Используя IMU, робот может оценить свое текущее положение относительно его начального положения, но со временем возникает ошибка. GPS особенно полезен для предоставления информации о местоположении, не смещенной локальным накоплением ошибок. Но GPS нельзя использовать в помещении, и даже на улице он может быть пятнистым.
Итак, какие методы или датчики могут использовать робот для локализации (относительно некоторой системы отсчета) без использования GPS?
localization
gps
sensors
slam
Robz
источник
источник
Ответы:
Прежде всего, мертвый расчет используется вместе с какой-то другой техникой, обычно SLAM-подобной. Робот строит карту, а затем пытается локализоваться на этой карте. Например, используя лазерные сканеры дальности и основываясь на безрассудных расчетах, робот имеет представление о том, где он находится. Сравнивая данные лазерного диапазона с картой, он может улучшить свою оценку.
Соответствующие ресурсы:
Методы включают в себя:
источник
Я понимаю, что ваша проблема заключается в том, чтобы найти другие средства для GPS, чтобы найти ваше положение в заданной системе отсчета. Эта проблема в отдельности называется локализацией, и есть много способов сделать это. Во-первых, вам придется различать относительные методы, то есть измерения, которые обеспечивают изменение положения на ранее известное положение. Этот метод имеет проблему, заключающуюся в том, что любые ошибки явно накапливаются и будут неограниченными.
Мертвая расплата, вероятно, является одним из самых старых способов относительной локализации. Если вы используете курс, скорость и время (таким образом, оценивая пройденное расстояние), вы можете суммировать изменения вашей позиции от начальной позиции.
Помимо использования мертвых расчетов вы также можете не ориентироваться и отслеживать их на карте. Повторный поиск этих ориентиров позволит вам уменьшить ошибку относительного положения. Это проблема одновременной локализации и сопоставления (SLAM). Это все еще относительная навигация.
Теперь перейдем к вашему актуальному вопросу об абсолютной навигации. Все, что делает GPS, это предоставляет вам оценки расстояния до Ориентиров с известной информацией о местоположении в вашей системе отсчета (в данном случае геоцентрической). Приемники GPS будут принимать эту информацию и генерировать решение о местоположении, которое также имеет ошибку. Хорошо то, что эта ошибка ограничена вашей системой отсчета. Это то, что делает его абсолютной системой позиционирования. Так что будь то в помещении или на улице и независимо от желаемой системы отсчета, все, что вам нужно для систем абсолютного позиционирования, - это измерения, которые ставят вас относительно некоторого известного ориентира в пределах ваших систем отсчета. Некоторые из этих методов были даны в предыдущем ответе . Хотя, как я уже сказал, SLAM не является абсолютным методом.
Самая простая форма - прямое признание вехой. Если вы видите Эйфелеву башню, у вас должно быть четкое представление о вашей абсолютной позиции (по крайней мере, с абсолютной погрешностью) в пределах фиксированной системы заземления (если вы знаете положение Эйфелевой башни). Вы, возможно, должны сделать некоторое устранение неоднозначности , все же.
Если вы хотите улучшить свою абсолютную ошибку позиции, вы можете использовать несколько ориентиров одновременно. Классическая триангуляция является таким примером. Другой использует кратеры для корабля лунного спуска. Ориентиры не обязательно должны быть визуальными, и вы можете использовать такие вещи, как уровень радиосигнала для известных сигналов, таких как WiFi или сотовая локализация.
Всем вышеперечисленным методам необходимы ориентиры, которые необходимо идентифицировать и однозначно связать. Если это проблема, вы также можете использовать различные методы, такие как профиль местности . Это, например, применяется для ранней навигации крылатых ракет . Я также использовал этот метод для локализации на карте высот без визуального восприятия или определения дальности.
При использовании всех вышеперечисленных методов: если с любым материалом вашей карты связана информация с географической привязкой, вы, очевидно, можете самостоятельно ссылаться на географическую привязку без использования GPS. Наиболее важным фактором для дифференциации методов является их характеристика ошибок.
источник
Я знаю, что это старый вопрос, но я просто добавлю немного к существующим в настоящее время ответам. Во-первых, это очень сложная проблема, которую пытаются решить все, в том числе Google с их проектом Tango . В общем, для локализации в помещении вам нужно либо положиться на свои внутренние датчики, либо получить помощь от развернутой внутренней инфраструктуры, которая поможет вам найти себя.
В общем, это действительно зависит от точности, которую вы пытаетесь достичь. По моему опыту, в области мобильной робототехники вам действительно необходимо сосредоточиться на глобально согласованных картах и точном позиционировании. Это означает, что вам нужно приблизительно знать, где вы находитесь, из топологического уровня высокого уровня (эта комната соединена с другой комнатой слева, а следующая комната слева находится на расстоянии 2,332 м), но локально у вас должен быть точный оценка положения (лазеры + IMU могут делать это точно).
Надеюсь это поможет.
источник
Если ваша цель состоит в том, чтобы иметь привязки локализации, вы будете должны использовать GPS в каком - то момент. Другие методы («мертвый отсчет», SLAM и т. Д.) Будут полезны только для «преодоления» точечного GPS / приема в абсолютном положении в помещении.
источник
Вы спрашиваете, как использовать датчик ускорения для более точных измерений положения. Как вы правильно заметили, они накапливают ошибки с течением времени.
Одним из способов улучшить это является периодическое обновление абсолютного положения, например, с помощью GPS или с помощью методов, изложенных во многих ответах здесь.
Однако не забывайте о любых способностях, которые вам могут понадобиться для получения обновлений с абсолютной скоростью. Любой датчик скорости относительно земли или просто необработанные данные о положении / скорости колес (если у вас есть колеса) могут улучшить вашу точность расчета.
источник
http://www.locatacorp.com/ может быть решением, которое вы ищете. Они предлагают технологии для создания местного созвездия в помещении. Он эмулирует спутники для применения внутри помещений GPS. Я считаю, что он может использовать GPS-приемники в помещении без необходимости дополнительного оборудования для роботов.
источник
Оптические датчики потока (например, используемые в компьютерных мышках) хороши для этой ситуации. Большинство даст вывод с точки зрения перевода.
Кроме того, вы можете просто использовать базовую камеру и запустить некоторые алгоритмы оптического потока данных. Это даст вам ту же основную информацию. Возможно, было бы проще, если бы вы делали это таким образом, чтобы адаптировать алгоритм, который будет предлагать вращательное движение, а также перемещение.
Некоторые ИС оптического потока имеют возможность предоставлять вам данные изображения (например, ADNS-3080), которые вы можете дополнительно анализировать для получения информации о вращении.
источник
Последние достижения в области SLAM на основе монокулярного зрения (ORB_SLAM, LSD_SLAM, SVO) позволили определить позу камеры в произвольно масштабированном и повернутом начальном кадре. Если вы объедините эту информацию с системой IMU и EKF, такой как система ETH (ethzasl_msf), вы сможете получить оценку местоположения, даже если GPS недоступен. Еще лучше, вы можете комбинировать несколько позы / позиции / отношения / и т.д. датчики в MSF.
источник