Acquisizione di dati multisensore per la percezione dei veicoli autonomi

Con l'avanzamento dei veicoli a guida autonoma verso i livelli SAE 3-5, gli algoritmi di percezione richiedono set di dati che riflettano la diversità del mondo reale, non condizioni idealizzate. DARTS-PL affronta questa sfida fornendo un set di dati su strada ad alta risoluzione, completamente sincronizzato e multisensore, adattato alle infrastrutture e al clima dell'Europa centrale e orientale. Concepito come risorsa nazionale aperta, DARTS-PL colma il divario tra i benchmark globali e le realtà di guida locali.

Introduzione

Il progetto, DARTS-PL, è concepito come un database nazionale di scenari di guida su strada, dedicato allo sviluppo e al collaudo di algoritmi di percezione per veicoli a guida autonoma. Il progetto fornirà dati multisensore ad alta risoluzione e sincronizzati, con accesso gratuito.

L'obiettivo di DARTS-PL è sviluppare un database nazionale di scenari di test per veicoli a guida autonoma (AV) che tenga conto delle condizioni stradali specifiche della Polonia.

Un database nazionale di scenari di guida su strada di questo tipo contribuisce allo sviluppo e al collaudo di algoritmi di percezione per veicoli a guida autonoma. Il progetto fornirà dati multisensore ad alta risoluzione e sincronizzati, con accesso gratuito.

Per raccogliere i dati necessari, abbiamo equipaggiato un veicolo con una suite di sensori composta da 4 lidar, 7 telecamere, 6 radar, un modulo IMU-GPS-RTK e una termocamera.

I molteplici sensori sono completamente sincronizzati e calibrati all'interno del software di acquisizione dati DewesoftX, che funge da sistema centrale di acquisizione dati.

Il problema

Dal suo lancio nel 2014, SAE J3016™ Recommended Practice: Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles, comunemente nota come SAE Levels of Driving Automation™, è diventata la fonte più citata nel settore per quanto riguarda l'automazione della guida.

Secondo la norma SAE J3016, i livelli 3-5 dei sistemi avanzati di assistenza alla guida (ADAS) rappresentano la transizione dalla guida con supervisione umana alla completa autonomia del veicolo:

• Livello 3 (Automazione Condizionata) consente all'auto di gestire tutte le attività di guida in condizioni specifiche, con l'intervento umano come soluzione di emergenza.

• Livello 4 (Automazione elevata) funziona senza intervento umano in aree definite, mentre

• Livello 5 (Automazione completa) non richiede la presenza di un conducente umano in nessuna condizione.

Mentre l'industria automotive globale si prepara ad elevati livelli di automazione (livelli SAE 3-5), una delle sfide principali è la disponibilità su larga scala di dataset diversificati, rappresentativi e di alta qualità per l'addestramento e la validazione degli algoritmi di percezione. Data la rapida evoluzione del settore, è difficile determinare il numero totale di dataset disponibili.

Nel 2024, Liu et al. [1] hanno identificato 265 dataset pubblicati sulla guida autonoma. Il loro studio rivela una caratteristica rilevante degli attuali dataset per la guida autonoma: la maggior parte di essi si basa su sensori acquisiti tramite telecamere, in particolare telecamere monoculari e stereoscopiche (vedi Figura 1).

Sebbene questi sensori siano economici e ampiamente utilizzabili, sono intrinsecamente sensibili alle interferenze ambientali, tra cui scarsa illuminazione, abbagliamento, ombre, pioggia, nebbia e occlusioni. A questo proposito, presentano limitazioni simili a quelle della vista umana, che possono essere compromesse da condizioni meteorologiche avverse o da condizioni di illuminazione difficili.

Sebbene sensori complementari come lidar e radar vengano sempre più spesso integrati per migliorare la robustezza, i set di dati prevalentemente basati su telecamere riflettono una continua dipendenza da sistemi di percezione visiva che rimangono vulnerabili agli stessi tipi di incertezze e ambiguità che affliggono l'occhio umano.

Per ovviare a queste limitazioni, i ricercatori stanno sviluppando una serie di soluzioni tecniche e metodologiche. Una delle più importanti è la fusione multisensore che combina telecamere con tecnologie complementari come lidar e radar. A differenza dei sensori di visione, il radar è più resistente alle condizioni meteorologiche avverse, mentre il lidar fornisce informazioni precise sulla profondità geometrica indipendentemente dall'illuminazione ambientale.

La fusione di dati di sensore eterogenei per caratteristiche, a livello intermedio o decisionale, consente ai sistemi di percezione di compensare le debolezze delle singole modalità e di raggiungere maggiore robustezza, affidabilità e ridondanza.

Sondaggi e studi di revisione identificano costantemente la necessità di set di dati più ampi e diversificati come fondamento per il progresso nella ricerca sulla guida autonoma [2]. La diversificazione dei set di dati è particolarmente importante. Ampliare la copertura in termini di condizioni meteorologiche, regioni geografiche, situazioni di traffico e rari casi limite migliora le prestazioni nel mondo reale dei sistemi di guida automatizzata.

Secondo Liu et al. [1], tuttavia, la maggior parte dei set di dati esistenti è concentrata nelle regioni ad alto reddito. Gli Stati Uniti rappresentano il 21% dei set di dati, mentre la Germania e il resto d'Europa ne rappresentano ciascuno il 12,6%. Segue la Cina con l'8,4%, mentre paesi come Canada, Corea del Sud, Regno Unito, Giappone e Singapore costituiscono solo piccole quote, dall'1 al 4%.

Questo squilibrio implica che i set di dati esistenti potrebbero non rappresentare adeguatamente le infrastrutture, i comportamenti di guida e le condizioni climatiche tipiche dell'Europa centrale e orientale. La particolare geometria stradale, la segnaletica locale e le condizioni meteorologiche come neve intensa, pioggia e nebbia possono rappresentare delle sfide per i sensori dei veicoli a guida autonoma.

Set di dati DARTS-PL – Scenari di test polacchi

Data la scarsa rappresentazione delle condizioni di guida nell'Europa centrale, il Centro Nazionale Polacco per la Ricerca e lo Sviluppo ha finanziato il progetto DARTS-PL nell'ambito del programma GOSPOSTRATEG VIII (grant n. GOSPOSTRATEG-VIII/0001/2022).

Il progetto è condotto da un consorzio di importanti istituti di ricerca e accademici polacchi:

• Motor Transport Institute (ITS): responsabile della definizione dei requisiti degli scenari e del coordinamento del processo di acquisizione dei dati.

• Warsaw University of Technology (PW): si occupa dell'elaborazione avanzata dei dati, della fusione dei sensori e del processo di annotazione.

Il dataset DARTS-PL colma la lacuna di dataset multisensore ad alta risoluzione registrati in condizioni di guida reali in Polonia. Esiste la necessità di dati orientati alla guida autonoma, sincronizzati e che coprano non solo gli scenari di guida comuni, ma anche i "casi limite", come le zone ad alto tasso di incidenti, la presenza di macchine agricole su strada e la guida in condizioni di scarsa visibilità.

I database esistenti spesso soffrono di "distorsione geografica" perché i dati sono stati raccolti principalmente in Nord America o in Europa occidentale. Questa distorsione crea delle lacune nell'addestramento degli algoritmi per:

• Variabilità infrastrutturale: differenze nella segnaletica stradale, nelle infrastrutture, nelle classi stradali e nelle soluzioni di integrazione.

• Condizioni ambientali estreme: degrado delle prestazioni dei sensori durante gli inverni dell'Europa centrale (neve, salsedine), forti piogge, nebbia, ecc.

• Utenti vulnerabili della strada (VRU): interazioni con diversi partecipanti, inclusi ciclisti e animali, che richiedono un'annotazione 3D ad alta fedeltà.

Senza dati localizzati, i sistemi di guida autonoma implementati in Polonia potrebbero non essere in grado di riconoscere pericoli specifici, creando un "divario percettivo" che ostacola l'innovazione e la sicurezza.

Il progetto DARTS-PL crea un database nazionale di scenari stradali. La strategia principale prevede la registrazione di oltre 100 segmenti stradali distinti, ciascuno acquisito almeno 8 volte in condizioni variabili (giorno/notte, quattro stagioni), includendo anche casi ambientali estremi come pioggia battente, fango sulla strada, segnaletica orizzontale coperta da neve o foglie e molti altri.

Il progetto DARTS-PL si basa su diversi principi per implementare una soluzione adeguata:

• Sincronizzazione: i sensori sono attivati ​​dall'hardware e dotati di timestamp.

• Open Access: i dati vengono forniti con una licenza gratuita e senza scopo di lucro per applicazioni commerciali e accademiche.

• Standardizzazione: i dati sono in formati aperti per una perfetta integrazione negli ambienti di simulazione.

Stakeholders

I ricercatori del Motor Transport Institute (Istituto dei Trasporti Motorizzati) hanno sviluppato i requisiti funzionali e non funzionali per il set di misura. Envibra sp. z o.o. è stato il contraente responsabile dello sviluppo della piattaforma di acquisizione dati DARTS-PL. L'azienda ha beneficiato del supporto degli ingegneri di:

• Dewesoft – aggiornamenti software, telecamere, localizzazione;

• b-plus GmbH – dispositivo di calcolo principale, timestamp generali, sincronizzazione;

• SEARCH (Safety Engineering Research) – integrazione lidar e radar, incluso lo sviluppo di plugin.

Il team ha risolto in modo collaborativo tutti i problemi riscontrati durante lo sviluppo del set di misurazione, scambiando innumerevoli messaggi e affrontando problematiche di cui i produttori stessi dei componenti erano all'oscuro. Questo progetto non è stato una normale commessa, ma un progetto di R&D su scala globale.

Requisiti e potenziali criticità

Lo sviluppo di un sistema di misura che soddisfacesse i requisiti del cliente ha rappresentato di per sé una sfida significativa. Il contratto copriva la fornitura completa, inclusi l'installazione, la configurazione, la messa in servizio e la formazione dell'utente per un kit di misura sensoriale multiplo e integrato via software, in grado di mappare e registrare a 360 gradi i dintorni del veicolo.

DARTS-PL desiderava registrare scenari (guide) incentrati su specifiche soluzioni infrastrutturali o situazioni stradali che potessero risultare problematiche per i sistemi di guida automatizzata, come condizioni meteorologiche avverse, segnaletica poco chiara e utenti della strada vulnerabili all'interno della carreggiata.

Un singolo scenario, della durata di circa 20 secondi, doveva essere estratto da una singola sessione di registrazione di circa 10 minuti. Il sistema di misura doveva registrare accuratamente tutti i parametri fino a una velocità massima del veicolo di 130 km/h.

DARTS-PL ha proposto il layout dei sensori, mentre Envibra e Dewesoft hanno dovuto integrare il sistema di misurazione con il veicolo. Il set di misura doveva essere montato nella sezione del tetto sotto forma di "box", per consentire una facile rimozione.

Le parti del sistema di misura non contenute all'interno del box o all'interno della carrozzeria dovevano essere dotate di supporti di montaggio adesivi per consentire una facile installazione in qualsiasi punto del veicolo. I collegamenti dei cavi dovevano permettere al set di funzionare regolarmente con porte e finestrini chiusi, impedendo l'ingresso di acqua e freddo all'interno dell'abitacolo durante le misurazioni.

Tutti i dati registrati dal sistema di misura, comprese le immagini catturate dalle telecamere, dovevano essere sincronizzati con l'orologio centrale. L'intervallo di temperatura ambiente per il corretto funzionamento del sistema di misurazione era compreso tra -10°C e +40°C, e per lo stoccaggio tra -20°C e +40°C. Il sistema doveva funzionare correttamente in varie condizioni atmosferiche, incluse pioggia battente o vento forte, per circa 6 hours nella giornata di misura. Doveva inoltre essere resistente alla polvere e ad altre piccole particelle sospese nell'aria.

Requisiti dei sensori

Telecamere

• Registrazione video a colori a una risoluzione non inferiore a 1920 pixel per 1080 pixel a un minimo di 25 fotogrammi al secondo.

• Tecnologia HDR con funzione di esposizione automatica, con la possibilità di disattivare indipendentemente entrambe le funzioni.

• Immagini grezze (non compresse / RAW).

• Impostazione e blocco della messa a fuoco e del bilanciamento del bianco in una determinata posizione.

• Copertura di almeno 20 gradi dall'orizzonte con il veicolo in posizione orizzontale.

• Tecnologia global shutter.

• Utilizzo di sensori (matrici) non inferiori a 1/2".

• I parametri di registrazione dell'immagine, in particolare l'esposizione (tempo di otturazione e guadagno/gain), devono essere registrati per ogni fotogramma.

Lidar - medio raggio

• Almeno 128 fasci laser.

• Frequenza minima di 20 Hz (la frequenza deve essere configurabile a partire da 10 giri al secondo).

• Portata di almeno 200 m, campo verticale di almeno 30° e campo orizzontale di 360 gradi (rotatorio).

• Precisione pari o superiore a 3 cm e risoluzione di scansione orizzontale pari o superiore a 0,25°.

Lidar - lungo raggio

• Cattura dell'area centralmente davanti al veicolo e posizionamento sul suo asse.

• Frequenza minima di 20 Hz (si raccomanda che la frequenza sia configurabile).

• Campo di misurazione di almeno 200 m, campo orizzontale di almeno 20° e campo verticale di almeno 15°.

• Precisione pari o superiore a 3,5 cm e risoluzione di scansione orizzontale pari o superiore a 0,26°.

Lidar - corto raggio

• Il campo orizzontale suggerito è di 120° o superiore, con un angolo di elevazione minimo suggerito da -75° a +15°.

• Frequenza minima di 20 Hz (si raccomanda la frequenza configurabile).

• Minimo 128 fasci laser.

• Campo di misura di almeno 30 m.

Radars – angolari

• Range di 1-30 m.

• Frequenza minima di 13 Hz.

• Campo orizzontale di almeno 75° e campo verticale di almeno 15°.

Radars – anteriori e posteriori

• Range di almeno 80 m. 

• Frequenza minima di 13 Hz. 

• Campo orizzontale di almeno 60° e campo verticale di almeno 15°.

Sistemi di navigazione inerziale (INS, IMU) e RTK

• Precisione di navigazione con il metodo RTK non inferiore a 10 cm in orizzontale.

• Supporto della misura della prua con una precisione dinamica di almeno 0,1°.

• Misura della velocità con una precisione di almeno 0,05 m/s fino ad almeno 200 km/h.

• Frequenza di campionamento GPS di almeno 100 Hz.

Dati registrati dall'IMU:

• Vettore di accelerazione lineare (x, y, z) nel sistema di riferimento dell'IMU in m/s².

• Velocità angolare in rad/s rispettivamente intorno agli assi x, y e z, nel sistema di coordinate dell'IMU.

• Posizione del veicolo: vettore di accelerazione nel sistema di riferimento del veicolo (EGO) in m/s², vettore di rotazione (orientamento) nel sistema di riferimento del veicolo (EGO).

Termocamera

• Risoluzione di almeno 640x480 pixel.

• Minimo 25 fotogrammi al secondo.

• Sensibilità termica pari o inferiore a 50 mK.

Alimentazione dei sensori

• Capacità di alimentare autonomamente un sistema di misura funzionante per almeno 4 ore.

• L'alimentatore non deve essere montato permanentemente nel veicolo per impedirne la rimozione.

• Ricarica dalla rete elettrica.

• Non deve essere alimentato direttamente dall'impianto elettrico del veicolo, ma può essere ricaricato dalla presa accendisigari da 12V (con adeguate limitazioni).

• Se i dispositivi del sistema di misurazione richiedono alimentazione in corrente alternata (AC), devono essere dispositivi a onda sinusoidale pura.

Apparecchiature di acquisizione dati e misura

Envibra ha scelto di equipaggiare il veicolo di ricerca con 19 sensori. Il numero di sensori è tuttora in aumento e gli stessi sono integrati tramite il software DewesoftX. Sono stati selezionati i seguenti componenti per soddisfare i nostri requisiti (in alcuni casi superandoli, come ad esempio per il lidar a corto raggio – OS Dome).

Data logger

b-Plus Brick2 data logger con modulo BMC e scheda BMC ETH6000.

Navigazione inerziale

Dewesoft NAVION i2 inertial navigation system (INS) con una frequenza di campionamento di 100 Hz for dati di posizionamento in tempo reale. L'unità Navion i2 integra un sensore GNSS con una precisione inferiore a 10 cm utilizzando un servizio di correzione RTK tramite stazioni base RTK.

Imaging

Vengono utilizzate sette Dewesoft DS-CAM-640c cameras ad alta velocità, di cui sei coprono un campo visivo (FoV) orizzontale di 360° e una telecamera centrale con un obiettivo diverso dedicata alla visione a lungo raggio anteriore.

Specifiche della telecamera:

• Sensore di immagine: Sony IMX252 CMOS.

• Risoluzione massima di 2048 x 1536 px con una frequenza di fotogrammi di 200 fps.

• Dotata di global shutter con tempi di esposizione che vanno da 1 µs a 60 secondi.

• Gamma dinamica: 71dB.

Sensori LIDAR

Sono installati quattro sensori LIDAR:

Ouster OS1 – posizionato centralmente nell'asse del veicolo, FoV a 360°:

• Campo visivo orizzontale di 360° e campo visivo verticale di 45°.

• Risoluzione verticale di 128 fasci.

• La risoluzione della scansione orizzontale è di 0,25°, con una precisione di ±0,1°.

• Portata operativa massima di 200 m.

• Frequenza impostata a 20 Hz.

Ouster OS2 – posizionato centralmente nell'asse del veicolo, applicazione a lungo raggio:

• Campo visivo orizzontale di 360° e campo visivo verticale di 22,5°.

• Risoluzione verticale di 128 fasci.

• Portata operativa massima di 350 m.

• La frequenza è di 20 Hz, configurabile a 10 Hz.

Due Ouster Dome – posizionati diagonalmente ai bordi laterali del veicolo:

• Campo visivo verticale di 180°.

• Risoluzione verticale di 128 fasci.

• La risoluzione della scansione orizzontale è di 0,7°.

• Portata operativa massima di 45 m.

Sensori Radar

Sono installati sei sensori radar:

Due DRVEGRD 152 – registrano lo spazio davanti e dietro il veicolo a grande distanza:

• Funzionano all'interno della banda 76–77 GHz.

• La frequenza di campionamento è di 16,6 Hz.

• Portata da un minimo di 0,9 m a un massimo di 200 m.

• Offrono un angolo orizzontale di 100° e un angolo verticale di 20°.

• Velocità di tracciamento comprese tra -400 km/h e +200 km/h.

• Precisione della distanza stimata a <0,45 m.

Quattro DRVEGRD 169 – posizionati negli angoli del veicolo:

• Funzionano all'interno della banda 77–81 GHz.

• La frequenza di campionamento è di 16,6 Hz.

• Operativi da un minimo di 0,6 m a un massimo di 56 m.

• Offrono un angolo orizzontale di 130° e un angolo verticale di 15°.

• Velocità di tracciamento comprese tra -340 km/h e +140 km/h.

• Precisione della distanza stimata a <0,3 m.

Inoltre, il sistema include un sistema di gestione dell'alimentazione e della batteria basato su REDARC.

Problemi e soluzioni

Abbiamo soddisfatto i requisiti hardware selezionando componenti compatibili con la piattaforma DewesoftX. La sfida principale è stata l'integrazione dei sensori lidar e radar, che in precedenza non erano mai stati utilizzati con questo software.

Per risolvere il problema, gli ingegneri di Search, Dewesoft ed Envibra hanno sviluppato congiuntamente un plug-in personalizzato che ha consentito il controllo diretto dei sensori all'interno di DewesoftX, eliminando la necessità di affidarsi a Ouster Studio, il software nativo dei sensori. Questa operazione ha richiesto un tempo considerevole a causa della documentazione limitata e della complessità di coordinamento con i team responsabili delle singole funzioni di DewesoftX.

Di seguito viene fornita una panoramica delle principali sfide e di come sono state affrontate.

Criticità 1: Estrazione di scenari brevi da registrazioni più lunghe

Risolto. DewesoftX supporta già il ritaglio di scenari di circa 20 secondi da sessioni di registrazione più lunghe, della durata di circa 10 minuti.

Criticità 2: Integrazione del sistema di misura nel veicolo

Risolto. Ove possibile, il sistema è stato installato senza modificare la struttura del veicolo. Ad esempio, i radar sono stati montati dietro i paraurti senza influire sull'estetica esterna del veicolo. I sensori installati, inoltre, non interferiscono con i sistemi di assistenza alla guida (ADAS) del veicolo.

Criticità 3: Montaggio del sistema sul tetto in un contenitore rimovibile

Risolto. Abbiamo progettato una cupola (dome) dedicata montata su un telaio, il quale è stato poi fissato alle barre portatutto utilizzando le guide longitudinali già presenti sul tetto del veicolo. Questo ha reso l'intera configurazione rimovibile.

Criticità 4: Montaggio dei componenti esterni con supporti adesivi

Risolto. I componenti situati all'esterno della cupola o della carrozzeria del veicolo sono stati installati utilizzando soluzioni di montaggio adesive. Questo approccio è stato utilizzato, ad esempio, per le antenne di navigazione.

Criticità 5: Sincronizzazione di tutti i dati registrati con un orologio centrale

Risolto. Tutti i componenti condividono lo stesso riferimento temporale. Abbiamo implementato un'architettura master-slave, in cui la prima telecamera funge da master e i restanti componenti da slave. Ove possibile, la sincronizzazione è stata gestita tramite il protocollo di comunicazione PTP.

Criticità 6: Passaggio dei cavi mantenendo porte e finestrini chiusi

Risolto. Abbiamo progettato una guaina dedicata per proteggere e canalizzare i cavi. Il finestrino della portiera posteriore sinistra è stato rimosso e sostituito con un pannello in plexiglass dotato di un'apertura per il tubo passacavi. L'intero assieme è stato sigillato ed è stato lasciato abbastanza gioco nei cavi per consentire la facile apertura della portiera. Di conseguenza, quel finestrino non è più funzionante.

Criticità 7: Funzionamento a temperature comprese tra -10°C e +40°C

Parzialmente risolto. Il riscaldatore da 40 W installato all'interno della cupola non ha fornito calore sufficiente per mantenere la corretta temperatura operativa in condizioni di freddo intenso. All'atto pratico, ciò significa che il sistema non può essere utilizzato al di sotto dei -5°C. Le prestazioni di stoccaggio non sono ancora state verificate, sebbene il veicolo venga custodito in un garage.

Criticità 8: Registrazione accurata a velocità fino a 130 km/h

Risolto. Le barre portatutto sono certificate per velocità fino a 130 km/h, soddisfacendo così il requisito. Tuttavia, per ragioni di sicurezza, il veicolo non viene guidato a una velocità superiore a 110 km/h durante le operazioni.

Criticità 9: Funzionamento affidabile in condizioni meteo avverse fino a sei ore

Risolto. Abbiamo utilizzato sensori, lidar e radar di livello automotive, progettati per l'uso esterno in condizioni atmosferiche impegnative. Le telecamere sono state alloggiate all'interno di una cupola metallica sigillata per proteggerle da umidità e polvere, mentre la guaina del finestrino ha protetto il passaggio dei cavi dal vento e da altri fattori ambientali.

Ulteriori criticità

• Peso del veicolo: dopo tutti i montaggi, l'auto è risultata troppo pesante. Pertanto, ora è omologata per 3 passeggeri anziché 5.

• Appannamento degli obiettivi delle telecamere: a causa della differenza di temperatura tra l'interno e l'esterno della cupola, i fori degli obiettivi delle telecamere si sono appannati. Abbiamo dovuto inserire un assorbitore di umidità nella cupola.

• Commutazione temporale di DewesoftX: quando la sorgente del tempo passa dal GPS all'oscillatore interno del Brick2, il tempo interno di DewesoftX commuta da UTC a TAI.

• HDR nelle telecamere: nonostante le informazioni presenti nelle specifiche tecniche, le telecamere non supportavano l'HDR a 12 bit. Non è stato possibile risolvere il problema.

• La termocamera non invia timestamp e non supporta i protocolli di sincronizzazione: possiamo sincronizzarla solo esternamente e la sincronizzazione risulta instabile.

• Impostazioni del bilanciamento del bianco delle telecamere: in alcune condizioni (notte, scarsa illuminazione) il bilanciamento del bianco è variato spontaneamente anche quando l'opzione "Bilanciamento del bianco automatico" era impostata su "Off". Il problema si è verificato solo all'avvio delle telecamere in condizioni di luce molto scarsa e ha interessato una sola telecamera alla volta all'interno del sistema (non sempre la stessa e non tutte le telecamere contemporaneamente). Richiede ulteriori indagini.

• Perdite di segnale: quando si esce da aree prive di connessione GSM (ad esempio nei tunnel), l'RTK non è sempre in grado di ripristinare autonomamente la comunicazione GSM e richiede un riavvio manuale.

• In condizioni di scarsa luminosità, le telecamere regolano automaticamente l'esposizione aumentando il tempo di esposizione stesso. In precedenza, avevamo impostato erroneamente il tempo di esposizione massimo su $1 / \text{frame rate}$, il che lasciava un tempo insufficiente per completare un fotogramma prima di iniziare il successivo. Questo errore causava la perdita di sincronizzazione di tutte le telecamere. Abbiamo risolto il problema riducendo il tempo massimo di esposizione di 100 microsecondi.

• Brick2 non utilizza NAVION i2 come sorgente temporale: dopo oltre un mese e mezzo di test e sviluppo, abbiamo dovuto cambiare approccio. Ora Brick2 utilizza il proprio GPS per impostare il tempo master del sistema, mentre NAVION i2 funziona come slave. A causa di diversi altri problemi, ora stiamo lavorando con il modello DS-IMU2.

• Problemi sporadici di sincronizzazione causano perdite inferiori al secondo nei dati lidar, nonostante questi vengano ricevuti e registrati a scopo di anteprima; non abbiamo ancora risolto questo problema.

Esempi di registrazioni dei sensori

Il progetto DARTS-PL fornirà una soluzione complessa per lo sviluppo e il test degli algoritmi di percezione dei veicoli a guida automatizzata:

• Dati grezzi e annotati: un immenso archivio di dati di guida multimodali. Alla fine del progetto (05/2027), saranno disponibili almeno 840 scenari provenienti da più di 100 segmenti infrastrutturali selezionati.

• Portale Web: un servizio di filtraggio e download per tipi specifici di scenari (ad es. "Notte + Pedone").

• Software di auto-annotazione: strumenti proprietari per il tracciamento degli oggetti (object tracking) e l'etichettatura automatizzata, al fine di ridurre il lavoro manuale nei futuri sviluppi del database.

All'interno del progetto utilizziamo DewesoftX per l'acquisizione degli scenari e l'esportazione dei dati. Il software aiuta a generare i dati in conformità con le regole specifiche del progetto. Di seguito presentiamo diverse scene di esempio visualizzate nel software DewesoftX:

Conclusione

DARTS-PL, fornendo un dataset ad alta risoluzione, sincronizzato e "specifico per la Polonia", colma il divario tra la normativa teorica e le reali condizioni stradali. La natura open-access del database garantisce che esso costituirà l'infrastruttura fondamentale per i test di percezione dei veicoli a guida autonoma in Polonia e in Europa per gli anni a venire, promuovendo l'innovazione e garantendo al contempo i più elevati standard di sicurezza.

Attualmente il progetto si trova nella fase di acquisizione dati e sono iniziati i primi processi di annotazione. Prevediamo di rendere disponibili i primi dati nel terzo trimestre del 2026 e il database completo sarà pronto nella prima metà del 2027.

Bibliografia

1. Liu M, Yurtsever E, Fossaert J, et al. A survey on autonomous driving datasets: statistics, annotation quality, and a future outlook. IEEE Trans Intell Veh. 2024;9(11):7138-7164. doi:10.1109/TIV.2024.3394735

2. Hossain M, Islam MZ, Islam MS, et al. A comprehensive review on traffic datasets and simulators for autonomous vehicles. arXiv. Preprint posted online December 18, 2024. doi:10.48550/arXiv.2412.14207