Za pomocą IMU robot może oszacować swoją bieżącą pozycję w stosunku do pozycji początkowej, ale z czasem pojawia się błąd. GPS jest szczególnie przydatny do dostarczania informacji o pozycji, które nie są tendencyjne z powodu lokalnego nagromadzenia błędów. Ale GPS nie może być używany w pomieszczeniach, a nawet na zewnątrz może być nierówny.
Jakie więc metody lub czujniki może zastosować robot do lokalizacji (w odniesieniu do niektórych ram odniesienia) bez korzystania z GPS?
localization
gps
sensors
slam
Robz
źródło
źródło
Odpowiedzi:
Przede wszystkim martwe obliczanie jest stosowane wraz z jakąś inną techniką, zwykle podobną do SLAM. Robot buduje mapę, a następnie próbuje zlokalizować w obrębie tej mapy. Na przykład za pomocą laserowych skanerów zasięgu i w oparciu o obliczenia martwe robot ma pojęcie, gdzie się znajduje. Porównując dane zasięgu lasera z mapą, może poprawić swoje oszacowanie.
Odpowiednie zasoby to:
Metody obejmują:
źródło
Rozumiem, że Twoim problemem jest znalezienie różnych sposobów na GPS, aby znaleźć swoją pozycję w ramach danej ramki odniesienia. Ten problem w izolacji nazywa się lokalizacją i można to zrobić na wiele sposobów. Najpierw będziesz musiał rozróżnić metody względne, a więc pomiary, które zapewniają zmianę pozycji na wcześniej znaną pozycję. Ta metoda ma problem polegający na tym, że wszelkie błędy są oczywiście kumulowane i będą rosły bez ograniczeń.
Martwe obliczanie jest prawdopodobnie jednym z najstarszych sposobów względnej lokalizacji. Jeśli korzystasz z kursu, prędkości i czasu (aby oszacować przebytą odległość), możesz podsumować zmiany pozycji od pozycji początkowej.
Oprócz korzystania z funkcji martwego obliczania nie można także wyszukiwać punktów orientacyjnych i śledzić ich na mapie. Znalezienie tych punktów orientacyjnych pozwoli Ci zmniejszyć błąd względnej pozycji. Jest to problem z jednoczesną lokalizacją i mapowaniem (SLAM). Jest to nadal nawigacja względna.
Teraz nadchodzi twoje aktualne pytanie dotyczące absolutnej nawigacji. GPS zapewnia jedynie oszacowanie odległości do punktów orientacyjnych ze znanymi informacjami o pozycji w ramce odniesienia (w tym przypadku geocentrycznym). Odbiorniki GPS pobiorą te informacje i wygenerują rozwiązanie położenia, które również zawiera błąd. Dobrą rzeczą jest to, że ten błąd jest ograniczony w twoim zakresie odniesienia. To czyni go absolutnym systemem pozycjonowania. Niezależnie od tego, czy znajduje się w pomieszczeniu, czy na zewnątrz i bez względu na pożądaną ramkę odniesienia, wszystko, czego potrzebujesz do absolutnego systemu pozycjonowania, to pomiary, które przedstawiają cię w stosunku do znanej pozycji punktu orientacyjnego w twoich ramkach odniesienia. Niektóre z tych metod podano w poprzedniej odpowiedzi . Chociaż, jak powiedziałem, SLAM nie jest metodą absolutną.
Najprostszą formą jest bezpośrednie rozpoznawanie punktów orientacyjnych. Jeśli zobaczysz wieżę Eiffla, powinieneś mieć dobre pojęcie o swojej absolutnej pozycji (przynajmniej z ograniczeniem błędu absolutnego) w ramie stałej ziemi (jeśli znasz pozycję wieży Eiffla). Być może jednak będziesz musiał zrobić coś jednoznacznego .
Jeśli chcesz poprawić swój bezwzględny błąd pozycji, możesz użyć wielu punktów orientacyjnych jednocześnie. Klasyczna triangulacja jest tego przykładem. Kolejnym jest użycie kraterów do zejścia księżycowego. Punkty orientacyjne nie muszą być wizualne, a do znanych sygnałów, takich jak Wi-Fi lub lokalizacja komórkowa, możesz użyć takich parametrów, jak siła sygnału RF.
Wszystkie powyższe metody wymagały punktów orientacyjnych, które należy zidentyfikować i jednoznacznie powiązać. Jeśli jest to problem, możesz także użyć różnych metod, takich jak profil terenu . Dotyczy to na przykład wczesnej nawigacji rakietowej . Użyłem również tej metody do lokalizacji na mapie wysokości bez wykrywania wizualnego lub zasięgu.
Wszystkie powyższe metody: tak długo, jak jakikolwiek materiał mapy zawiera powiązane informacje geograficzne, możesz oczywiście samodzielnie odnosić się bez korzystania z GPS. Najważniejszym czynnikiem różnicującym metody jest ich charakterystyka błędów.
źródło
Wiem, że to stare pytanie, ale dodam trochę do obecnie istniejących odpowiedzi. Po pierwsze, jest to bardzo złożony problem, z którym wszyscy próbują się zmierzyć, w tym Google z projektem Tango . Zasadniczo, aby zlokalizować wnętrze, musisz polegać na wewnętrznych czujnikach lub skorzystać z pomocy infrastruktury wewnętrznej, która pomoże ci zlokalizować siebie.
Zasadniczo zależy to od dokładności, którą próbujesz osiągnąć. Z robotyki, z mojego doświadczenia, naprawdę musisz skupić się na globalnie spójnych mapach i lokalnie dokładnym pozycjonowaniu. Oznacza to, że musisz z grubsza wiedzieć, gdzie jesteś, z topologicznego sposobu na wysokim poziomie (ten pokój jest połączony z drugim pokojem po lewej stronie, a następny pokój po lewej stronie jest oddalony o 2,323 m), ale lokalnie powinieneś mieć dokładny oszacowanie pozycji (lasery + IMU mogą to zrobić dokładnie).
Mam nadzieję że to pomoże.
źródło
Jeśli Twoim celem jest lokalizacja georeferencyjna, w pewnym momencie będziesz musiał użyć GPS. Inne techniki (martwe obliczanie, SLAM, ...) przydadzą się tylko do „mostkowania” nierównego odbioru GPS / absolutnego pozycjonowania w pomieszczeniu.
źródło
Pytasz, jak używać czujnika przyspieszenia, aby dokonywać lepszych pomiarów pozycji. Jak słusznie zauważyłeś, kumulują się one z czasem.
Jednym ze sposobów, aby to poprawić, jest przeprowadzanie okresowych aktualizacji pozycji bezwzględnych, takich jak GPS lub techniki z wielu odpowiedzi tutaj.
Nie zapominaj jednak o żadnych umiejętnościach, które mogą być konieczne do uzyskania aktualizacji prędkości absolutnej. Każdy czujnik prędkości nad ziemią lub tylko nieprzetworzone dane pozycji / prędkości z kół (jeśli masz koła) mogą poprawić twoją dokładność liczenia martwego.
źródło
http://www.locatacorp.com/ może być rozwiązaniem, którego szukasz. Oferują technologię tworzenia lokalnej konstelacji w pomieszczeniach. Emuluje satelity do wewnętrznych zastosowań GPS. Wierzę, że może korzystać z odbiorników GPS w pomieszczeniach bez potrzeby dodatkowego sprzętu w robotach.
źródło
Optyczne czujniki przepływu (takie jak te stosowane w myszach komputerowych) są odpowiednie w tej sytuacji. Większość poda wyniki w zakresie tłumaczeń.
Alternatywnie możesz po prostu użyć podstawowej kamery i uruchomić na danych algorytmy przepływu optycznego. Otrzymasz te same podstawowe informacje. W ten sposób może być łatwiej dostosować algorytm, który zapewni ruch obrotowy, a także translację.
Niektóre układy scalone przepływu optycznego mają zdolność dostarczania danych obrazu (np. ADNS-3080), które można dalej analizować pod kątem informacji o rotacji.
źródło
Ostatnie postępy w dziedzinie SLAM opartej na wizji jednoocznej (ORB_SLAM, LSD_SLAM, SVO) umożliwiły określenie pozy kamery w dowolnie skalowanej i obróconej klatce początkowej. Jeśli połączysz te informacje z systemem IMU i EKF, takim jak ten z ETH (ethzasl_msf), możesz uzyskać oszacowanie pozycji, nawet jeśli GPS nie jest dostępny. Co więcej, możesz połączyć kilka pozycji / pozycji / pozycji / itp. czujniki w MSF.
źródło