Analogtipp Datenkohärenz und Timing bei Navigationssystemen für AGV

Bei Navigationssystemen in autonomen Fahrzeugen (AGV) kommen häufig MEMS-Inertialsensoren zu Einsatz. Dieser Tipp beschreibt, wie sie an die Datenraten der Auto-Computer-Plattformen angepasst werden können.

GNC-Systeme (guidance, navigation & control) erweitern die von Satellitennavigationssystemen gebotenen PNT-Dienste (position navigation timing). Sie eignen sich auch für den Einsatz in autonomen Fahrzeugen. Bei der Entwicklung der GNC-Systeme für Fahrzeuge werden häufig MEMS-Inertialmesssystemen (IMU) eingesetzt, die allerdings an die Datenraten der Computer-Plattformen angepasst werden müssen, damit sie ihre optimale Leistung erreichen.

MEMS-Beschleunigungsmesssysteme bestehen aus je drei gemeinsamen linearen und Drehratensensoren (Gyroskope), die um drei orthogonale Achsen angeordnet sind. Bild 1 illustriert den Referenzrahmen zur Beschleunigungsmessung ADIS16576 mit der Polarität jedes Sensors und den Achsenzuordnungen.

Bildergalerie

Bild 2 zeigt ein vereinfachtes Ablaufdiagramm für die Haupt-Datenverarbeitungsschleife eines autonom agierenden Fahrzeugs, das Videodaten, auf den Radumdrehungen basierende Geschwindigkeitsmessung und GPS für die Trägheitsnavigation und Nachverfolgung nutzt.

Die Hauptmessschleife empfängt Daten von der Videokamera und den Geschwindigkeitsgebern mit einer Datenrate von 50 Hz, wobei sie GPS/PNT-Daten mit einer Rate von 10 Hz aktualisiert. In der neuen Systemgeneration müssen Betreiber von autonom fahrenden Fahrzeugen zusätzliche Sensoren zum Managen von partiellen GPS-Unterbrechungen (solche, wenn nur zwei GPS-Satelliten zur Verfügung stehen) evaluieren und sie müssen sie auf GNC-Systeme aktualisieren, um die Geschwindigkeit der Datenerfassung bei Offroad-Strecken zu verdoppeln.

Schleifen-Aktualisierungsrate und Abtastrate

Die erste Herausforderung ist dabei, die große Lücke (um Faktor 80) zwischen der Schleifen-Aktualisierungsrate und der Abtastrate zu schließen, damit die MEMS-IMU die beste Leistung und einen optimalen Betrieb bietet. Um die Datenverarbeitungsschleife des GNC-Systems zu verbessern, sind wesentliche Veränderungen notwendig, die jedoch für einen ersten Prototyp und vorläufige Feldversuche nicht praktikabel sind. Daher müssen Datenreduzierung, Zeitkohärenz, Synchronisierung und Pufferung optimiert werden.

Bei einer reduzierten Datenmenge können jedoch die Signale unterabgetastet werden, was Fehler zur Folge haben kann. Das ist der Fall, wenn Plattformen für das autonome Fahren in der Rückkopplungsschleife von der MEMS-IMU abhängig sind: bei hochdynamischen Bewegungen und komplexen Umgebungsprofilen. Die Sensoren und Signalketten der MEMS-IMU haben häufig Bandbreiten, die größer sind als die der meisten Datenerfassungsplattformen in autonom agierenden Fahrzeugen.

Eine geeignete Methode zum Managen dieser Schwachstelle ist der Einsatz von digitalen Filtern in der Signalkette der MEMS-IMU. Wird z.B. im System in Bild 2 der Bartlett-FIR-Filter des ADIS16576 auf 64 Taps pro Stufe eingestellt, wird die Grenzfrequenz auf ungefähr 20 Hz reduziert. Das Einstellen des Dezimierungsfilters auf durchschnittlich 80 sequenzielle Abtastungen für jede Datenaktualisierung reduziert seine Ausgangsdatenrate (ODR = output data rate) auf 50 Hz.

Wenn man diese Filter einsetzt, muss man sicherstellen, dass die Datenbreiten das daraus resultierende Bit-Wachstum auch unterstützen. In diesem speziellen Beispiel muss der Systemprozessor zwei 16-Bit-Register (insgesamt 32 Bit) für jeden Beschleunigungssensor erfassen. Dieses Anpassen (32 Bit Beschleunigungsdaten) verlängert die Zeitspanne der Kommunikationssequenz von 24 auf 40 µs, wenn man einen Burst-Lesebefehl mit einer seriellen Taktfrequenz von 8 MHz und einer Zuteilung von 4 µs für den Kommunikations-Overhead nutzt.

Die nächste Möglichkeit zur Optimierung ist eine Zeitkohärenz zwischen der Datenrate der IMU und einem Referenz-Systemtakt. Um das zu illustrieren wird die Video-Synchronisierungsrate (video sync, 50 Hz) als der Systemreferenztakt definiert. Wenn er in der Fabrikkonfiguration betrieben wird, nutzt der ADIS16576 eine interne Taktreferenz, die eine gewisse Abweichung vom Video-Synchronisierungssignal aufweist.

Wenn die Ausgangsdatenrate der IMU geringer als das Video-Synchronisierungssignal ist, werden die Zustandsdaten nur gelegentlich gelesen. Ist die ODR der IMU größer als das Video-Sync-Signal, gehen Abtastungen verloren. Die Häufigkeit mit der dies auftritt, hängt vom Umfang der Fehlanpassung zwischen jedem Takt ab. Eine weitere Einschränkung ist, dass die Latenz der IMU-Daten für einen vollständigen Abtastzyklus (20 ms = 1/50 Hz) variiert.

Bessere Zeitkohärenz und Latenz

Eine Methode für das Erstellen einer besseren Zeitkohärenz besteht darin, das Datenbereitschaftssignal der IMU zu nutzen, um ihre Datenaufnahme zu triggern. Bild 3 zeigt einen Ablaufplan, der die IMU-Daten nach zwei unterschiedlichen Aktivitäten überprüft. Diese Methode eliminiert das Problem verlorener Datenabtastungen und etabliert einen zeitlich kohärenten Fluss von IMU-Daten mit der Datenrate der Hauptmessschleife von 50 Hz.

Eine weitere Methode für die Zeitkohärenz und präzise Latenz besteht darin, externe Synchronisier-Möglichkeiten der MEMS-IMU zu nutzen. Der ADIS16576 bietet dazu zwei Möglichkeiten: direkt und skaliert. Ein skalierter Synchronisier-Modus ist die beste Betriebsart für den Ablaufplan in Bild 2. Da der Systemtakt bei 50 Hz liegt und dieser Baustein seine beste Leistung bei 400 Hz liefert, setzt man die Taktskalierung auf Faktor 80. Verwendet mit der On-Bord-Filterung hat der Ausgang immer noch eine Bandbreite und eine ODR von 20 Hz, aber mit einer festen Latenz in Bezug auf die System-Taktreferenz (video sync).

Eine Datenpufferung ist eine nützliche Technik für Anwendungsfälle mit maximalen Datenabtastraten, die aber ihre ersten Feldversuche mit Plattformen beginnen müssen, die nur synchrone Datenkommunikation bieten. Systemarchitekten können die Datenzwischenspeicherung implementieren, indem sie dies als Anforderung bei der Auswahl ihrer IMU festlegen oder indem sie die IMU mit einem eingebetteten Co-Prozessor kombinieren.

Nutzt man das gleiche Beispiel aus Bild 2, sperrt dabei aber sämtliche interne Filterung im ADIS16576, sammelt der interne FIFO 80 Abtastungen während eines Datenzyklusses auf der Hauptdatenschleife. Da diese Konfiguration keine Filterung nutzt (in der Signalkette der IMU), können Systeme die Kommunikationszeiten optimieren, indem sie 16-Bit-Datenformate verwenden. Deshalb kann der Prozessor für autonomes Fahren in weniger als 4 ms alle 80 Datenabtastungen, für alle sechs Beschleunigungsabtastungen sammeln, wenn er einen seriellen Takt von 8 MHz und eine Überbrückungszeit von 6 µs zwischen jedem 16-Bit-Kommunikationssegment nutzt. (kr)

* Mark Looney ist Applikationsingenieur bei Analog Devices.

(ID:50298239)