Absolute Ortung ohne GPS

Unter Verwendung einer IMU kann ein Roboter seine aktuelle Position relativ zu seiner Startposition schätzen, dies führt jedoch zu einem Fehler im Laufe der Zeit. GPS ist besonders nützlich, um Positionsinformationen bereitzustellen, die nicht durch lokale Fehlerakkumulation beeinflusst werden. GPS kann jedoch nicht in Innenräumen verwendet werden, und selbst im Freien kann es fleckig sein.

Mit welchen Methoden oder Sensoren kann ein Roboter (relativ zu einem Referenzrahmen) lokalisieren, ohne GPS zu verwenden?

In erster Linie wird Dead Reckoning zusammen mit einer anderen Technik verwendet, die im Allgemeinen SLAM-artig ist. Der Roboter erstellt eine Karte und versucht dann, diese Karte zu lokalisieren. Beispielsweise kann der Roboter mithilfe von Laser-Entfernungsmessern auf der Grundlage von Dead Reckoning eine Vorstellung davon haben, wo er sich befindet. Durch Vergleichen der Laserentfernungsdaten mit der Karte kann die Schätzung verbessert werden.

Relevante Ressourcen sind:

• Indoor-Ortungssystem auf Wikipedia.
• H. Liu, H. Darabi, P. Banerjee und J. Liu. Übersicht über drahtlose Indoor-Ortungstechniken und -systeme . IEEE-TRANSAKTIONEN AUF SYSTEMEN, MANN UND KYBERNETIK, Seite 1067.
• Verfolgung der Position in Innenräumen: Übergang vom Hype zur Realität .

Methoden umfassen:

• SLAM (oder zumindest Lokalisierung) mit
  • Laser-
  • Vision (Kameras, Stereo-Vision)
  • strukturierte Umgebungen
• zellulare Signale
• WiFi-Signale
• Funkbaken und Triangulation (weitere Informationen unter http://www.wpi.edu/Images/CMS/PPL/ITT.pdf ).
• Kamera-Tracking-Systeme (optisches Tracking von Markern innerhalb eines Raumes)

Ich verstehe, dass es Ihr Problem ist, andere Mittel als GPS zu finden, um Ihre Position innerhalb eines bestimmten Referenzrahmens zu finden. Dieses Problem wird isoliert als Lokalisierung bezeichnet, und es gibt viele Möglichkeiten, dies durchzuführen. Zunächst müssen Sie zwischen relativen Methoden unterscheiden, also Messungen, die eine Positionsänderung zu einer zuvor bekannten Position ergeben. Diese Methode hat das Problem, dass alle Fehler offensichtlich akkumuliert werden und unbegrenzt wachsen.

• Dead Reckoning ist wahrscheinlich eine der ältesten Arten der relativen Lokalisierung. Wenn Sie Kurs, Geschwindigkeit und Zeit verwenden (um die zurückgelegte Strecke zu schätzen), können Sie die Positionsänderungen von einer Startposition aus zusammenfassen.

• Neben der Verwendung von Dead Reckoning können Sie auch keine Orientierungspunkte setzen und diese in einer Karte verfolgen. Wenn Sie diese Orientierungspunkte erneut suchen, können Sie den relativen Positionsfehler reduzieren. Dies ist das Problem der simultanen Lokalisierung und Zuordnung (SLAM). Es ist immer noch relative Navigation.

Kommen wir nun zu Ihrer eigentlichen Frage zur absoluten Navigation. GPS bietet Ihnen lediglich Entfernungsschätzungen zu Orientierungspunkten mit bekannten Positionsinformationen in Ihrem Referenzrahmen (in diesem Fall geozentrisch). GPS-Empfänger nehmen diese Informationen und generieren eine Positionslösung, die ebenfalls einen Fehler aufweist. Das Gute ist jedoch, dass dieser Fehler innerhalb Ihres Bezugsrahmens liegt. Das macht es zu einem absoluten Positionierungssystem. Egal ob drinnen oder draußen und unabhängig von Ihrem gewünschten Referenzrahmen, alles, was Sie für absolute Positionierungssysteme benötigen, sind Messungen, die Sie in Bezug auf eine bekannte Orientierungspunktposition innerhalb Ihrer Referenzrahmen setzen. Einige dieser Methoden wurden in einer früheren Antwort angegeben . Obwohl, wie gesagt, SLAM keine absolute Methode ist.

• Die einfachste Form ist die direkte Erkennung von Orientierungspunkten. Wenn Sie einen Eiffelturm sehen, sollten Sie eine gute Vorstellung von Ihrer absoluten Position (zumindest mit einer absoluten Fehlergrenze) innerhalb des erdfesten Rahmens haben (wenn Sie die Position des Eiffelturms kennen). Möglicherweise müssen Sie jedoch eine Disambiguierung vornehmen.

• Wenn Sie Ihren absoluten Positionsfehler verbessern möchten, können Sie mehrere Orientierungspunkte gleichzeitig verwenden. Die klassische Triangulation ist ein solches Beispiel. Ein anderer verwendet Krater für ein Mondlandefahrzeug. Orientierungspunkte müssen nicht visuell sein, und Sie können beispielsweise die HF-Signalstärke für bekannte Signale wie WiFi oder Mobilfunklokalisierung verwenden.

• Alle oben genannten Methoden erforderten Orientierungspunkte, die identifiziert und eindeutig zugeordnet werden müssen. Wenn dies ein Problem ist, können Sie auch andere Methoden verwenden, z. B. das Geländeprofil . Dies wurde beispielsweise für die frühe Navigation von Marschflugkörpern angewendet . Ich habe diese Methode auch für die Lokalisierung auf einer Höhenkarte ohne visuelle oder Entfernungsmessung verwendet.

Mit allen oben genannten Methoden: Solange mit einem Kartenmaterial georeferenzierte Informationen verknüpft sind, können Sie sich natürlich auch ohne GPS georeferenzieren. Der wichtigste Faktor zur Unterscheidung der Methoden sind ihre Fehlereigenschaften.

Ich weiß, dass dies eine alte Frage ist, aber ich werde nur ein wenig zu den derzeit vorhandenen Antworten hinzufügen. Erstens ist dies ein sehr komplexes Problem, das jeder angehen möchte, einschließlich Google mit seinem Tango-Projekt . Im Allgemeinen müssen Sie sich zur Lokalisierung von Innenräumen entweder auf Ihre internen Sensoren verlassen oder sich von einer Inneninfrastruktur unterstützen lassen, die Sie bei der Lokalisierung unterstützt.

• Auf Sensoren an Bord setzen:
  • Verwendung von Sensoren wie LIDAR / Laser, Kameras, RGBD-Sensoren, IMUs
  • Führen Sie eine komplexe algorithmische Sensorfusion durch, um eine genaue iterative Lokalisierung durchzuführen. SLAM (Simultaneous Localization and Map Building) wird häufig verwendet. Ich habe zuvor eine Methode namens MRICP (Map Reference Iterative Closest Point) entwickelt, um eine einfache, aber fehleranfällige Lokalisierung durchzuführen. Viel Literatur zu diesem Thema, einschließlich der jüngsten vielversprechenden monokularen und stereoskopischen visuellen Entfernungsmessung ( siehe vi sensor von skybotix oder svo ).
• Verlassen Sie sich auf die Infrastruktur:
  • Beacons (Bluetooth, Ultraband, Wireless ...)
  • Mocap (Motion-Capture-Kameras: Vicon, Visualeyez ...)
  • Codierte Positionierung in Glühbirnen (Philips experimentiert kürzlich damit)

Im Allgemeinen hängt es wirklich davon ab, welche Genauigkeit Sie erreichen möchten. In der mobilen Robotik müssen Sie sich meiner Erfahrung nach wirklich auf global konsistente Karten und eine lokal genaue Positionierung konzentrieren. Dies bedeutet, dass Sie grob wissen müssen, wo Sie sich auf hoher topologischer Ebene befinden (dieser Raum ist mit dem anderen Raum auf der linken Seite verbunden, der nächste Raum auf der linken Seite ist 2,323 m entfernt) Positionsschätzung (Laser + IMUs können dies genau tun).

Hoffe das hilft.

Wenn Sie eine georeferenzierte Lokalisierung anstreben, müssen Sie irgendwann GPS verwenden. Die anderen Techniken (Dead Reckoning, SLAM, ...) sind nur zur "Überbrückung" des punktuellen GPS / Indoor-Absolutpositionsempfangs nützlich.

Sie fragen, wie Sie einen Beschleunigungssensor verwenden können, um bessere Positionsmessungen durchzuführen. Wie Sie richtig bemerkt haben, häufen sich diese Fehler mit der Zeit an.

Eine Möglichkeit, dies zu verbessern, sind regelmäßige Aktualisierungen der absoluten Position, z. B. über GPS oder anhand der Techniken in vielen der hier aufgeführten Antworten.

Übersehen Sie jedoch nicht die Fähigkeiten, die Sie möglicherweise benötigen, um Aktualisierungen der absoluten Geschwindigkeit zu erhalten. Jeder Geschwindigkeitssensor über Grund oder nur die Rohdaten zu Position / Geschwindigkeit der Räder (falls Sie Räder haben) können Ihre Genauigkeit bei der Berechnung von Unwägbarkeiten verbessern.

http://www.locatacorp.com/ könnte die Lösung sein, nach der Sie suchen. Sie bieten Technologie, um eine lokale Konstellation in Innenräumen zu schaffen. Es emuliert die Satelliten für Indoor-GPS-Anwendungen. Ich glaube, es kann GPS-Empfänger in Innenräumen verwenden, ohne dass zusätzliche Hardware für die Roboter erforderlich ist.

Optische Durchflusssensoren (wie sie in Computermäusen verwendet werden) sind für diese Situation gut geeignet. Die meisten werden in Bezug auf die Übersetzung ausgegeben.

Alternativ können Sie auch eine einfache Kamera verwenden und einige optische Flussalgorithmen für die Daten ausführen. Dadurch erhalten Sie dieselben grundlegenden Informationen. Auf diese Weise ist es möglicherweise einfacher, einen Algorithmus anzupassen, der sowohl Rotationsbewegung als auch Translation bietet.

Einige optische Fluss-ICs können Ihnen Bilddaten liefern (z. B. ADNS-3080), die Sie für Rotationsinformationen weiter analysieren können.

Jüngste Fortschritte im monokularen SLAM (ORB_SLAM, LSD_SLAM, SVO) haben es ermöglicht, die Position einer Kamera in einem beliebig skalierten und gedrehten Ausgangsbild zu bestimmen. Wenn Sie diese Informationen mit einem IMU- und EKF-System wie dem der ETH (ethzasl_msf) kombinieren, können Sie eine Positionsschätzung erhalten, auch wenn kein GPS verfügbar ist. Noch besser, Sie können eine Reihe von Pose / Position / Haltung / etc. Kombinieren. Sensoren in der MSF.