Định vị tuyệt đối không có GPS

Sử dụng IMU, robot có thể ước tính vị trí hiện tại của nó so với vị trí bắt đầu, nhưng điều này phát sinh lỗi theo thời gian. GPS đặc biệt hữu ích để cung cấp thông tin vị trí không bị sai lệch do tích lũy lỗi cục bộ. Nhưng GPS không thể được sử dụng trong nhà và thậm chí ngoài trời có thể bị đốm.

Vì vậy, một số phương pháp hoặc cảm biến mà robot có thể sử dụng để bản địa hóa (liên quan đến một số khung tham chiếu) mà không cần sử dụng GPS là gì?

Chủ yếu, tính toán chết được sử dụng cùng với một số kỹ thuật khác, thường là SLAM. Robot xây dựng bản đồ và sau đó cố gắng bản địa hóa trong bản đồ đó. Ví dụ, bằng cách sử dụng máy quét phạm vi laser và dựa trên tính toán chết, robot có ý tưởng về vị trí của nó. Bằng cách so sánh dữ liệu phạm vi laser với bản đồ, nó có thể cải thiện ước tính của nó.

Các tài nguyên liên quan là:

• Hệ thống định vị trong nhà trên Wikipedia.
• H. Liu, H. Darabi, P. Banerjee và J. Liu. Khảo sát các kỹ thuật và hệ thống định vị trong nhà không dây . GIAO DỊCH GIAO DỊCH TRÊN HỆ THỐNG, MAN, VÀ CYBERNETICS, trang 1067.
• Theo dõi vị trí trong nhà: chuyển từ Hype sang thực tế .

Các phương pháp bao gồm:

• SLAM (hoặc ít nhất là nội địa hóa) với
  • laser
  • tầm nhìn (camera, âm thanh nổi)
  • môi trường có cấu trúc
• tín hiệu di động
• tín hiệu wifi
• Đèn hiệu và tần số vô tuyến (tần số vô tuyến) (thêm thông tin tại http://www.wpi.edu/Images/CMS/PPL/ITT.pdf ).
• hệ thống theo dõi camera (theo dõi quang học của các điểm đánh dấu trong một không gian)

Tôi hiểu vấn đề của bạn là tìm các phương tiện khác nhau để GPS tìm vị trí của bạn trong một khung tham chiếu nhất định. Vấn đề này trong sự cô lập được gọi là nội địa hóa, và có nhiều cách để thực hiện điều đó. Trước tiên, bạn sẽ phải phân biệt giữa các phương pháp tương đối, do đó các phép đo cung cấp sự thay đổi vị trí cho vị trí đã biết trước đó. Phương pháp này có vấn đề, rằng bất kỳ lỗi nào rõ ràng được tích lũy và sẽ phát triển không giới hạn.

• Xác định chết có thể là một trong những cách lâu đời nhất của nội địa hóa. Nếu bạn sử dụng tiêu đề, tốc độ và thời gian (để ước tính khoảng cách di chuyển), bạn có thể tổng hợp các thay đổi vị trí của bạn từ vị trí bắt đầu.

• Ngoài việc sử dụng tính toán chết, bạn cũng không thể đánh dấu và theo dõi chúng trong bản đồ. Tìm lại các mốc đó sẽ cho phép bạn giảm lỗi vị trí tương đối. Đây là vấn đề Bản đồ hóa và Bản đồ hóa Đồng thời (SLAM). Nó vẫn là điều hướng tương đối.

Bây giờ đến câu hỏi thực tế của bạn về điều hướng tuyệt đối. Tất cả những gì GPS làm là cung cấp cho bạn ước tính khoảng cách đến Cột mốc với thông tin vị trí đã biết trong khung tham chiếu của bạn (trong trường hợp này là địa tâm). Máy thu GPS sẽ lấy các thông tin này và tạo ra một giải pháp vị trí, cũng có lỗi. Mặc dù vậy, điều tốt là lỗi này được giới hạn trong khung tham chiếu của bạn. Đây là những gì làm cho nó một hệ thống định vị tuyệt đối. Vì vậy, cho dù ở trong nhà hay ngoài trời và bất kể khung tham chiếu mong muốn của bạn, tất cả những gì bạn cần cho hệ thống định vị tuyệt đối là các phép đo đặt bạn liên quan đến một số vị trí mốc đã biết trong các khung tham chiếu của bạn. Một số phương pháp đã được đưa ra trong một câu trả lời trước đó . Mặc dù, như tôi đã nói, SLAM không phải là một phương pháp tuyệt đối.

• Hình thức đơn giản nhất là nhận dạng mốc trực tiếp. Nếu bạn nhìn thấy Tháp Eiffel, bạn nên có một khái niệm tốt về vị trí tuyệt đối của mình (ít nhất là có lỗi tuyệt đối bị ràng buộc) trong khung cố định trái đất (nếu bạn biết vị trí của Tháp Eiffel). Bạn có thể phải làm một số định hướng , mặc dù.

• Nếu bạn muốn cải thiện lỗi vị trí tuyệt đối của mình, bạn có thể sử dụng nhiều mốc cùng một lúc. Tam giác cổ điển là một ví dụ như vậy. Một số khác đang sử dụng các miệng hố cho một chiếc xe xuống mặt trăng. Các mốc không cần phải trực quan và bạn có thể sử dụng những thứ như cường độ tín hiệu RF cho các tín hiệu đã biết như trong WiFi hoặc nội địa hóa tế bào.

• Tất cả các phương pháp cần thiết ở trên, cần được xác định và liên kết duy nhất. Nếu đây là một vấn đề, bạn cũng có thể sử dụng các phương pháp khác nhau, như hồ sơ địa hình . Điều này đã được áp dụng cho điều hướng tên lửa hành trình sớm . Tôi cũng đã sử dụng phương pháp này để bản địa hóa trên bản đồ độ cao mà không cần cảm biến hình ảnh hoặc phạm vi.

Với tất cả các phương pháp trên: miễn là bất kỳ tài liệu bản đồ nào của bạn có thông tin tham chiếu Địa lý được liên kết, rõ ràng bạn có thể tự tham chiếu Địa lý mà không cần sử dụng GPS. Yếu tố quan trọng nhất để phân biệt các phương thức là đặc điểm lỗi của chúng.

Tôi biết đây là một câu hỏi cũ nhưng tôi sẽ chỉ thêm một chút vào các câu trả lời hiện có. Đầu tiên, đây là một vấn đề rất phức tạp mà mọi người đang cố gắng giải quyết, bao gồm cả google với dự án Tango của họ . Nói chung, để bản địa hóa trong nhà, bạn cần phải dựa vào các cảm biến bên trong hoặc nhận trợ giúp từ cơ sở hạ tầng trong nhà được triển khai để hỗ trợ bạn định vị chính mình.

• Dựa vào các cảm biến trên tàu:
  • Sử dụng các cảm biến như LIDAR / Laser, máy ảnh, cảm biến RGBD, IMU
  • Thực hiện phản ứng tổng hợp cảm biến thuật toán phức tạp để thực hiện một số loại nội địa hóa lặp chính xác. SLAM (Xây dựng bản đồ và bản đồ đồng thời) thường được sử dụng. Trước đây tôi đã phát triển một phương pháp gọi là MRICP (Điểm tham chiếu lặp lại gần nhất) để thực hiện một bản địa hóa đơn giản nhưng dễ bị lỗi. Rất nhiều tài liệu để xem xét về mặt trận đó, bao gồm cả hình ảnh thị giác đơn hình và lập thể gần đây khá hứa hẹn (kiểm tra cảm biến vi từ skybotix hoặc svo ).
• Dựa vào cơ sở hạ tầng:
  • Đèn hiệu (bluetooth, ultraband, không dây ...)
  • Mocap (máy ảnh chụp chuyển động: Abbeyon, visualeyez ...)
  • Định vị được mã hóa trong bóng đèn (philips gần đây đang thử nghiệm điều này)

Nói chung, nó thực sự phụ thuộc vào độ chính xác mà bạn đang cố gắng đạt được. Trong robot di động, từ kinh nghiệm của tôi, bạn thực sự cần tập trung vào các bản đồ thống nhất toàn cầu và định vị chính xác cục bộ. Điều này có nghĩa là bạn cần biết đại khái bạn đang ở đâu từ một cấu trúc liên kết cấp cao (phòng này được kết nối với phòng khác ở bên trái, so với phòng tiếp theo bên trái là 2.323m), nhưng tại địa phương bạn nên có một chính xác ước tính vị trí (laser + IMU có thể làm điều này một cách chính xác).

Hi vọng điêu nay co ich.

Nếu mục tiêu của bạn là có một địa phương hóa tham chiếu địa lý, bạn sẽ phải sử dụng GPS tại một số điểm. Các kỹ thuật khác (tính toán chết, SLAM, ...) sẽ chỉ hữu ích trong việc "thu hẹp" GPS / tiếp nhận định vị tuyệt đối trong nhà.

Bạn đang hỏi cách sử dụng cảm biến gia tốc để thực hiện các phép đo vị trí tốt hơn. Như bạn đã chỉ ra một cách chính xác, những lỗi này tích lũy theo thời gian.

Một cách để cải thiện điều này là cập nhật vị trí tuyệt đối định kỳ, như từ GPS hoặc từ các kỹ thuật trong nhiều câu trả lời ở đây.

Tuy nhiên, đừng bỏ qua bất kỳ khả năng nào bạn có thể có để cập nhật vận tốc tuyệt đối. Bất kỳ cảm biến tốc độ trên mặt đất, hoặc chỉ dữ liệu vị trí / vận tốc thô từ các bánh xe (nếu bạn có bánh xe) có thể cải thiện độ chính xác tính toán chết của bạn.

http://www.locatacorp.com/ có thể là giải pháp bạn đang tìm kiếm. Họ cung cấp công nghệ để tạo ra một chòm sao địa phương trong nhà. Nó mô phỏng các vệ tinh cho các ứng dụng GPS trong nhà. Tôi tin rằng nó có thể sử dụng máy thu GPS trong nhà mà không cần thêm phần cứng trên robot.

Cảm biến lưu lượng quang (như những cảm biến được sử dụng trong chuột máy tính) rất tốt cho tình huống này. Hầu hết sẽ cung cấp đầu ra về mặt dịch thuật.

Ngoài ra, bạn chỉ có thể sử dụng một camera cơ bản và chạy một số thuật toán dòng quang trên dữ liệu. Điều này sẽ cung cấp cho bạn thông tin cơ bản tương tự. Có thể dễ dàng hơn khi thực hiện theo cách này, để điều chỉnh một thuật toán sẽ cung cấp chuyển động quay cũng như dịch thuật.

Một số IC dòng quang có khả năng cung cấp cho bạn dữ liệu hình ảnh (ví dụ: ADNS-3080), mà bạn có thể phân tích thêm cho thông tin xoay.

Những tiến bộ gần đây trong SLAM dựa trên tầm nhìn một mắt (ORB_SLAM, LSD_SLAM, SVO) đã giúp xác định tư thế của máy ảnh với khung hình ban đầu được thu nhỏ và xoay tùy ý. Nếu bạn kết hợp thông tin này với hệ thống IMU và EKF, chẳng hạn như hệ thống từ ETH (ethzasl_msf), bạn có thể có được ước tính vị trí ngay cả khi không có GPS. Thậm chí tốt hơn, bạn có thể kết hợp một số tư thế / vị trí / thái độ / vv. cảm biến trong MSF.