Penentuan posisi absolut tanpa GPS

Menggunakan IMU sebuah robot dapat memperkirakan posisi saat ini relatif terhadap posisi awal, tetapi ini menimbulkan kesalahan dari waktu ke waktu. GPS sangat berguna untuk menyediakan informasi posisi yang tidak bias oleh akumulasi kesalahan lokal. Tetapi GPS tidak dapat digunakan di dalam ruangan, dan bahkan di luar ruangan pun dapat menjadi jerawatan.

Jadi apa sajakah metode atau sensor yang dapat digunakan robot untuk melokalkan (relatif terhadap beberapa kerangka referensi) tanpa menggunakan GPS?

Terutama, perhitungan mati digunakan bersama dengan beberapa teknik lain, umumnya seperti SLAM. Robot membangun peta, dan kemudian mencoba untuk melokalkan dalam peta itu. Misalnya, menggunakan pemindai jarak laser, dan berdasarkan perhitungan mati, robot memiliki ide di mana itu. Dengan membandingkan data rentang laser dengan peta, itu dapat meningkatkan perkiraannya.

Sumber daya yang relevan adalah:

• Sistem penentuan posisi dalam ruangan di Wikipedia.
• H. Liu, H. Darabi, P. Banerjee dan J. Liu. Survei Teknik dan Sistem Wireless Indoor Positioning . TRANSAKSI IEEE PADA SISTEM, MAN, DAN SIKLUS, halaman 1067.
• Melacak Posisi Di Dalam Ruangan: pindah dari Hype ke Reality .

Metode meliputi:

• SLAM (atau setidaknya pelokalan) dengan
  • laser
  • visi (kamera, stereo-vision)
  • lingkungan terstruktur
• sinyal seluler
• sinyal wifi
• Beacon dan triangulasi RF (frekuensi radio) (informasi lebih lanjut di http://www.wpi.edu/Images/CMS/PPL/ITT.pdf ).
• sistem pelacakan kamera (pelacakan penanda secara spasial)

Saya mengerti masalah Anda adalah menemukan cara yang berbeda untuk GPS untuk menemukan posisi Anda dalam kerangka referensi yang diberikan. Masalah ini dalam isolasi disebut pelokalan, dan ada banyak cara untuk melakukan itu. Pertama, Anda harus membedakan antara metode relatif, sehingga pengukuran yang memberikan perubahan posisi ke posisi yang sebelumnya diketahui. Metode ini memiliki masalah, bahwa setiap kesalahan jelas terakumulasi, dan akan tumbuh tanpa batas.

• Perhitungan mati kemungkinan merupakan salah satu cara tertua lokalisasi relatif. Jika Anda menggunakan heading, kecepatan dan waktu (sehingga memperkirakan jarak yang ditempuh), Anda dapat menyimpulkan perubahan posisi Anda dari posisi awal.

• Selain menggunakan perhitungan mati Anda juga tidak bisa tengara dan melacaknya di peta. Menemukan landmark itu lagi akan memungkinkan Anda untuk mengurangi kesalahan posisi relatif Anda. Ini adalah masalah Pelokalan dan Pemetaan Simultan (SLAM). Ini masih navigasi relatif.

Sekarang datang ke pertanyaan Anda yang sebenarnya di navigasi absolut. Semua yang dilakukan GPS adalah memberi Anda estimasi jarak ke Tengara dengan informasi posisi yang diketahui dalam kerangka referensi Anda (dalam hal ini geosentris). Penerima GPS akan mengambil informasi ini dan menghasilkan solusi posisi, yang juga memiliki kesalahan. Hal yang baik adalah bahwa kesalahan ini dibatasi dalam kerangka referensi Anda. Inilah yang membuatnya menjadi sistem penentuan posisi absolut. Jadi apakah itu di dalam atau di luar ruangan dan terlepas dari kerangka referensi yang Anda inginkan, semua yang Anda butuhkan untuk sistem penentuan posisi absolut adalah pengukuran yang menempatkan Anda dalam kaitannya dengan beberapa posisi tengara yang dikenal dalam kerangka referensi Anda. Beberapa metode tersebut telah diberikan dalam jawaban sebelumnya . Meskipun, seperti yang saya katakan, SLAM bukanlah metode absolut.

• Bentuk paling sederhana adalah pengakuan tengara langsung. Jika Anda melihat Menara Eiffel, Anda harus memiliki gagasan yang baik tentang posisi absolut Anda (setidaknya dengan batas kesalahan absolut) di dalam kerangka bumi tetap (jika Anda tahu posisi Menara Eiffel). Anda mungkin harus melakukan disambiguasi .

• Jika Anda ingin meningkatkan kesalahan posisi absolut, Anda dapat menggunakan beberapa landmark secara bersamaan. Triangulasi klasik adalah contohnya. Satu lagi menggunakan kawah untuk kendaraan keturunan bulan. Tengara tidak harus visual, dan Anda dapat menggunakan hal-hal seperti kekuatan sinyal RF untuk sinyal yang dikenal seperti di WiFi atau lokalisasi Seluler.

• Semua metode di atas membutuhkan tengara, yang perlu diidentifikasi dan dikaitkan secara unik. Jika ini merupakan masalah, Anda juga dapat menggunakan metode yang berbeda, seperti profil medan . Ini misalnya telah diterapkan untuk navigasi rudal jelajah awal . Saya juga menggunakan metode ini untuk pelokalan pada peta ketinggian tanpa penginderaan visual atau jangkauan.

Dengan semua metode di atas: selama salah satu materi peta Anda memiliki informasi yang direferensikan secara Geo, Anda dapat dengan jelas melakukan Geo-referensi sendiri tanpa menggunakan GPS. Faktor yang paling penting untuk membedakan metode adalah karakteristik kesalahan mereka.

Saya tahu ini adalah pertanyaan lama tetapi saya hanya akan menambahkan sedikit jawaban yang ada saat ini. Pertama, ini adalah masalah yang sangat rumit yang semua orang coba atasi, termasuk google dengan proyek Tango mereka . Secara umum, untuk melokalisasi dalam ruangan Anda juga perlu bergantung pada sensor internal Anda, atau mendapatkan bantuan dari infrastruktur dalam ruangan yang digunakan untuk membantu Anda menemukan diri sendiri.

• Mengandalkan sensor onboard:
  • Menggunakan sensor seperti LIDAR / Laser, kamera, sensor RGBD, IMUs
  • Lakukan fusi sensor algoritmik yang kompleks untuk melakukan semacam lokalisasi iteratif yang akurat. SLAM (Simultanous Localization and Map building) biasa digunakan. Saya sebelumnya mengembangkan metode yang disebut MRICP (Map Reference Iterative Closest Point) untuk melakukan pelokalan yang sederhana namun rentan kesalahan. Banyak literatur untuk dilihat di bagian depan itu, termasuk odometri visual bermata dan stereoskopis baru-baru ini yang cukup menjanjikan (periksa sensor vi dari skybotix atau svo ).
• Andalkan infrastruktur:
  • Beacon (bluetooth, ultraband, Nirkabel ...)
  • Mocap (kamera perekam gerak: vicon, visualeyez ...)
  • Pemosisian bersandi dalam bola lampu (philips baru-baru ini bereksperimen dengan ini)

Secara umum itu sangat tergantung pada akurasi yang Anda coba capai. Dalam robotika seluler, dari pengalaman saya, Anda benar-benar harus fokus pada peta yang konsisten secara global, dan penentuan posisi yang akurat secara lokal. Ini berarti Anda perlu mengetahui secara kasar dari mana Anda berasal dari cara topologi tingkat tinggi (ruangan ini terhubung ke ruangan lain di sebelah kiri, vs kamar sebelah di sebelah kiri berjarak 2,323 m), tetapi secara lokal Anda harus memiliki informasi yang akurat. estimasi posisi (laser + IMU dapat melakukan ini dengan akurat).

Semoga ini membantu.

Jika tujuan Anda adalah untuk memiliki lokalisasi georeferensi, Anda akan harus menggunakan GPS di beberapa titik. Teknik-teknik lain (perhitungan mati, SLAM, ...) hanya akan berguna untuk "menjembatani" penerimaan GPS mutlak / dalam ruangan.

Anda bertanya bagaimana menggunakan sensor akselerasi untuk membuat pengukuran posisi yang lebih baik. Seperti yang telah Anda tunjukkan dengan benar, ini mengakumulasi kesalahan seiring waktu.

Salah satu cara untuk meningkatkan ini adalah memiliki pembaruan posisi absolut berkala, seperti dari GPS, atau dari teknik di banyak jawaban di sini.

Namun, jangan mengabaikan kemampuan yang mungkin Anda miliki untuk mendapatkan pembaruan kecepatan absolut. Sensor speed-over-ground, atau hanya data posisi / kecepatan mentah dari roda (jika Anda memiliki roda) dapat meningkatkan akurasi perhitungan mati Anda.

http://www.locatacorp.com/ mungkin solusi yang Anda cari. Mereka menawarkan teknologi untuk membuat konstelasi lokal di dalam ruangan. Ini mengemulasi satelit untuk aplikasi GPS dalam ruangan. Saya percaya dapat menggunakan penerima GPS dalam ruangan tanpa perlu perangkat keras tambahan pada robot.

Sensor aliran optik (seperti yang digunakan pada mouse komputer) bagus untuk situasi ini. Sebagian besar akan memberikan hasil dalam hal terjemahan.

Atau, Anda bisa menggunakan kamera dasar dan menjalankan beberapa algoritma aliran optik pada data. Ini akan memberi Anda informasi dasar yang sama. Mungkin lebih mudah ketika melakukannya dengan cara ini, untuk mengadaptasi algoritma yang akan menawarkan gerakan rotasi serta terjemahan.

Beberapa IC aliran optik memang memiliki kemampuan untuk memberi Anda data gambar (misalnya ADNS-3080), yang dapat Anda analisis lebih lanjut untuk informasi rotasi.

Kemajuan terbaru dalam SLAM berbasis visi bermata (ORB_SLAM, LSD_SLAM, SVO) telah memungkinkan untuk menentukan pose kamera dengan bingkai awal yang diputar dan diputar secara sewenang-wenang. Jika Anda menggabungkan informasi ini dengan sistem IMU dan EKF seperti yang dari ETH (ethzasl_msf), Anda dapat memperoleh perkiraan posisi bahkan ketika tidak ada GPS yang tersedia. Bahkan lebih baik, Anda dapat menggabungkan sejumlah pose / posisi / sikap / dll. sensor di MSF.