Mer om sensorsystem

I Nyhetsbrev 2 skrev jag om nya sensorsystem och då undrade en av våra läsare vad ett autonomt system förväntas kosta, och vad en dyr sensor har för prestanda jämfört med en billigare variant. Här ger jag svar på dessa frågor eftersom det kan vara av intresse för bredare publik.

Vad det gäller kostnaden för ett autonomt system så kommer den variera beroende på tillverkare och på efterfrågan. Det har exempelvis uppskattats att Googles autonoma system med nuvarande sensorer skulle kosta runt 150.000 USD [1], medan Oxford Universitys system (som jag skev om i Nyhetsbrev 2) skulle gå på ca 7.000 USD [2]. Detta skulle vara för dyrt för de flesta och tillverkarna hoppas kunna erbjuda system med en hög grad av automatisering för 2.500­­-3.000 USD [3,4,5].

För att ge en känsla för prestandaskillnader mellan en hög- och lågkostnadssensor kan vi jämföra Velodynes lidar kallad HDL-64E S2 och Valeos nya lidar.

Velodynes lidar [6] har 64 laserstrålar, horisontellt synfält på 360 grader, vertikalt synfält på 26.8 grader, skanningfrekvens på 5-15 Hz, och vinkelupplösning (noggrannhet) runt 0.09 grader. Den kan skanna mer än 1.3 miljoner punkter per sekund och kan detektera bilar och liknande objekt på 150 meters avstånd. Den kan rotera och används bl.a. som takmonterad sensor på Googles autonoma bilar. Priset är ca 70.000-75.000 USD.

Jag har inte all information om Valeos nya lidar, men kan utifrån den information jag har konstatera att den verkar vara hälften så bra som Volodynes lidar, i alla fall vad det gäller synfält och noggrannhet. Valeos lidar [5] har ett horisontellt synfält på ca 150 grader, en detekteringsräckvidd på 150 m, och noggrannhet runt 0.25 grader. Den har utvecklats i samarbete med IBEO och kommer börja masstillverkas nästa år. Priset uppskattas ligga på ca 250 USD.

Man ska dock inte glömma att dessa sensorer används i kombination med andra sensorer, GPS och digitala kartor för att förbättra detektion av andra objekt och positionering av det egna fordonet.

Källor

[1] Google’s Autonomous Vehicle.  Länk

[2] Oxford University RobotCar. Länk

[3] Electronics360. Autonomous Cars: How Soon and at What Cost? Länk

[4] AutoGuide. 37 Percent of Americans Interested in Autonomous Driving Technology: Study. Länk

[5] Autoline Daily. Valeo’s new low-cost lidar. 2013-09-19. Länk

[6] Velodyne. High Definition Lidar. 2013-09-29. Länk 

Uppmärksamhetsdriven bil

Det australiensiska företaget Emotive och Royal Automobile Club of Western Australia har tagit fram en unik lösning för att adressera ouppmärksamhet i trafiken: ett headset som mäter hjärnans elektriska aktivitet och på så sätt tar reda på om föraren fokuserar på körningen eller ej [1].

Headsetet mäter bl.a. hur snabbt och hur länge man blinkar, ögonrörelser, samt huvudlutning. Det har ett skräddarsytt gränssnitt mot bilen (en Hyundai i40) och kan kontrollera bilens hastighet. Om föraren är ouppmärksam ”varnar” det genom att sänka bilens hastighet.

Än så länge har headsetet använts bara i forskningssyften som ett verktyg för studier kring uppmärksamhet. Alla tester utförs på en testbana.

Källor

[1] CNET. Attention Powered Car’ won’t drive unless you’re concentrating. 2013-09-26. Länk

Nissan: först ut i Japan

Nissan har fått tillstånd att testa sitt mest avancerade förarstödsystem i verklig trafik i Japan [1].

Systemet är installerat på en Nissan Leaf och inkluderar en rad olika automatiserade funktioner så som lateral kontroll, körfältsbyte, omkörning av fordon med lägre hastigheter, inbromsning vid köer på motorväg, och stop vid röd trafiksignal.

Det är första gången som en bil med så hög grad av automatisering testas på japanska vägar.

Källor

[1] Nissan Motor Company. Nissan Leaf with highly advanced driver assist system gets first license plate for public road testing in Japan. 2013-09-26. Länk

Egen kommentar

På forskarkonferenser kring fordonsteknik får man se akademisk forskning när den är som bäst, där doktorander fått år på sig för att utveckla nya metoder och ofta är diskussionerna efter presentationerna mycket detaljerade och långvariga.

Det finns också exempel på industriell tillämpad forskning och utveckling där syftet med forskningen ofta är mer fokuserad på produktifiering än i den akademiska forskningen.

Samtidigt som jag imponeras av den kunskap som tas fram på universitet så blir jag ödmjuk för den överblick och integration som behövs för att skapa sömlösa system i fordon som inte bara ska klara extrahera vägmarkeringar på alla olika vägtyper och ljusförhållanden utan också när det ligger snö på och längst vägarna.

Än så länge kör autonoma bilar bara på välkända sträckor under ideala förhållanden och frågan är hur alla specialfall hanteras när man introducerar de första autonoma bilarna.

Förbättrade algoritmer för att detektera vägar och positionera fordon

Under FastZero13 rapporterades förutom projektet kring aktiv styrning och bromsning för att undvika fotgängare, flera projekt kring förbättrade algoritmer för att detektera vägkanter, något som kommer bli viktigt för att kunna hålla autonoma fordon kvar på vägen.

Algoritmerna baserades på både mono [1,2] och stereokameror [2,3]. Även förbättrade metoder för att positionera fordon med hjälp av kända objekt på och längst vägar och mappa dessa mot en digital karta presenterades [4].

Källor

[1] Yasutake Haramiishi, Tatsumi Hioki, Hiroshi Mouri, Ichiro Yamaguchi, Hiroyuki Furusho, Study on the Edge Detection Algorithm applied to Forward Road Image of the Vehicle, Second International Symposium on Future Active Safety Technology Towards zero traffic accidents, September 22-26 2013, Nagoya, Japan

[2] Yusuke Kataoka, Adaptive Parameterization Method with Two Clothoid Models that Extends Range of Lane Detection on Urban Roads, Second International Symposium on Future Active Safety Technology Towards zero traffic accidents, September 22-26 2013, Nagoya, Japan

[3] Ryo Ota, Takuya Naka, Detecting Road Edge by Using Stereo Camera, Second International Symposium on Future Active Safety Technology Towards zero traffic accidents, September 22-26 2013, Nagoya, Japan

[4] Hiroyuki Ishida, Jun-ichi Meguro, Yoshiko Kojima, Localization of Vehicle and Road Markings Using Tensor Representation, Second International Symposium on Future Active Safety Technology Towards zero traffic accidents, September 22-26 2013, Nagoya, Japan

Bosch kombinerar broms och styrning för att undvika kollision med gående

Att automatiskt upptäcka gående i stadsmiljöer är ett angeläget problem för fordonstillverkare och att undvika en kollision med dessa kan vara svårt.

Bosch har i ett forskningsprojekt [1] testat ett system som både svänger och bromsar för att undvika gående som plötsligt dyker upp framför bilen.

En användarstudie med 30 förare utfördes för att undersöka hur den automatiska bromsningen och styrningen påverkar föraren när den aktiveras för att undvika en gående, i detta fall en ballongdocka som dök upp bakom en parkerad lastbil.

Test gjordes även för att se hur förare hanterade en händelse när systemet gjorde undanmanöver trots att det inte fanns någon fotgängare.

I båda fallen behöll föraren kontrollen över bilen genom att göra en motmanöver. Föraren kunde uppfatta dels att det fanns ett hinder och då gjordes en mindre motmanöver än när bilen gjorde undanmanöver när det inte fanns någon gående, då gjorde föraren en större motmanöver.

Källor

[1] Christian Braeuchle, Folko Flehmig, Wolfgang Rosenstiel, Thomas Kropf, Driver Influence on Active Pedestrian Protection Systems with Combined Braking and Steering, Second International Symposium on Future Active Safety Technology Towards zero traffic accidents, September 22-26 2013, Nagoya, Japan

Nya sensorer för autonoma system från Valeo och Bosch

Den franska leverantören Valeo har enligt Autoline Daily [1] nyligen presenterat en ny lågkostnadslidar. Den är ganska kompakt och kan förpackas bakom grillen på en bil. Prismässigt förväntas Valeos lidar ligga på ca 250 USD (jämför med 70.000 USD för Googles lidar!).

Man ska dock ej glömma att den nya lidarn har vissa begränsningar i prestanda i jämförelse med dess dyrare motsvarigheter – Valeos lidar har en detekteringsräckvidd på 150 m, synfält på ca 150 grader och noggrannhet runt ¼ grader.

Bosch [2] har också nyligen annonserat en ny generation av långdistansradar kallad LRR4. Jämfört med dess föregångare är den nya radarn snabbare på att detektera objekt. Den har ett synfält på ca 40 grader och kan detektera bilar på 250 meters avstånd.

Detta innebär bl.a. att den kommer möjliggöra för automatisk nöd-inbromsning och adaptiv farthållare att fungera i hastigheter upp till 160 km/h. LRR4 förväntas vara i massproduktion nästa år.

Egen kommentar

För att möjliggöra självkörande bilar krävs det sensorsystem som i princip har 100% koll 100% av tiden på allt som händer runt bilen. Lyckligtvis verkar det som att sensorsystem förbättras och blir billigare för varje dag.

Att priset på sensorer går ner är en nödvändig aspekt om självkörning ska få en ordentlig chans att slå igenom. Det visar också en undersökning som JD Power presenterat i april: endast 20% av de tillfrågade amerikaner kunde tänka sig att betala 3.000 USD utöver den vanliga kostnaden för att få ett autonomt system i sin bil.

Källor

[1] Autoline Daily. Valeo’s new low-cost lidar. 2013-09-19. Länk

[2] Bosch. Fourth-generation long-range radar. Länk

Självkörning från Oxford University

Oxford University [1] håller på att ta fram en bil som kan köra på egen hand. Driverless future [2] skriver att bilen används mest som en testbädd för testning av navigationsalgoritmer.

Precis som Google använder sig Oxford av a priori kunskap om vägar som bilen kommer att köra på (läs: en avancerad 3d karta).  Skillnaden ligger dock i de sensorer de använder.

Istället för att använda en skräddarsydd och takmonterad 3d lidar i kombination med GPS så som Google gör, använder sig Oxford av mycket enklare, billigare, och mer diskret monterade lidar och kameror.

En annan viktig egenskap är Oxford Universitys sätt att navigera bilen när det råder snöförhållanden. De har utvecklat en s.k. ”erfarenhetsbaserad navigering” som i princip matchar bilden som sensorer ser just nu med bilder av samma plats som tagits vid andra tillfällen.

Källor

[1] Oxford University. RobotCar UK. Länk

[2] Driverless future. Oxford Mobile Robotics advances driverless car research, 2013-09-02. Länk

Egen kommentar

Den här korta genomgången visar att det är flera olika aktörer som ”tävlar” om att vara först ute med självkörande fordon. Det är väl inte så konstigt med tanke på alla fördelar och beröm som kommer med detta!

Men jag kan inte låta bli att undra om (nästan) självkörande fordon framtagna av icke-traditionella tillverkare så som Google och Tesla kommer att vara annorlunda jämfört med fordon från traditionella, väletablerade, tillverkare så som Volvo, Daimler, GM, och Nissan? Om så, kommer den största skillnaden att ligga i teknologin som används för att åstadkomma självkörning, eller kommer den att ligga i antalet funktioner som erbjuds till fordonets användare?

Jag har tyvärr inget direkt svar på dessa frågor, men jag kan konstatera att vi lär få veta detta ganska snart: Flera tillverkare har lovat att de kommer ha autonoma fordon redo senast i slutet av årtiondet. Vissa har till och med sagt att de kommer kunna påbörja försäljning av självkörande fordon år 2020!

Varför bara elektrifierad när den kan vara både elektrifierad och autonom?

Tesla Motors, som gjort sig känt för dess elbilar, lovar nu att inom 3 år komma med en självkörande elbil. Eller rättare sagt, nästan självkörande.

Deras VD säger till Financial Times [1] att de satsar på att ha en bil som kan ta över förarens uppgift i 90% av trafiksituationer. Han menar att helt självkörande (autonoma) bilar kommer att ta mer än 3 år att utveckla.

Teslas nästan självkörande elbil kommer utvecklas av deras egna ingenjörer utan hjälp från andra företag.

Källor

[1] Financial Times. Tesla moves ahead from Google in race to build self-driving cars. Länk