dSPACE travaille d’ores et déjà avec des acteurs automobiles du monde entier pour que la conduite autonome passe du stade de la vision à la réalité. Nous proposons, à partir d’une seule et même source, une chaîne d’outils innovante et évolutive pour le développement et la validation. C’est ainsi qu’une vision devient réelle encore plus vite.
Environnement de développement et de test intégral
Afin de vous aider à amener le concept de la conduite autonome sur la route, dSPACE propose une offre de solutions et de services complète pour le développement et la validation suivant les données. Ceci permet d’assurer un traitement efficace et direct des données à toutes les étapes du développement, de l’enregistrement des données aux tests de release ou d’approbation.
- Data logging: robust in-vehicle data logging system with outstanding performance for recording sensor raw data and vehicle bus data
- Data enrichment: data selection, anonymization, and annotation (ground truth) with best-in-class quality
- Machine learning & in-vehicle prototyping: Big data management, AI training, and systems for in-vehicle prototyping
- Data replay: time-synchronous replay of sensor raw data and vehicle bus data with exceptionally high streaming bandwidth
- Production software development: modeling, high-quality code generation, and verification for AUTOSAR Classic and Adaptive, and other platforms
- Scenario generation: automated generation of simulation scenarios from sensor raw data or object lists
- Vehicle, environment, and sensor simulation: highly realistic and validated simulation models
- Scenario-based testing: validating software for autonomous driving by automatically performing and evaluating millions of tests with an end-to-end solution for SIL, HIL, and simulation in the cloud
- Data and test management: central management of measurement, simulation, and test data
- Release testing: verification and validation strategy according to ISO 26262 and ISO/PAS 21448 (SOTIF) to achieve homologation with optimized processes
- End-of-line sensor testing: precise, cost-efficient, high throughput testing of radar control units
- Periodic technical inspections: verifying functionality, safety, and conformity of radar-based environment detection units for vehicles
La chaîne de traitement des capteurs pour la conduite autonome est généralement constituée de différentes étapes. Tout d’abord, les données brutes du capteur doivent être prétraitées (perception). L’objectif est de détecter les objets statiques ou dynamiques et leurs caractéristiques ainsi que les espaces libres dans l’environnement du véhicule à partir d’images individuelles ou de points de réflexion. Pendant l’étape suivante, les résultats sont combinés et rassemblés sous la forme d’un modèle d’environnement cohérent (fusion de données). Pour ce faire, la synchronisation temporelle et la corrélation des données des capteurs sont importantes. De plus, il est nécessaire de connaître la position exacte et la trajectoire du véhicule en se basant sur 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 des 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 haute performance et qui alimentent en données brutes les capteurs réels connectés, tels une caméra ou un radar. Il existe différentes options d’intégration des capteurs selon le type de données considéré et la couche à stimuler. Ces options peuvent aller jusqu’à la stimulation directe de la tête du capteur, soit par radiofréquence comme pour un radar (stimulation Over-The-Air), soit par un câble haute fréquence avec un système GNSS (Global Navigation Satellite System) ou encore via des signaux V2X (Vehicle-to-X). Il est souvent indispensable d’utiliser les capteurs réels dans l’environnement de test vu que le prétraitement des signaux, la fusion des données capteur et la reconstitution du modèle d’environnement dans l’unité de contrôle du capteur ont un impact très fort sur la chaîne de traitement.
Solution tout-en-un assistée par intelligence artificielle pour le développement orienté données de véhicules autonomes (Autonomous Vehicles – AV), de l’enregistrement et de l’enrichissement des données à la génération de scénarios basés sur le monde réel pour la simulation à grande échelle.
Prototypage rapideDéveloppement d’algorithmes de perception, de fusion et applicatifs avec les systèmes de prototypage dSPACE et RTMaps
Simulation MIL/SILTest des fonctions de conduite automatisée en simulation Model-In-the-Loop (MIL) ou Software-In-the-Loop (SIL) sur des PC standards ou des clusters informatiques
Simulation HILTest des systèmes de conduite automatisée et des chaînes de traitement capteur complètes en laboratoire
Vue d’ensemble des outilsUne chaîne d’outils bien coordonnée avec des outils qui interagissent de manière optimale tout au long du développement
VidéosUne sélection de vidéos dSPACE sur les systèmes avancés d’aide à la conduite (ADAS) et sur la conduite autonome
Service dSPACE de conseilLe service dSPACE de conseil propose des projets de conseil afin de vous assister lors de la définition de vos processus et de leur optimisation à travers les phases du développement de votre calculateur, que vous utilisiez les outils dSPACE ou non.
-
- Afficher en ligne
- Téléchargement
S'inscrire à la Newsletter
S’abonner à nos newsletters, gérer ses abonnements ou se désabonner