Il GPS dello smartphone è preciso tra i 3 e i 10 metri in buone condizioni — più che sufficiente per trovare la strada giusta, disperatamente impreciso per sapere in quale delle tre corsie si trova davvero un’auto. Un sistema di guida automatizzata costruito su quel livello di precisione starebbe indovinando se è centrato nella sua corsia o se sta scivolando in quella accanto. Passare da “da qualche parte su questa strada” a una posizione nota con sicurezza e precisa a pochi centimetri, aggiornata più volte al secondo, ha richiesto di impilare diverse tecnologie separate una sopra l’altra, nessuna delle quali basta da sola.
Perché il semplice GPS non sarebbe mai bastato
Un ricevitore GNSS (Global Navigation Satellite System) standard — il GPS è il più noto tra diversi sistemi di questo tipo, insieme al Galileo europeo, al GLONASS russo e al BeiDou cinese — calcola la posizione cronometrando i segnali radio dei satelliti, e quel calcolo porta con sé errori intrinseci dovuti a interferenze atmosferiche, geometria dei satelliti e riflessioni del segnale. In un vero e proprio canyon urbano, gli edifici alti su entrambi i lati di una strada riflettono i segnali satellitari prima che raggiungano il ricevitore, un problema chiamato multipath che può far sballare la posizione calcolata di decine di metri, esattamente negli ambienti urbani densi dove la precisione della posizione conta di più. Gallerie e parcheggi coperti sono ancora peggio: nessun segnale satellitare raggiunge affatto il ricevitore.
I segnali di correzione: da metri di errore a centimetri
La prima soluzione è il GNSS aumentato: una rete di stazioni di riferimento fisse a terra, in posizioni note con precisione, confronta continuamente la propria posizione GPS calcolata con la propria posizione reale, rilevata topograficamente, e trasmette in tempo reale i dati di correzione risultanti ai ricevitori vicini. Due tecniche concorrenti fanno questo: l’RTK (Real-Time Kinematic) confronta la fase grezza del segnale satellitare tra una stazione base vicina e il veicolo per correzioni molto rapide e molto precise, richiedendo tipicamente una stazione di riferimento entro qualche decina di chilometri; il PPP (Precise Point Positioning) usa invece una rete globale più rada di stazioni di riferimento e dati orbitali e di clock satellitare molto accurati, scambiando un tempo di convergenza leggermente più lento con una copertura che non dipende da una stazione locale vicina. In entrambi i casi il risultato è lo stesso: l’errore GNSS si riduce da metri a centimetri singoli, finché il segnale satellitare è comunque disponibile.
Colmare i vuoti: l’unità di misura inerziale
Per i momenti in cui il segnale GNSS sparisce del tutto — una galleria, un parcheggio sotterraneo, qualche secondo di forte multipath — l’auto si affida al dead reckoning (navigazione stimata) usando una IMU (Inertial Measurement Unit): accelerometri e giroscopi che tracciano come cambiano velocità e orientamento dell’auto da un istante all’altro, estrapolando la posizione in avanti a partire dall’ultimo fix GNSS buono noto. Una IMU da sola deriva, accumulando errore quanto più a lungo lavora senza un nuovo fix satellitare che la corregga, ed è esattamente per questo che viene usata come ponte a breve termine tra gli aggiornamenti GNSS, non come sistema di posizionamento a sé stante.
Cosa rende davvero una mappa “HD”
Anche un GNSS preciso al centimetro dice all’auto solo dove si trova sulla Terra — non dice nulla su quale corsia occupi quella posizione, dove sia davvero il cordolo, o dove sia montato uno specifico semaforo. Questo è il compito della mappa HD (High Definition), un prodotto fondamentalmente diverso dalla mappa di navigazione di un normale navigatore: invece delle mezzerie stradali e delle istruzioni di svolta, una mappa HD codifica i singoli limiti di corsia, l’altezza dei cordoli, la segnaletica orizzontale, la posizione di cartelli e semafori e la geometria della superficie stradale, tutto georeferenziato con precisione centimetrica e aggiornato molto più di frequente di una mappa convenzionale, proprio perché una strada riverniciata o un nuovo cartello installato possono contare per un sistema automatizzato in un modo che non ha mai contato per un umano che dà un’occhiata allo schermo del telefono.
Map matching: agganciare l’auto alla mappa di cui già si fida
Con una mappa HD caricata e una stima di posizione GNSS+IMU in mano, i sensori di bordo dell’auto — telecamera e LiDAR, lo stesso hardware di percezione descritto nel nostro articolo Sense — confrontano ciò che vedono davvero (segnaletica orizzontale, cordoli, cartelli, punti di riferimento fissi e distintivi) con ciò che la mappa HD dice dovrebbe esserci in quella posizione stimata. Questo processo, chiamato map matching, corregge la stima GNSS+IMU rispetto a un dato di terra noto e rilevato topograficamente, agganciando una stima di posizione semplicemente “molto buona” a una accurata a livello di corsia — il passaggio che consegna davvero la sicurezza a livello di centimetro di cui ha bisogno il resto del sistema di guida.
Chi costruisce davvero una mappa HD, e come resta aggiornata
Costruire una mappa HD su scala è un’industria specializzata a sé: veicoli di rilevamento dedicati, carichi di LiDAR, telecamere e GNSS di precisione, percorrono ogni strada che serve mappare ed elaborano i dati sensore risultanti nel formato a strati descritto sopra. Mantenere quella mappa aggiornata su una scala rilevante, però, si affida sempre più agli aggiornamenti crowdsourced — veicoli di produzione già su strada, equipaggiati con i sensori giusti, che confrontano continuamente ciò che vedono con la mappa esistente e segnalano le discrepanze (una nuova segnaletica orizzontale, un cartello spostato, una strada chiusa) al fornitore della mappa, trasformando ogni auto correttamente equipaggiata su strada in un veicolo di rilevamento a tempo parziale.
La ricerca UE dietro alla costruzione e all’uso di queste mappe
Due progetti UE H2020 complementari, entrambi sotto il programma di applicazioni a valle di Galileo/GNSS, affrontano gli estremi opposti del problema delle mappe HD. INLANE (“Low Cost GNSS and Computer Vision Fusion for Accurate Lane Level Navigation and Enhanced Automatic Map Generation”, coordinato da Vicomtech in Spagna, €2,64M, 2016-2018) ha affrontato direttamente il lato auto del problema: fondendo GNSS a basso costo con visione artificiale per raggiungere una precisione di navigazione a livello di corsia senza hardware di rilevamento professionale costoso, generando al contempo automaticamente dati di mappa come sottoprodotto della guida. GAMMS (“Galileo/GNSS-based Autonomous Mobile Mapping System”, coordinato da Geonumerics SL in Spagna, €1,38M, 2021-2025) ha attaccato invece il lato dell’offerta: sostituendo i tradizionali equipaggi di rilevamento da 2-3 persone dietro i sistemi di mappatura mobile convenzionali con flotte di veicoli di mappatura autonomi, elettrici e a basso costo, costruiti proprio attorno alla costellazione europea Galileo, con l’obiettivo di rendere la creazione stessa delle mappe HD abbastanza economica e scalabile da tenere il passo con una rete stradale che non smette mai di cambiare.
Foto: © Car-Shooters