センシングシステムがADAS機能をどう駆動するか

自動運転システム向けセンサーの最新情報を知るため、アルベルト・マリノーニ氏（TDK/InvenSense製品マーケティングディレクター、カリフォルニア州サンノゼ）にインタビューしました。

一般的に使用される用語「先進運転支援システム（ADAS）」は、本質的にSAEレベル2（L2）、部分運転自動化を指します。このレベルでは、ドライバーは車内にいて注意深くなければなりません——例えば本を読むことはできません。それはレベル3以上を必要とします。（最高レベルの5は、人間が車両に全く乗る必要のない完全自動運転車です。）

レベル2では、アプリケーションに応じて、車を縦方向（加速/減速）または横方向（ステアリング）で自動制御できます。しかし、ドライバーは同乗し、道路に目を向け、必要に応じて制御を引き継ぐために注意深くなければなりません。対照的に、レベル1では自動ブレーキ/加速または横方向ステアリングのいずれかのみ可能で、両方はできません。

L2には、カメラ、レーダー、慣性計測ユニット（IMU）など複数のセンサーがあります。全地球航法衛星システム（GNSS）、例えばGPSも含まれます。

特定のL2アプリケーションでは、必ずしも大半ではありませんが、LiDARも利用可能ですが、これは主にレベル3向けです。L2に常に含まれるわけではないのは、他の技術に比べて高コストだからです。マリノーニ氏は、レーダーが長距離検出器——遠距離での障害物検出用——であり、車の前方に何かがあることを警告するために使用されることを説明しました。LiDARは、車両により近い物体を詳細に認識することで自動化に貢献します。また、周囲をスキャンして直近環境の情報を取得できます。この情報は、慣性ナビゲーションシステム（INS）——IMUとGNSSで構成——を用いて地球に関して地理参照し、車の絶対位置を特定できます。INSからの絶対位置情報とLiDARベースの相対的周囲環境画像を組み合わせることで、3Dマップを構築し、物体を精密に位置特定できます。

慣性計測ユニット

TDK/InvenSenseのIMUは、同じハウジングに2つのMEMSコンポーネントを持っています：3軸加速度センサーと3軸ジャイロスコープ。加速度センサーは静的（例：重力）と動的加速度の両方に3軸すべてで感応し、IMUの傾斜角を決定するのに使用できます。ジャイロスコープは主に、重力に加えて角速度がある動的条件で使用されます。これら2つのセンサーの出力を数学的に組み合わせて、システムの姿勢を決定します。

今日の一般的な傾向は、各センサーの隣にIMUを配置して検出精度を高めることです。

加速/減速

マリノーニ氏によると、最も重要な減速機能は緊急ブレーキと衝突回避です。これらのアプリケーションでは、レーダーなどのセンサーが車の前方をスキャンし、物体や人を探します。スキャンデータは中央処理ユニットに送られ、車両を停止させる必要があるか判断します。そうであれば、ドライバーがブレーキペダルを踏んで衝突前に車を止めるのと同じように、アクチュエーターに信号を出力します。

IMUはここで重要な役割を果たします。レーダーセンサーは通常車両のバンパーに取り付けられ、道路と平行であれば完璧に動作します。しかし、何らかの理由でバンパーが変形していると、レーダー情報は信頼できなくなります。レーダーセンサーの隣に取り付けられたIMUが傾斜を動的に監視し、補正情報を提供できます。同じコンセプトがカメラモジュールにも適用されます。

ステアリング

今日の車両には、ADAS用に10個以上の複数のカメラがあります。しかし、運転中は振動が多いため、カメラモジュールが撮影する画像がぼやけることがあります。各カメラの近くにIMUを配置すれば、カメラが写真を撮る正確な瞬間に加わった振動を簡単に測定できます。この情報で画像を安定化し、ノイズをクリアにしてクリアな視界を得られます。

典型的なカメラベースアプリケーションはアクティブレーンキーピング支援です。これには通常、ルームミラー近くにカメラがあり、車線線を検知して画像処理を行います。このアプリケーションでは画質が重要です。車線を認識し、車がそれを越えているかどうかを判断する必要があるからです。カメラの隣にIMUを取り付けて安定化することで、よりクリアな画像が得られ、中央プロセッサーの計算負荷を軽減できます。一部のレーンキーピングアプリケーションではドライバーに警告し、ステアリングを制御して車線内に留まるよう促します。他のアプリケーションでは、この情報を車が直接ステアリング制御に使用して自動的に車線内を維持します。

センサーフュージョン

マリノーニ氏にADASにおけるセンサーフュージョンの役割を尋ねました。彼は、複数のセンサーからの情報を組み合わせて、個々のセンサーの合計より優れた出力を提供できるアルゴリズムだと説明しました。

一例はINSです。GNSSが衛星から情報を受信して車両の絶対位置を決定します。しかし、GNSS情報が信頼できない条件があります。例えばトンネル、都市峡谷、立体駐車場です。したがって、GNSSの近くにIMUを配置し、GNSSが利用できないときにシステム位置を計算する必要があります。GNSSモジュールで実行されるセンサーフュージョンアルゴリズムが、IMUとGNSSからの情報を組み合わせて、すべての条件下で信頼性の高い位置を生成します。これは、IMUとGNSSがそれぞれの強みと弱みで補完し合うため、システムを最適化します。融合アルゴリズムは、GNSSが信頼できないときはIMUからの情報を保持し、車が開けた空の条件にあるときはGNSSシステムからの情報を使用します。良好なGNSS信号があるとき、融合アルゴリズムはGNSSデータでIMUをキャリブレートし、GNSSが利用できないときに備えます。

デッドレコニング

GNSS信号が利用できないとき、IMUは最後に受信した絶対位置からデッドレコニングでナビゲートします。そこからジャイロスコープ情報を時間で積分し、位置を更新します。良好なジャイロスコープ情報と良好なタイミングがあれば、良好な結果が得られます。しかし、ジャイロスコープ出力が良くてもタイミングが良くなければ、結果は不良です。両方が不良なら完全に悪い結果です。積分を行うため、エラーが蓄積し、一定時間後にはデッドレコニング結果がもはや許容できなくなる可能性があります。

トンネルや都市部を運転していて、GNSS信号が十分長く悪い状態なら、IMUベースのデッドレコニングは信頼できません。そのような条件下では、自動車メーカー次第です。ドライバーアラートを開始できます。ドライバーがアラートに反応しなければ、2回目のアラートを生成できます。それでも無視されれば、ADASが制御を引き継ぎ速度を落とせます——ただし車を停止させるのは危険です。OnStarなどへの通報でドライバーの安全を確認するなど、追加のアクションも可能です。状況管理には複数の方法があります。

ADASシステムの信頼性

ADASシステム自体の信頼性は明らかにクリティカルです。データ完全性はすべての条件下で保証されなければなりません。マリノーニ氏によると、ADAS向けTDK/InvenSense 6軸IMUには、自動車安全性統合レベル（ASIL）レベルBまでの要件を満たすシステム向けに開発された組み込み診断が含まれています。中央ユニットとの通信が信頼できない場合、例えばドライバーに警告するアラームを生成できます。組み込み安全チップには、システムのすべてのブロックの機能を継続的にチェックするメカニズムが含まれます。コンポーネントが加速度センサー、ジャイロスコープ、デジタルロジック、通信バスの故障を検知すると、システムにアラームを送り、センサーからの情報がもはや信頼できないことを認識させます。自己診断は自動車安全アプリケーションで義務付けられており、特に速度、ブレーキ、ステアリングを制御する場合です。これらの問題はASIL仕様で扱われています。しかし、レベル2アプリケーションでなくても、電子安定制御のようなシステムも100%信頼性がなければなりません。

現在地と今後

マリノーニ氏に、この技術が今どこにあり、将来何が期待できるかを尋ねました。「現時点では、レベル2は現実です——すでに路上にあります」と彼は言いました。「しかし、今から2030年までIMU搭載台数が1000万台未満から4000万台超へ増加すると予想され、今はラップアップ中です。」次のステップ、レベル3では、主な変化はLiDARのような新技術の導入になるでしょう。「我々のIMUの観点からは、6軸統合のおかげでL3アプリケーションにはすでに対応済みです」と彼は言いました。

彼は、この分野の次のイノベーションポイントは消費電力削減になる可能性があると続けました。一部のADASアプリケーションはエンジンオフ時でもオンである必要があります。そのため、アプリケーション内の各コンポーネントの消費電力が重要です。過去にはアプリケーションがエンジンオン時のみ実行されていたため、それは問題になりませんでした。しかし今、メーカーは仕様に消費電力を含めるように変更しています。

最後に、デッドレコニング積分が時間経過による累積エラーの影響を受けるため、特に自動運転車では、コンポーネントのノイズをさらに低減し、センサー性能を向上させ、より長いデッドレコニング積分を実装し、総エラーを制御下に置くことがもう1つの重要なポイントです。

次に、マリノーニ氏にレベル3がいつ頃路上に登場するか尋ねました。彼の推測では、L3市場で大きな動きが見られるのは2025年までではないだろうとのことです。

「もう1つ重要なトピックですが、理論ベースではなく経験則です——L2システムには2つの並列技術で十分です。L3システムでは、精度、安定性、性能を保証するために少なくとも3つの技術を組み合わせる必要があり、おそらくL4では4つ必要です。これが、性能と安全性を保証する複雑さの感覚を与えてくれるはずです」と彼は言いました。これにより、必要なアルゴリズムとコンピュータリソースへの要求が高まります。そこでは5Gが登場し、計算の多くをクラウドに移すことを可能にするでしょう。もちろん、それはハッキングの可能性への扉も開きます。

この記事は、センサーテクノロジー編集者Ed Brownによって執筆されました。詳細については、こちらをご覧ください。