GPS'siz mutlak konumlandırma


23

Bir IMU kullanarak bir robot mevcut pozisyonunu başlangıç ​​pozisyonuna göre tahmin edebilir, ancak bu zamanla hataya neden olur. GPS, yerel hata birikimi ile taraflı olmayan pozisyon bilgisi sağlamak için özellikle yararlıdır. Ancak GPS iç mekanda kullanılamaz ve dış mekanda bile sivilceli olabilir.

Peki bir robotun GPS kullanmadan lokalize etmek için (bazı referans çerçevelerine göre) kullanabileceği bazı yöntemler veya sensörler nelerdir?


SLAM (Eşzamanlı Lokalizasyon ve Haritalama) etiketi eklendi, çünkü ilk iki cevap da buna
Andrew

Bu robotun ne tür bir ölçekte olduğundan emin değilsiniz, ancak eğer GPS'de çok büyük bir şeyse ve yavaş hareket ederse, bilinmeyen arazi kapalı alanlarını (ör: maden tüneli) reddeder ve toplam istasyonu kullanarak robotun hassas bir şekilde konumlandırılmasını sağlayabilirsiniz. birkaç izleme prizma.
JJerome

Yanıtlar:


20

Öncelikle, ölü hesaplaşma, genellikle SLAM benzeri, başka bir teknikle birlikte kullanılır. Robot bir harita oluşturur ve daha sonra o harita içinde yerelleştirmeye çalışır. Örneğin, lazer menzilli tarayıcıları kullanarak ve ölü hesaplaşmaya dayanarak, robotun nerede olduğu hakkında bir fikri var. Lazer menzili verilerini harita ile karşılaştırarak tahminini iyileştirebilir.

İlgili kaynaklar:

Yöntemler şunları içerir:

  • SLAM (veya en azından yerelleştirme) ile
    • lazer
    • görme (kameralar, stereo-görme)
    • yapısal ortamlar
  • hücresel sinyaller
  • wifi sinyalleri
  • RF (radyo frekansı) işaretçileri ve üçgenleştirilmesi ( http://www.wpi.edu/Images/CMS/PPL/ITT.pdf adresinde daha fazla bilgi ).
  • kamera izleme sistemleri (bir alandaki işaretleyicilerin optik olarak izlenmesi)

Ronalchn'i genişletmek için temel olarak bilinen konumlardaki bir işaret şeklini veya bir haritadan göreceli bir düzeltme veya bir haritadan ve bilinen nesneleri (duvarlar veya kapılar gibi) algılamanın bir yoluna ihtiyacınız vardır. İşaretler, robotunuza veya çift kullanımınıza özgü olabilir (bilinen wifi yönlendiricileri, hücre kulesi konumları vb.)
ViennaMike

9

Anladığım kadarıyla, sorununuzu belirli bir referans çerçevesi içinde konumunuzu bulmak için GPS için farklı yollar bulmaktır. İzolasyondaki bu soruna yerelleştirme denir ve bunu gerçekleştirmenin birçok yolu vardır. Öncelikle, göreceli yöntemler arasında ayrım yapmanız gerekecek, böylece önceden bilinen bir pozisyonda pozisyonda değişiklik sağlayan ölçümler. Bu yöntemin problemi var, herhangi bir hatanın açıkça birikmiş olması ve sınırsız kalması.

  • Ölü hesaplaşma muhtemelen göreceli yerelleştirmenin en eski yollarından biridir. Eğer rota, hız ve zaman kullanırsanız (seyahat edilen mesafeyi tahmin ederek) pozisyon değişikliklerini başlangıç ​​pozisyonundan toplayabilirsiniz.

  • Ölü hesaplaşma kullanmaya ek olarak, simge yapılamaz ve bir harita üzerinde onları izleyemezsiniz. Bu yer işaretlerini tekrar bulmak, göreceli konum hatasını azaltmanıza izin verecektir. Bu, Eşzamanlı Yerelleştirme ve Haritalama (SLAM) sorunudur. Hala göreceli navigasyon.

Şimdi mutlak navigasyon ile ilgili gerçek sorunuza geliyoruz. GPS'in yaptığı tek şey, referans çerçevenizde bilinen bir konum bilgisine sahip (bu durumda jeosentrik) yer işaretleri için mesafe tahminleri sağlamaktır. GPS alıcıları bu bilgileri alacak ve aynı zamanda bir hata yapmış olan bir konum çözümü üretecektir. Yine de iyi olan, bu hatanın referans çerçevesinde sınırlandırılmış olmasıdır. Bu onu mutlak bir konumlandırma sistemi yapan şey. Bu nedenle, ister içeride ister dışarıda olsun ve istediğiniz referans çerçevesinden bağımsız olarak, mutlak konumlandırma sistemleri için tek ihtiyacınız, sizi referans çerçevelerinizdeki bilinen bir dönüm noktası konumuna göre ölçen ölçümlerdir. Bu yöntemlerden bazıları önceki cevaplarda verilmiştir . Her ne kadar dediğim gibi, SLAM mutlak bir yöntem değil.

  • En basit şekli doğrudan dönüm noktası tanımadır. Eğer bir Eyfel Kulesi görüyorsanız, dünyadaki sabit çerçeve içerisinde (Eyfel Kulesi'nin konumunu biliyorsanız), mutlak konumunuz (en azından mutlak bir hata ile) hakkında iyi bir fikre sahip olmalısınız. Yine de bazı belirsizlikler yapmanız gerekebilir .

  • Mutlak konum hatasını iyileştirmek istiyorsanız, aynı anda birden fazla yer işareti kullanabilirsiniz. Klasik üçgenleme böyle bir örnektir. Bir diğeri, ay inişli bir araç için kraterler kullanıyor. Yer işaretlerinin görsel olması gerekmez ve WiFi veya Hücresel yerelleştirme gibi bilinen sinyaller için RF sinyal gücü gibi şeyleri kullanabilirsiniz.

  • Yukarıdaki yöntemlerin hepsinin tanımlanması ve benzersiz bir şekilde ilişkilendirilmesi gereken önemli noktalara ihtiyacı vardı. Bu bir problemse, arazi profili gibi farklı yöntemler de kullanabilirsiniz . Bu örneğin erken seyir füzesi navigasyonu için uygulanmıştır . Bu yöntemi görsel veya aralık algılaması olmadan bir yükseklik haritasında yerelleştirme için de kullandım .

Yukarıdaki yöntemlerin tümü ile: Harita materyallerinizden herhangi biri Geo ile ilişkili bilgilerle ilişkilendirildiği sürece, GPS kullanmadan kendinize Geo-referans verebilirsiniz. Yöntemleri ayırt etmek için en önemli faktör hata özellikleridir.


4

Bunun eski bir soru olduğunu biliyorum, ancak şu an varolan cevaplara biraz ekleyeceğim. Birincisi, bu Tango projesiyle google dahil herkesin üstesinden gelmeye çalıştığı çok karmaşık bir problem . Genel olarak, iç mekanı lokalize etmek için ya iç algılayıcılarınıza güvenmeniz ya da kendinizi bulmanıza yardımcı olmak için konuşlandırılmış bir iç mekan altyapısından yardım almanız gerekir.

  • Yerleşik sensörlere dayanarak:
    • LIDAR / Lazerler, kameralar, RGBD sensörleri, IMU'lar gibi sensörleri kullanma
    • Bir tür doğru yinelemeli lokalizasyon gerçekleştirmek için karmaşık algoritmik sensör füzyonunu gerçekleştirin. SLAM (Eşzamanlı Yerelleştirme ve Harita oluşturma) yaygın olarak kullanılır. Daha önce basit fakat hataya açık bir yerelleştirme gerçekleştirmek için MRICP (Harita Referansı İteratif En Yakın Noktası) adı verilen bir yöntem geliştirmiştim . Oldukça umut verici olan son monoküler ve stereoskopik görsel kilometre sayacını da içeren bu cepheye bakmak için pek çok literatür var ( skybotix veya svo'dan vi sensörünü kontrol edin ).
  • Altyapıya güvenin:
    • İşaretler (bluetooth, ultraband, Kablosuz ...)
    • Mocap (hareket yakalama kameraları: vicon, visualeyez ...)
    • Ampullerde kodlanmış konumlandırma (philips son zamanlarda bunu deniyor)

Genel olarak, bu gerçekten hangi doğruluğu sağlamaya çalıştığınıza bağlıdır. Mobil robotlarda benim deneyimlerime göre, gerçekten global olarak tutarlı haritalara ve yerel olarak doğru konumlandırmaya odaklanmanız gerekir. Bu, nerede bulunduğunuzu, yüksek düzeyde bir topolojik tarzda nereli olduğunuzu bilmeniz gerektiği anlamına gelir (bu oda soldaki diğer odaya bağlanır, soldaki bir sonraki oda 2.323 m uzaklıktadır), ancak yerel olarak doğru bir konum tahmini (lazerler + IMU'lar bunu doğru şekilde yapabilir).

Bu yardımcı olur umarım.


3

Hedefiniz georeferenced yerelleştirme sahip olmak ise, olacak bir noktada GPS kullanmak zorunda. Diğer teknikler (ölü sayma, SLAM, ...) sadece sivilceli GPS / iç mekan mutlak konumlandırma alımını "köprülemek" için yararlı olacaktır.


2

Daha iyi pozisyon ölçümleri yapmak için bir hızlanma sensörünün nasıl kullanılacağını soruyorsunuz. Doğru bir şekilde belirttiğiniz gibi, bunlar zaman içinde hata biriktirir.

Bunu iyileştirmenin bir yolu, GPS gibi ya da buradaki birçok cevabın tekniklerindeki periyodik mutlak konum güncellemelerinin yapılmasıdır.

Ancak, mutlak hız güncellemeleri almak zorunda kalabileceğiniz yetenekleri gözden kaçırmayın. Herhangi bir yer üstü hız sensörü veya yalnızca tekerleklerden gelen ham konum / hız verileri (tekerlekleriniz varsa) ölü hesaplaşma doğruluğunu artırabilir.


2

http://www.locatacorp.com/ , aradığınız çözüm olabilir. Yerel bir takımyıldızı kapalı oluşturmak için teknoloji sunarlar. İç mekan GPS uygulamaları için uyduları taklit eder. Robotlarda ek donanıma ihtiyaç duymadan GPS alıcılarını iç mekanlarda kullanabileceğine inanıyorum.


2

Optik akış sensörleri (bilgisayar farelerinde kullanılanlar gibi) bu durum için iyidir. Çoğu çeviri açısından çıktı verecektir.

Alternatif olarak, sadece temel bir kamera kullanabilir ve veriler üzerinde bazı optik akış algoritmalarını çalıştırabilirsiniz. Bu size aynı temel bilgileri verecektir. Bu şekilde yaparken, çevirmenin yanı sıra dönme hareketi sunacak bir algoritmayı uyarlamak daha kolay olabilir.

Bazı optik akış IC'leri size dönme bilgileri için daha fazla analiz edebileceğiniz görüntü verilerini (örn. ADNS-3080) sunma yeteneğine sahiptir.


1

Monoküler görme tabanlı SLAM'deki (ORB_SLAM, LSD_SLAM, SVO) son gelişmeler, bir kameranın pozunun keyfi bir şekilde ölçeklendirilmiş ve döndürülmüş bir başlangıç ​​çerçevesi ile belirlenmesini mümkün kılmıştır. Bu bilgileri ETH’den (Ethzasl_msf) olduğu gibi bir IMU ve EKF sistemi ile birleştirirseniz, GPS olmadığında bile bir konum tahmini alabilirsiniz. Daha da iyisi, birkaç poz / pozisyon / tutum / etc birleştirebilirsiniz. MSF'deki sensörler.

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.