Le LiDAR est l'équipement phare de la voiture autonome. Il est utilisé pour détecter les obstacles et adapter les déplacements en conséquence. Pourtant, quatre défauts majeurs sont à corriger pour faciliter la démocratisation des voitures autonomes.
Aujourd'hui, le LiDAR est un composant essentiel des systèmes de conduite autonome. Cet appareil qui émet un faisceau laser et en reçoit l'écho permet à un véhicule doté d'un tel système de positionner les obstacles présents sur son chemin. Selon DesignNews, un magazine Web consacré aux enjeux de l'électronique embarquée, le LiDAR doit encore s'améliorer. Il identifie quatre points sur lesquels les fabricants et les constructeurs automobiles doivent travailler.
Nous reprenons ici les arguments du magazine et les étoffons avec nos propres observations.
1. Le LiDAR, c'est cher
Comme beaucoup de composants présents dans les voitures autonomes, le LiDAR est cher, très cher. Suivant la précision souhaitée, un fabricant peut vendre ce produit entre 3000 et 15 000 dollars. Ce tarif ne permet pas pour l'instant d'envisager la production en masse de voitures autonomes. Selon ABI Research, les constructeurs automobiles estiment que le coût acceptable se situe dans une fourchette comprise entre 100 et 250 dollars.
Selon Mike Ramsey, analyste spécialiste du marché automobile chez Gartner, cela prendra plus de temps que prévu. À titre de comparaison, un radar de détection coûtait 15 000 dollars il y a 15 ans. En 2018, le prix avoisine les 50 dollars.
Des startups, des entreprises développent et optimisent des technologies permettant de réduire les coûts du LiDAR. Cela passe notamment par l'adoption de semiconducteur CMOS. Cependant, certains analystes estiment que l'objectif de réduction de prix visé par les industriels ne sera pas atteint avant 10 ans. Verra-t-on la production de masse de voitures autonomes en 2028 ?
2. Le LiDAR ne perçoit pas son environnement assez loin
Deux modèles de LiDAR sont disponibles sur le marché. Le premier propose une longueur d'onde de 905 nanomètres, tandis que le second grimpe jusqu'à 1550 nanomètres. Cette deuxième option permet, en principe, de percevoir une distance de 400 mètres. Problèmes, la plupart des équipements ne “voient” que jusqu'à 100, 200, voire 300 mètres.
Et encore, ces distances maximales ne prennent pas en compte les défauts de vision du LiDAR. Ces équipements peuvent être perturbés par la lumière, par les surfaces réflectives, par les objets sombres, etc. Il faut pouvoir gérer ces différents paramètres en temps réel.
3. Le LiDAR n'apporte pas assez de sécurité
La télémétrie laser est une technologie importante dans l'existence des véhicules et robots autonomes. Nous évoquions précédemment les défauts du LiDAR. Ces équipements peuvent être en effet perturbés par des lumières fortes, les objets sombres ou encore les surfaces réflectives. Mais d'autres événements mettent en défaut les télémètres laser. Les premières nappes de brouillard du matin, les blizzards, le soleil brillant dans un horizon blanchâtre, les éclaboussures sur l'appareil en lui-même sont autant d'éléments qui causent, pour l'instant, des dysfonctionnements. En conséquence, les voitures autonomes ne peuvent pas encore circuler dans toutes les conditions. Il existe pourtant un moyen d'améliorer la sécurité des passagers. C'est là que les algorithmes entrent en jeu.
4. Les algorithmes associés au LiDAR ont besoin d'être plus performants
Dans une ère du véhicule autonome, le roi n'est pas le composant. Bien sûr, il faut qu'il soit solide, qu'il puisse évoluer pendant 10 ans ou plus sans jamais faillir. Certains véhicules auront besoin de rouler pendant 24 heures d'affilée. Mais pour cela, les algorithmes sont essentiels. Si les données ne sont pas correctement analysées alors les passagers d'un véhicule autonome courent un grand risque. Ces suites de règles formelles doivent être rapidement confrontées à la réalité.
Il faut pouvoir combiner les algorithmes associés à la télémétrie laser et ceux pilotant la vision par ordinateur. Dans l'idée, le premier détecte la distance avec les obstacles, le second les identifie formellement. Pour cela, les défauts inhérents à l'environnement routier ( météorologie, couleur des véhicules, reflets, éclairages, etc.) doivent être diminués. Ainsi, il faut poursuivre l'amélioration du traitement des données afin que les zones d'ombres ou blanches sur une image ne soient plus des menaces.
- Partager l'article :
