Le rôle critique de la détection d'obstacles dans les VAG modernes

Les véhicules guidés automatisés (AGV) sont devenus indispensables dans la logistique, l'entreposage et la fabrication modernes. Leur capacité de transporter les matériaux dépend de manière autonome d'une seule capacité critique : détection fiable des obstacles. Sans détection et interprétation avancées, un AGV ne peut garantir la sécurité de la navigation dans les environnements partagés avec les humains, les autres véhicules et les infrastructures fixes.Au cours de la dernière décennie, les technologies de détection des obstacles sont passées de simples capteurs de bosses à des systèmes multicapteurs sophistiqués qui fusionnent les données de LiDAR, les caméras, les radars et les appareils ultrasoniques.

Les déploiements modernes d'AGV exigent des systèmes de détection qui peuvent gérer des éclairages variables, des poussières, des réflexions et le mouvement rapide des chariots élévateurs ou des piétons. Un seul point de défaillance, un angle mort ou un objet mal interprété, peut causer des pannes coûteuses ou des incidents de sécurité. Par conséquent, les intégrateurs et les gestionnaires de flotte adoptent des architectures de détection multimodales redondantes et couplées à des logiciels intelligents qui classifient les objets, prédisent le mouvement et déclenchent des réponses appropriées.

Aperçu des principales technologies de détection des obstacles

Le choix dépend de facteurs tels que l'environnement de fonctionnement (intérieur par rapport à l'extérieur), la vitesse de déplacement, la portée de détection requise, la taille des objets et les contraintes de coûts. Les technologies les plus largement adoptées se divisent en quatre catégories : le balayage laser au moment du vol (LiDAR), la détection par ultrasons de proximité, la détection par infrarouge et les systèmes de vision par ordinateur.

LiDAR (Diffusage laser)

Les capteurs LiDAR (Light Detection and Ranging) émettent des faisceaux laser pulsés et mesurent le temps nécessaire pour que chaque impulsion réfléchisse sur une surface. En tournant l'émetteur ou en utilisant un tableau à l'état solide, LiDAR crée un nuage pointé dense qui représente l'environnement environnant en 3D. Cette technologie est la norme aurifère pour la détection des obstacles AGV car elle fournit une résolution angulaire élevée, une longue portée (généralement de 20 à 100 mètres) et une excellente précision, quelles que soient les conditions d'éclairage ambiantes.

Dans la pratique, un scanner LiDAR à 360 degrés monté à la base d'un AGV peut balayer en permanence son environnement, identifiant les obstacles à des angles et des distances spécifiques. De nombreux appareils LiDAR modernes, certifiés pour la sécurité, sont conformes aux normes telles que IEC 61496-3 (Type 3) et peuvent être utilisés pour la protection sans contact. Ils permettent à l'AGV de cartographier son environnement, de détecter les objets statiques et mobiles et de déclencher des arrêts d'urgence si un obstacle entre dans une zone de sécurité prédéfinie.

Les principaux fournisseurs LiDAR pour les applications AGV sont SICK, Hokuyo, Velodyne (maintenant Ouster) et RoboSense. La technologie continue d'améliorer en termes de réduction des coûts, de fiabilité en état solide et d'intégration avec les contrôleurs de sécurité. Pour plus de détails techniques sur les principes LiDAR, voir la page SICK LiDAR.

Capteurs à ultrasons

Les capteurs ultrasoniques fonctionnent en émettant des ondes sonores à haute fréquence (généralement 40–400 kHz) et en mesurant le temps nécessaire pour que l'écho revienne. Parce qu'ils comptent sur le son plutôt que sur la lumière, ils ne sont pas affectés par les changements de poussière, de fumée ou d'éclairage.

Les capteurs à ultrasons sont souvent déployés comme capteurs complémentaires sur les côtés ou à l'arrière d'un AGV, couvrant des zones non entièrement contrôlées par LiDAR. Ils excellent pour détecter des objets transparents (par exemple, portes en verre ou enveloppe plastique claire) que les poutres LiDAR peuvent traverser. Ils fonctionnent également bien pour détecter des objets mous comme les vêtements pour piétons ou les boîtes en carton, qui peuvent absorber certains retours LiDAR.

La principale limitation des ultrasons est leur vitesse de mise à jour relativement lente et leur configuration de faisceau large, qui peuvent causer des réflexions de surfaces inégales ou de multiples échos. Le dialogue croisé entre plusieurs capteurs sur le même véhicule peut également poser problème. Des stratégies de positionnement et de multiplexage appropriées permettent d'atténuer ces problèmes.

Capteurs infrarouges (IR)

Les capteurs infrarouges détectent les obstacles en mesurant la lumière infrarouge réfléchie. Ils sont parmi les technologies de détection les plus simples et les plus rentables. Les capteurs photoélectriques infrarouges sont disponibles en deux configurations principales : faisceaux traversants (émetteurs et récepteurs séparés) et rétroréfléchissants (émetteurs et récepteurs dans une unité avec réflecteur). Ils sont également disponibles en tant que capteurs diffuses qui dépendent de la réflexion de la cible elle-même.

Pour la détection des obstacles, les capteurs IR diffuses sont souvent placés bas sur l'AGV pour détecter des objets comme des boîtes ou des jambes de palette que le LiDAR principal pourrait manquer. Cependant, les capteurs IR ont plusieurs inconvénients : ils sont sensibles à la couleur de surface et à la réflectivité (les objets sombres ou brillants peuvent passer inaperçus), ils ont un champ de vision étroit, et leur portée de détection est généralement inférieure à un mètre pour un fonctionnement fiable.

Vision informatique (systèmes à base de caméra)

La vision informatique pour la détection des obstacles AGV utilise un ou plusieurs appareils photo et algorithmes de traitement d'image pour reconnaître et classer les objets. Cette technologie a progressé rapidement avec l'adoption de réseaux neuronaux convolutionnels d'apprentissage profond (CNN) qui peuvent détecter les humains, les chariots élévateurs, les palettes et d'autres obstacles avec une grande précision.

Par exemple, un système de vision peut distinguer entre une boîte en carton stationnaire (que l'AGV peut pousser ou naviguer autour) et un piéton (qui nécessite un arrêt complet).Les caméras peuvent également lire les marquages de sol, les codes à barres et la signalisation, ce qui aide à la localisation et à la planification du chemin.Les caméras de profondeur (vision stéréo ou lumière structurée) ajoutent une perception 3D, permettant à l'AGV de détecter les obstacles surplombant ou de mesurer le volume d'une charge.

Cependant, la vision informatique est intensive et nécessite de bonnes conditions d'éclairage. Des environnements sombres, des éclairs de lentille ou un flou de mouvement peuvent dégrader les performances. Les VGA extérieurs doivent faire face à des ombres changeantes, à la pluie et à l'éblouissement du soleil. De nombreux systèmes de vision intègrent des illuminateurs infrarouges pour un fonctionnement à faible luminosité.

Capteurs radar dans les VAG

Bien que moins répandus dans les AGV intérieurs, le radar (radiodétection et amplitude) gagne en traction pour les véhicules autonomes extérieurs et les AGV lourds opérant dans les ports, les mines ou les grands chantiers. Le radar émet des ondes radio et analyse des réflexions pour détecter les objets. Son avantage clé sur LiDAR est la robustesse des conditions météorologiques: la pluie, le brouillard, la neige et la poussière ont peu d'effet sur les signaux radar.

Les capteurs radar de qualité automobile (24 GHz ou 77 GHz) développés à l'origine pour les systèmes avancés d'assistance au conducteur sont adaptés aux VAG. Ils offrent une résolution angulaire modérée (généralement de quelques degrés) et des distances allant jusqu'à 250 mètres. Les principaux inconvénients sont que le radar fournit un nuage point plus clairs que LiDAR et peut avoir de la difficulté à distinguer entre des objets étroitement espacés.

Fusion des capteurs : la puissance de la combinaison des données

La fusion des capteurs – l'intégration de données provenant de plusieurs types de capteurs – surprend ces limites en tirant parti des forces de chacun tout en atténuant les faiblesses. Une architecture de fusion typique pour un AGV pourrait combiner :

  • LiDAR faisant face à l'avant pour la cartographie primaire des obstacles 3D et la surveillance des zones de sécurité.
  • Capteurs à ultrasons latéraux pour la détection à distance d'objets transparents ou à faible hauteur.
  • Caméra stéréo de vision montée sur le dessus pour la détection des piétons et la reconnaissance des palettes.
  • radar faisant face vers l'arrière (sur les VAG extérieurs) pour surveiller la circulation à l'approche.

Les algorithmes de fusion, souvent basés sur des filtres Kalman ou des réseaux bayésiens, traitent les flux de données en temps réel pour créer un modèle -world unifié qui suit la position, la vitesse et la classification de chaque obstacle. La sortie fusionnée permet au contrôleur de navigation AGV-S de prendre des décisions confiantes sur l'adaptation de la vitesse, la replanification du chemin et le freinage d'urgence.

Si un capteur échoue ou se dégrade (par exemple, objectif LiDAR recouvert de poussière), le système peut retomber sur d'autres capteurs avec une fonctionnalité réduite plutôt que de forcer un arrêt. Avec une conception appropriée, l'AGV peut continuer à fonctionner à une vitesse plus faible jusqu'à ce que la maintenance soit effectuée. Cet avantage de temps d'arrêt est essentiel pour les installations à haut débit où chaque minute d'arrêt entraîne un coût.

Tendances nouvelles et intégration de l'IA

L'intégration de l'intelligence artificielle (IA) et de l'apprentissage machine (ML) est la tendance la plus significative à remodeler la détection des obstacles.Les systèmes de détection traditionnels se basent sur des seuils fixes, par exemple, la distance < 0,5 mètres, stop.

Les modèles d'apprentissage profond sont maintenant utilisés pour la segmentation sémantique au niveau des pixels dans les images de caméra, classant chaque pixel comme plancher, mur, humain, véhicule ou obstacle. Cela permet à l'AGV d'identifier la zone de creusement et d'ignorer les objets inoffensifs comme les marquages ou les réflexions.

Au lieu de réagir aux obstacles déjà sur le chemin, les modèles AI prédisent où un obstacle * sera* dans les prochaines secondes en fonction de son mouvement passé. Ceci est particulièrement utile pour anticiper le mouvement des piétons ou des chariots élévateurs dans les allées bondées. De plus, les agents d'apprentissage du renforcement peuvent optimiser le comportement des VAG dans la simulation, apprendre quand ralentir, attendre ou prendre une autre voie pour éviter les collisions tout en maintenant le débit.

De nombreux fabricants d'AGV offrent maintenant la détection d'obstacles -AI améliorée - en option. Ces systèmes apprennent continuellement des données opérationnelles dans le cloud et mettent à jour les modèles embarqués. Cependant, la mise en œuvre de l'IA dans les fonctions critiques pour la sécurité nécessite une validation et une certification rigoureuses, ce qui constitue un défi permanent.

Considérations particulières à la demande

Le choix de la technologie de détection des obstacles dépend fortement de l'environnement d'application.

  • Entreposage intérieur:[ Haute densité de supports, allées étroites et travailleurs humains. LiDAR + ultrasonic + fusion de vision est typique. Des plafonds bas peuvent limiter les caméras montées au sommet, de sorte que les capteurs latéraux sont cruciaux. La portée de détection de 5 à 20 m est suffisante.
  • Planchers de fabrication :[ Mélange de VAG, chariots élévateurs et obstructions au niveau du plancher comme des câbles ou des dunnages. Des capteurs ultrasoniques et IR à portée étroite aident à détecter les dangers à faible altitude. La vision peut identifier les emplacements des bacs et les stations de chargement/décharge de la machine.
  • Stockage en froid: Fog, glace et basses températures. LiDAR peut être affecté par la condensation sur l'optique; les capteurs ultrasoniques peuvent encore fonctionner mais ont besoin de boîtiers robustes.
  • Tarifs extérieurs:[ Conditions météorologiques variables, terrain inégal, longues distances de déplacement. Radar + caméra LiDAR à longue portée + caméras thermiques ou IR pour des conditions de faible luminosité.
  • Nettoyants: Aucun débris ni poussière n'est permis. Les capteurs sans contact sont obligatoires. Les unités LiDAR de vision et de vide sont utilisées.

Les gestionnaires de flotte devraient également considérer la vitesse maximale de l'AGV. Les AGV plus rapides nécessitent des distances d'arrêt plus longues, des capteurs nécessitant des distances de détection plus longues et des taux de mise à jour plus rapides. Les normes de sécurité exigent que le système de détection soit capable d'arrêter le véhicule avant qu'il ne atteigne un obstacle, en tenant compte de la latence de traitement, de la distance de freinage et de la portée du capteur.

Avantages et défis de la détection avancée des obstacles

Les avantages d'investir dans la détection avancée des obstacles sont évidents:

  • Sécurité des travailleurs:[ La détection et l'évitement fiables des piétons sont la priorité absolue. Les systèmes modernes peuvent différencier les humains des objets, réduisant ainsi les arrêts inutiles tout en assurant des interactions sûres.
  • Réduite Temps d'arrêt:[ Moins de collisions signifient moins de dommages aux VAG, palettes et supports.
  • Déploiement de la grille:[ Avec la fusion de capteur et l'IA, les VAG peuvent être déployés dans des environnements dynamiques sans modification importante de l'installation (p. ex., ajout de ruban magnétique ou de réflecteurs).
  • Efficacité élevée:[ Les VAG qui peuvent anticiper les obstacles peuvent optimiser leurs trajectoires et leurs vitesses, lissant le flux de trafic dans les environnements de véhicules mixtes.

Le coût du capteur est un facteur important; le LiDAR et le matériel informatique à haute performance peuvent ajouter des milliers de dollars à un AGV. Pour les flottes multi-AGV, cela devient un investissement important. De plus, l'étalonnage et la maintenance des capteurs nécessitent des techniciens qualifiés.

Un autre défi est celui des faux positifs. Si un AGV s'arrête trop souvent pour les non-obstacles (par exemple, les bandes de suspension ou les particules de poussière), il frustre les opérateurs et réduit l'efficacité. Le filtrage avancé et la fusion des capteurs aident, mais le réglage fin reste un art. Enfin, les réglementations et normes pour les véhicules industriels autonomes continuent d'évoluer.

L'avenir de la détection des obstacles dans les véhicules à moteur

En ce qui concerne l'avenir, trois tendances façonneront la détection des obstacles : réduction des coûts, miniaturisation et intelligence accrue. Les capteurs LiDAR à état solide, qui n'ont pas de pièces mobiles, deviennent suffisamment abordables pour être utilisés sur chaque AGV.

Les caméras basées sur des événements, qui ne transmettent que des changements de valeurs de pixels, promettent une latence ultra-faible (microsecondes) pour détecter les obstacles rapides tout en consommant une puissance minimale.

Le concept de communication véhicule-tout-tout (V2X) entre également dans l'espace industriel. Les VAG peuvent bientôt diffuser leurs positions et recevoir des alertes d'obstacles de l'infrastructure ou d'autres véhicules via 5G ou une communication dédiée à courte portée.

Enfin, l'inspection et le nettoyage des surfaces des capteurs seront une caractéristique standard. Les objectifs autonettoyants, les souffleurs d'air intégrés et les routines d'étalonnage automatisées permettront de réduire les frais d'entretien et de maintenir les performances de détection toujours élevées.

À mesure que ces technologies se développeront, les AGV fonctionneront avec une autonomie et une sécurité sans précédent, ce qui permettra d'automatiser davantage la logistique, la production et au-delà. Pour les lecteurs intéressés par le paysage des normes, les exigences de sécurité [ISO 3691-4:2020 fournissent un cadre pour intégrer ces systèmes dans des conceptions AGV sûres.