Quatre étapes clés pour mettre en œuvre un flux de tests ADAS intelligent et efficace

Les systèmes avancés d'aide à la conduite (ADAS) tels que le régulateur de vitesse adaptatif ou le pilote d'autoroute deviennent une fonctionnalité standard des nouveaux véhicules. Pour accroître la sécurité des conducteurs, les constructeurs automobiles du monde entier développent et valident de tels systèmes pour les véhicules de la prochaine génération en tant qu'avantage concurrentiel.

Le travail d'un ingénieur de développement ADAS consiste à travailler sur des systèmes de contrôle sûrs et confortables. L'accès aux données nécessaires pour valider l'ensemble du système constitue un défi majeur à relever. Le grand nombre de scénarios qui augmentent la fiabilité du système nécessite de vastes campagnes de test et de collecte de données ADAS. Cependant, toutes les données ne sont pas utiles, la plupart d'entre elles étant redondantes, de sorte que trouver ces cas particuliers devient un véritable défi.

Participez à ce webinaire et découvrez la stratégie derrière les tests ADAS intelligents. Découvrez les outils de collecte de données ADAS qui permettent à votre équipe de collecter et d'indexer la jungle de données nécessaires à la validation fiable de leur ADAS de manière très efficace.

Le pipeline de données pour les ADAS et les véhicules autonomes : points abordés

Ce webinaire fournit un tutoriel pratique sur le développement ADAS basé sur les données. Nous vous guiderons à travers le processus de test ADAS, de la collecte de données à bord du véhicule jusqu'à leur utilisation dans le cadre du développement d'algorithmes. Vous verrez comment la solution Simcenter Scaptor peut aider votre organisation à développer et à valider efficacement de nouvelles fonctionnalités ADAS.

Vous découvrirez comment :

• Déployer efficacement une configuration de collecte de données sur un prototype de véhicule pour collecter avec précision des données à partir de capteurs de perception de pointe tels que des caméras, des radars, des lidars, etc.
• Ingérer automatiquement de grandes quantités de données collectées tout en maximisant la disponibilité du véhicule de test et de l'enregistreur de données ADAS
• Démêler les grandes quantités de données collectées au cours du cycle de développement d'un nouveau véhicule pour en extraire les cas particuliers les plus intéressants
• Développer et valider des algorithmes de contrôle efficaces à l'aide d'une infrastructure logicielle à faible latence