Le sujet de la conduite hautement automatisée est au centre des activités de développement de nombreux constructeurs automobiles. Les exigences telles que la vue environnementale à 360°C redondante avec de nombreux capteurs hétérogènes, le positionnement haute-précision ou la connectivité automobile sont également des défis que relèvent les fournisseurs d’outils.

La réponse dSPACE à ces défis est une chaîne d’outils complète pour la conduite autonome provenant d’un fournisseur unique. Des solutions de prototypage rapide uniques pour des plates-formes haute-performance et un environnement logiciel sur mesure adapté aux développements complets d’applications à capteurs multiples à bord du véhicule ; depuis les algorithmes de perception et de fusion jusqu’aux commandes temps réel. L’augmentation considérable des efforts de test peut être entièrement gérée en faisant passer les tests à la simulation Software-In-the-Loop (SIL). Les clusters informatiques (PC clusters) permettent un haut débit de tests grâce à la mise en parallèle des nœuds informatiques et des simulations tout en maximisant l’évolutivité. Pour les tests de release, la simulation Hardware-In-the-Loop (HIL) reste indispensable. L’un des plus grands défis dans ce contexte est d’intégrer des capteurs environnementaux réels tels qu’une caméra, un radar ou un lidar, et la fusion du capteur. dSPACE propose une palette complète d’options d’intégration allant de la simple simulation du restbus et de l’alimentation en données brutes à la stimulation par réseau cellulaire (over-the-air).

Les liens de causes à effets dans la conduite autonome consistent généralement en différentes étapes de traitement. Tout d’abord, les données brutes du capteur doivent être prétraitées (perception). L’objectif est de détecter les caractéristiques et les objets statiques ou dynamiques ainsi que les espaces libres dans l’environnement du véhicule à partir d’images simples ou de points de réflexion. Pendant l’étape suivante, les résultats sont fusionnés et rassemblés sous forme d’un modèle d’environnement cohérent (fusion de données). Pour ce faire, la synchronisation temporelle et la corrélation des données du capteur sont importantes. De plus, il est nécessaire de connaître la position exacte et la trajectoire du véhicule à partir d’une carte haute définition (localisation).

À partir du modèle d’environnement, la situation autour du véhicule est analysée, les trajectoires de conduite possibles sont planifiées, la décision pour une certaine manœuvre est prise et le contrôle longitudinal et latéral est effectué.

Une simulation complète et détaillée de l’environnement réel est à la base d’une validation réussie. L’utilisation de modèles de capteur adaptés et l’intégration des capteurs réels à l’environnement de test jouent un rôle important. Le panel de modèles de capteur s’étend de variantes indépendantes de différentes technologies qui génèrent des listes d’objets directement depuis les informations fournies par le modèle environnemental, à des modèles phénoménologiques ou physiques qui sont typiquement calculés sur un GPU à haute performance et qui alimentent les capteurs réels connectés comme une caméra ou un radar, en données brutes. Il y a des options d’intégration différentes pour les capteurs dépendants du type de données et de la couche à stimuler. Ces options peuvent aller jusqu’à la stimulation directe du capteur frontal soit par réseau cellulaire comme un radar soit par un câble HF avec GNSS (Global Navigation Satellite System) ou par des signaux V2X (Vehicle-to-X). Il est souvent indispensable d’utiliser les capteurs réels dans l’environnement de test vu que le prétraitement de signal, la fusion de données du capteur et la création du modèle d’environnement dans l’unité de commande du capteur ont un très fort impact sur les liens de causes à effets.