jueves, 13 de marzo de 2025 · 0 min read
Pruebas ADAS para tractores - detección de usuarios vulnerables de la carretera (VRU)
Los sistemas avanzados de asistencia al conductor (ADAS) se han extendido ampliamente en automóviles, vehículos comerciales ligeros y camiones pesados. Lo que es menos conocido es que los fabricantes también aplican estos sistemas ADAS en máquinas agrícolas en movimiento. Los llamados "tractores rápidos", que superan los 60 km/h, generan la necesidad de contar con sistemas de seguridad activa, como el ABS y el control de estabilidad del vehículo. LEANE utilizó el hardware y software DAQ de Dewesoft para calcular parámetros como distancia, posición y ángulo durante las pruebas de ADAS.
El término Usuario Vulnerable de la Carretera (VRU) se utiliza principalmente para describir a las personas que se encuentran en el rango de vehículos sin la protección de un escudo externo, ya sea en la vía pública o en el campo. Los VRU incluyen peatones, ciclistas y otros usuarios no motorizados de la vía, quienes tienen un mayor riesgo de sufrir lesiones en una colisión.
La empresa de ingeniería Leane lleva aproximadamente 50 años en el mercado italiano. Desde 1978, su División Automotriz ha brindado a sus clientes soluciones llave en mano para la adquisición de datos de vehículos. Con años de experiencia y una alta especialización en ingeniería, Leane apoya a sus clientes desde la elección del sensor hasta la elaboración del informe final. La empresa ofrece dispositivos autónomos y la capacidad de construir soluciones completamente personalizadas para las aplicaciones del cliente, desde un sensor único hasta un sistema completo de medición llave en mano, pasando por pruebas en carretera y simuladores de conducción.
Los fabricantes de maquinaria agrícola, como tractores y los innumerables tipos de implementos que arrastran o utilizan, están trabajando para desplegar los siguientes sistemas ADAS con el fin de mejorar la protección de los VRU:
Monitoreo de Punto Ciego (BSM)
Sistema de Información del Punto Ciego (BSIS)
Señal de Información de Arranque (MOIS)
Muchos actores, incluidos OEMs, proveedores de primer nivel y compañías de seguros, impulsan acciones y proyectos para aumentar la seguridad y definir las futuras regulaciones.
The applicationLa aplicación
El Centro Nacional de Investigación para la Agricultura (CREA) es responsable de una de estas iniciativas. CREA se dedica a las cadenas de suministro agroalimentarias y cuenta con acreditación de la OCDE para certificar tractores agrícolas y forestales.
El centro inició una campaña de pruebas preliminares a multas de 2023, centrada en la detección de Usuarios Vulnerables de la Vía (VRU) en los tractores agrícolas que circulan y en torno a un maniquí peatonal. Entre los desafíos críticos en este tipo de aplicación en el contexto agrícola se encuentran cuestiones como:
La configuración del tractor puede variar considerablemente: las diferentes tareas requieren diversos implementos montados en el tractor, lo que afecta de forma variable tanto el campo de visión del operador como el alcance de los sensores.
La maquinaria opera en diferentes escenarios: en la carretera, en el patio para el manejo de materiales, en el campo o entre árboles. Dentro de su rango de operación, las máquinas pueden encontrarse con VRU y objetos de muchas formas diferentes.
La primera sesión permitió que algunos proveedores y universidades mostraran el potencial de sus soluciones basadas en cámaras o radares para la detección de VRU y obstáculos montados en tractores de producción. Demostraron la capacidad de detectar un maniquí peatonal sin implementar una integración de sistema de control a bordo.
En esta fase, el objetivo era realizar algunos escenarios simples. Las pruebas se llevaron a cabo sobre una superficie de asfalto limpia, con los tractores acercándose a un maniquí peatonal estático siguiendo diferentes trayectorias y en distintos ángulos.
Se utilizó un Sistema de Navegación Inercial (INS) con cinemática en tiempo real DGNSS (RTK) como referencia de verdad en tierra para obtener la posición absoluta precisa del maniquí y su distancia relativa respecto al tractor, a fin de verificar el rendimiento del sistema de detección.
Se planificarán futuras sesiones de prueba con escenarios más complejos en los que participen robots de conducción y plataformas robóticas portadoras de VRU.
El escenario de prueba
Configuramos los escenarios de prueba en la pista de asfalto del campo de pruebas CREA. Esta área consta de un óvalo con una plaza central que puede servir como intersección o para realizar maniobras de curva a velocidad moderada.
Realizamos dos casos de prueba, escenarios A y B:
A) El maniquí peatonal se encuentra en una esquina, mientras el tractor se mueve dentro de la misma a diferentes velocidades y trayectorias (interior/exterior) - ver Figura 8.
B) El maniquí peatonal está en la recta, mientras el tractor circula a diferentes velocidades y con distintos desplazamientos laterales a lo largo de ella - ver Figura 9.
Los ingenieros ubicaron el objetivo peatonal en RefPoint1 para el escenario de prueba A y en RefPoint2 para el escenario B - ver Figuras 1 y 2.
La vista de la pista a continuación muestra el maniquí ubicado en RefPoint2 y algunos conos utilizados para marcar las trayectorias de los casos de prueba.
El equipo de prueba
El equipo utilizado para las pruebas de inclusión:
Maniquí adulto peatonal estático MoshonData MD-PT
Sistema de Navegación Inercial (INS) - Genesys ADMA Speed con RTK vía NTRIP
Dewesoft DEWE-43A sistema de adquisición de datos
Cámara web USB
Portátil con software de adquisición de datos DewesoftX, con receptor Ethernet y extensiones Polygon.
La configuración del sistema (Figuras 3 y 4) también incluía un sniffer Ethernet con capacidades básicas de filtrado y decodificación de datos para extraer canales de datos de flujos Ethernet. El sniffer permite filtrar flujos por parámetros como dirección MAC e IP, puerto de origen y destino, o mediante filtros de datos manuales. Puede codificar datos en diferentes formatos (Intel, Motorola, con signo, sin signo). Es posible utilizar escalas IEEE floatLinear e IEEE no lineales (polinómicas).
El complemento Polygon de DewesoftX es una herramienta para calcular parámetros como distancia, posición o ángulo entre objetos en movimiento o estáticos, como automóviles, conos, pistas o líneas.
El complemento puede ser la base para cualquier prueba de vehículos autónomos o no autónomos, tales como:
Frenado de emergencia autónomo (AEB)
Cambio de carril
Advertencia de salida de carril (LDW)
Circle drive
Slalom
Advertencia de colisión
Prueba de rendimiento
Ruido de paso
Pruebas de seguridad funcional
Dinámica del vehículo
y otros
También permite la importación de trayectos desde archivos grabados previamente con una precisión de hasta 1 cm y ofrece una visualización 3D totalmente ajustable para facilitar el análisis de datos y la guía en tiempo real del conductor.
La lista no incluye el equipo prototipo, es decir, los sistemas de detección basados en radar o en cámara, y debido a cuestiones de confidencialidad, no podemos compartir las señales adquiridas.
Configuración Dewesoft
En este caso, el sistema de adquisición de datos DEWE-43A capturó los datos del bus CAN, ya que no instalamos sensores analógicos en el tractor.
Para mayor comodidad, instalamos el sensor Genesys ADMA Speed en la parte superior de la cabina, justo sobre la cabeza del conductor. Además, configuramos el ADMA para que envíe los datos de medición en el PointOfInterest1 (POI1), ubicado en el centro frontal del tractor. Un servicio NTRIP DGNSS proporcionó datos RTK que aseguraron una precisión a nivel de centímetros en la posición absoluta del tractor.
El receptor de complemento Ethernet capturó el flujo de datos provenientes del ADMA.
El complemento DewesoftX Polygon ofreció una representación 3D del campo de operación. El software también calculó los canales que suministran información sobre la posición relativa del tractor respecto al maniquí estático, es decir, ReferencePoint1 y ReferencePoint2.
Para mayor comodidad, configuramos el sistema de coordenadas en ReferencePoint2, con el eje X orientado en la dirección recta. De este modo, las coordenadas de ReferencePoint2 —donde se encontraba el maniquí en el escenario de prueba B— coinciden.
Luego, configuramos las coordenadas de ReferencePoint1, haciendo referencia a las coordenadas POI1, cuando la parte frontal del tractor estaba cerca del maniquí en ReferencePoint1; Véase la Figura 5.
Después de esto, agregamos algunos canales calculados para obtener la distancia a lo largo de los ejes X, Y y la distancia relativa:
Desde la cabeza del conductor hasta las ubicaciones del maniquí en ReferencePoints 1 y 2.
Desde la parte frontal del tractor (POI1) hasta las ubicaciones del maniquí en ReferencePoints 1 y 2.
Además, incluimos tres círculos de movimiento del tractor, con radios de 3 m, 6 my 12 m, cuyos centros se ubicaron en las coordenadas de la cabeza del conductor. Elegimos el valor de 12 m basándonos en los requisitos preliminares del protocolo de prueba.
Agregamos la cámara USB DirectX para proporcionar una vista simultánea de la escena desde la cabina del tractor, como se muestra en la captura de pantalla de la visualización de mediciones de DewesoftX (Figuras 6 y 7).
Ejecución y resultados de la prueba
Realizamos varias series de pruebas con el tractor, acercándonos al maniquí y deteniéndose cerca de él o conduciéndolo por una trayectoria paralela. También se realizaron pruebas adicionales mediante maniobras de evitación de obstáculos o circulando el tractor alrededor de la escena para comprobar cómo los sistemas prototipo de detección percibían el maniquí.
No podemos mostrar los datos de estos sistemas de detección. Sin embargo, gracias a las geometrías virtuales de Polygon y los canales matemáticos de DewesoftX, pudimos observar cuándo el tractor se acercaba a la ubicación del maniquí y detectar cuando este ingresaba en los límites de 12 m, 6 my 3 m.
Watch the videos from the track!
Conclusion
Combinar datos de posicionamiento con datos del vehículo en prueba, cámaras y otros sensores es un requisito típico de cualquier aplicación de medición ADAS.
Utilizando el software DewesoftX, pudimos integrar todas estas fuentes de datos, agregando de manera rápida y sencilla cálculos en línea de distancias relativas y una visualización 3D efectiva al aprovechar el complemento de extensión Polygon.
El módulo DewesoftX Polygon permite establecer un sistema de coordenadas locales para mapear la posición de objetos estáticos en la pista y rastrear al Vehículo en Prueba, así como a otros objetos en movimiento. La configuración para esta aplicación se realizó directamente en la pista, antes de la prueba, en tan solo unos minutos.
Otra característica de Polygon es la posibilidad de crear entidades geométricas vinculadas a objetos estáticos o en movimiento y utilizar estas entidades para cálculo y visualización, por ejemplo, para comprobar si un objeto determinado se encuentra dentro de un rango específico respecto a otro objeto.
Con base en lo anterior, el cliente decidió aplicar DewesoftX y Polygon para las próximas actividades de prueba en este campo de investigación.