A design methodology for the implementation of embedded vehicle navigation systems

Au fil des années, en raison de l'augmentation de la densité routière et l'intensité de la circulation, un système de navigation automobile devient nécessaire. Ce système doit fournir non seulement l'emplacement du véhicule mais, surtout, augmentera le contrôle, la sécurité et la performance globale de l'automobile. La baisse du coût des récepteurs de Géo-Positionnement par Satellite (GPS) a vulgarisé leur utilisation dans la navigation automobile. Le système GPS fournit les données de positionnement ainsi que l'information qui concerne la vitesse aux conducteurs. De ce fait, la plupart des dispositifs de navigation des automobiles civiles sont actuellement basés sur la technologie GPS. Cependant, en cas de perte du signal GPS par blocage par feuillage, passages en béton, dense agglomération urbaine, grands immeubles, tunnels et dans le cas d'atténuation, ces dispositifs ne parviennent pas à fonctionner avec précision. Une solution alternative au GPS, qui peut être utilisée dans la navigation automobile, est le système de navigation inertielle (INS). LINS est un système autonome qui n'est pas affecté par des perturbations externes. Il comprend des capteurs inertiels comme trois gyroscopes et trois accéléromètres. Le coût des INS peut être faible mais leur performance se détériore à long terme car ils souffrent des erreurs accumulées. Cependant, il peut fournir des solutions précises sur de courts intervalles de temps. Un système intégré de GPS/INS à faible coût a donc le potentiel de fournir de meilleures informations de position pendant des intervalles courts et longs. L'objectif principal de cette recherche était de mettre en place une solution d'un système de navigation véhiculaire temps réel sur une plateforme embarquée à faible coût. Ceci avait pour but de pouvoir l'utiliser comme un cadre de conception, et comme référence pour d'autres applications embarquées similaires. Pour améliorer la solution de navigation même en cas d'arrêt de fonctionnement du GPS, les données du système GPS/INS ont été fusionnées par la technique de la boucle fermée du filtrage de Kalman décentralisé en utilisant 15 équations d'états d'erreurs d'ENS. En raison de l'utilisation d'accéléromètre à faible coût, ainsi que des capteurs gyroscopiques de données, une technique de prétraitement nommée algorithme de débruitage par ondelettes a été adoptée. L'algorithme a un maximum de 5 niveaux de décomposition, de reconstruction, ainsi que du seuillage non linéaire à chaque niveau. La conception est décrite par un logiciel qui comprend un microprocesseur embarqué. L'implémentation est effectuée à l'aide d'un cœur du processeur MicroBlaze qui gère le processus de contrôle et exécute l'algorithme. Afin de développer une implémentation efficace, des calculs en virgule flottante sont effectués en utilisant l'unité de virgule flottante (FPU) du cœur du processeur Microblaze. Le système est implémenté sur carte FPGA Spartan-3 de Xilinx. Elle contient 200 mille portes logiques cadencées par un oscillateur à 50 MHz, avec une mémoire externe asynchrone SRAM de 1 Mio. Le système comprend également un bus périphérique sur puce (OPB). À ce titre, la solution finale du système de navigation automobile devrait avoir des caractéristiques telles qu'une faible consommation de puissance, un poids léger, une capacité de traitement en temps réel ainsi qu'un petit espace occupé sur puce. D'un point de vue développement, l'utilisation du langage C et d'un cœur de processeur fonctionnant sur FPGA donne à l'utilisateur une plateforme flexible pour tout prototypage d'applications. Les simulations montrent qu'une implémentation purement logicielle de l'algorithme de la boucle fermée du filtrage de Kalman décentralisé sur une plateforme embarquée qui utilise les nombres virgule-flottante à simple précision, peut produire des résultats acceptables. Ceci est conforme aux résultats obtenus sur une plateforme d'un ordinateur de bureau qui utilise les nombres virgule-flottante à double précision. Dans un premier temps, le code du filtrage de Kalman est exécuté à partir d'une mémoire externe SRAM de 1 Mio, soutenue par une mémoire cache de données de 8Kio et une cache d'instructions de 4 Kio. Puis, le même code est lancé à partir du bloc RAM sur puce, à grande vitesse, de 64 Kio. Dans les deux configurations mémoire, les fréquences d'échantillonnage maximales pour lesquelles le code peut être exécuté sont de 80 Hz (période de 12,5 ms) et 119 Hz (période de 8,4 ms), respectivement, tandis que les capteurs fournissent les données à 75 Hz Les même deux configurations de mémoire sont employées dans l'exécution de l'algorithme de débruitage par ondelettes avec 5 niveaux de décomposition, de reconstruction et seuillage non linéaire à chaque niveau. Sur l'accéléromètre et le gyro, les données brutes sont fournies en temps réel en utilisant un mode de fenêtre de non-chevauchement, avec une longueur de fenêtre de 75 échantillons. Les latences d'exécution dans les deux cas sont 5,47 ms et 1,96 ms pour les deux configurations de mémoire précédemment citées, respectivement. En outre, l'analyse temporelle de !'après synthèse des deux configurations matérielles, reporte des apports de 26% et 66% respectivement. Puisque le système fonctionne à 50 MHz, il y a ainsi une marge de manœuvre disponible intéressante pour des perfectionnements algorithmiques. Ainsi, en utilisant la combinaison d'une plate-forme peu coûteuse, une approche flexible de développement et une solution en temps réel, l'exécution montrée dans ce mémoire démontre que la synthèse d'une solution finale de navigation véhiculaire fonctionnant en temps réel, complètement fonctionnelle, panne-résiliente, peu coûteuse est faisable.