van geautomatiseerde voertuigen mogelijk, omdat het de reactiecapaciteit van het voertuig vergroot.

Met de voortdurende ontwikkeling van geautomatiseerde rijtechnologieën zoals Toyota Guardian, wordt het steeds duidelijker dat het toekomstbeeld van zelfrijdende voertuigen niet alleen draait om autonomie, maar ook om samenwerking tussen mens en machine. Het systeem is ontworpen om de menselijke bestuurder in de beslissingsproces te betrekken, waardoor het gebruik van technologie niet alleen een manier is om de rijervaring te verbeteren, maar ook om de veiligheid op de weg te waarborgen. Dit biedt een model voor de integratie van nieuwe technologieën die de menselijke controle aanvult, in plaats van deze te vervangen, en stelt ons in staat om de voordelen van autonome systemen te benutten zonder in te boeten op menselijke betrokkenheid.