Support-Zentrum besuchen Support-Zentrum besuchen Händler finden Händler finden Kontakt Kontakt

AMR Navigation Spotlight - Lokalisierung in verschiedenen Umgebungen

Blogs Juli 8, 2024

Im ersten unserer AMR-Navigations-Blogs befassen wir uns mit der Rolle, die eine robuste Lokalisierung für eine präzise AMR-Navigation spielt. Wenn Sie einen autonomen mobilen Roboteroder AMR bauen, haben Sie zweifellos schon darüber nachgedacht, wie Sie ihn in die Lage versetzen können, in der von Ihnen geplanten Umgebung genau und korrekt zu navigieren.

In diesem Blog - dem ersten in unserer Serie über AMR-Navigation und -Lokalisierung - erörtern wir, wie Sie genaue Lokalisierungsdaten bereitstellen können, d. h. Daten, die Ihrem AMR mitteilen, wo es sich befindet, und zwar in einer Vielzahl unterschiedlicher Umgebungen. Wir gehen auch darauf ein, wie eine Plattform erstellt werden kann, die zwischen verschiedenen Umgebungen wechseln kann, ohne die Genauigkeit zu beeinträchtigen.

 

Welche Umgebungen sind für die AMR-Navigation wichtig?

Wenn es um Lokalisierung geht, gibt es eigentlich nur drei Umgebungen, die uns wichtig sind:

  • Open-Sky-Umgebungen
  • Teilweise abgedeckte Umgebungen
  • Vollständig abgedeckte Umgebungen

Falls Sie es noch nicht erraten haben: Der entscheidende Faktor in diesen Umgebungen ist die Stärke der GNSS Signal, das Sie empfangen können. GNSS ist aufgrund seiner globalen Abdeckung, seiner Fähigkeit, differentielle Korrekturen zu liefern, und seiner Genauigkeit weiterhin der Goldstandard für Lokalisierungsdaten (siehe OxTS xRED3000 GNSS/INS-Kartensatz). Da die GNSS-Abdeckung jedoch abnimmt, müssen Sie alternative Methoden in Betracht ziehen, um Ihren AMR mit Lokalisierungsdaten zu versorgen. Schauen wir uns nun diese drei Umgebungen an.

 

Umgebungen unter freiem Himmel

Beispiele:

  • Überall im Freien, wo man viel freien Himmel um sich herum sehen kann.

Damit Ihr autonomer mobiler Roboter globale Positionsdaten erhält, benötigen Sie eine GNSS-Antenne, um die Signale der GNSS-Satellitenkonstellationen zu empfangen, und eine Trägheitsmesseinheit (IMU), die zusätzliche Daten über Orientierung, Neigung, Drehung und Geschwindigkeit liefert. Die meisten Menschen verwenden hierfür ein Trägheitsnavigationssystem, auch bekannt als INS oder GNSS/INS.

Beim Bau deines Roboters musst du unter anderem folgende Dinge beachten:

  • Brauchen Sie Quad-GNSS? Quad-GNSS ermöglicht Ihnen den Zugang zu den Daten der vier großen GNSS-Konstellationen: GPS, Galileo, GLONASS und BeiDou. Es erhöht die Genauigkeit Ihres AMR, indem es die Anzahl der Satelliten erhöht, von denen es Positionsaktualisierungen erhalten kann, und die verschiedenen Positionen, die sie am Himmel einnehmen (was eine genauere Triangulation ermöglicht). Quad GNSS ist auch wichtig, wenn Sie Ihren AMR überall auf der Welt einsetzen wollen.
  • Um eine maximale Genauigkeit über einen längeren Zeitraum zu erreichen, benötigen Sie eine Möglichkeit, differentielle Korrekturen zu empfangen. Aufgrund der Form und Rotation der Erde sind Korrekturen unerlässlich, um einen AMR über längere Strecken auf Kurs zu halten.
  • Benötigen Sie eine globale Position? Wenn Sie keine globalen Positionsdaten benötigen, gibt es andere, kostengünstigere Methoden, um Ihren AMR mit Positionsdaten zu versorgen. Einige Marken von autonomen Rasenmähern verwenden zum Beispiel einen Begrenzungsdraht, um zu erkennen, wann sie wenden müssen. Sie müssen Ihren Anwendungsfall, Ihre Umgebung und die wirtschaftliche Rentabilität Ihrer Plattform berücksichtigen, wenn Sie entscheiden, welche Lokalisierungsmethoden Sie verwenden möchten.

 

Teilweise abgedeckte Umgebungen

Beispiele: 

  • Städtische Straßenschluchten
  • Wälder

Bei einem AMR, der in einer teilweise abgedeckten Umgebung arbeitet, kann die Anzahl der genauen Positionsaktualisierungen, die er empfangen kann, reduziert werden. Dies ist in erster Linie auf eine geringere Anzahl von Satelliten in Sichtweite zurückzuführen. Dies kann in der Folge zu einer Verschlechterung der Navigationsleistung führen. Insbesondere in städtischen Umgebungen kann die Konzentration von Gebäuden mit reflektierenden Oberflächen ebenfalls zu Mehrwegfehlern führen. Wenn Sie schon einmal versucht haben, eine Person, die am Londoner Marathon teilnimmt, mit ihrer Smartwatch zu verfolgen, um dann festzustellen, dass sie sich scheinbar mitten in der Themse befindet, dann haben Sie möglicherweise einen Mehrwegfehler erlebt.

In diesen Umgebungen empfehlen wir die Verwendung zusätzlicher Sensoren, um das GNSS zu ergänzen. Ihre IMU-Daten tun dies bereits, wenn Sie ein GNSS/INS verwenden; darüber hinaus gibt es zwei Optionen, die Sie ausprobieren können:

Sie können zusätzliche Sensoren wie Raddrehzahlsensoren integrieren, um die Trägheitsdrift zu verringern (was ein Problem sein kann, wenn Sie kein GNSS-Signal haben). Alternativ können Sie auch einen LiDAR-Scanner und OxTS LIO verwenden (weitere Informationen finden Sie im Kasten).

Sie können versuchen, Ihre Satellitendaten besser zu nutzen. OxTSMit dem Algorithmus gx/ix können Sie beispielsweise die Daten, die Ihre GNSS-Antenne an Ihr Navigationssystem sendet, genauer auswerten, auch wenn nur ein Satellit sichtbar ist.

Urban Canyon - London
Stadtschluchten können eine Herausforderung für die Bereitstellung von AMRs sein

OxTS LiDAR Trägheits-Odometrie (LIO)

OxTS LIO ist eine Technik zur Verbesserung der Positionsgenauigkeit in schlechten GNSS-Umgebungen. Sie analysiert Daten von einem LiDAR, um die Geschwindigkeit und den Drehimpuls Ihres AMR zu schätzen; diese Daten werden dann zur Verbesserung der Positionsgenauigkeit verwendet. Unten sehen Sie ein Beispiel dafür, wie OxTS LIO die Positionsgenauigkeit in einem Parkhaus verbessert. Die Navigationsdaten, die zur Erstellung der Punktwolke in diesem Beispiel verwendet wurden, wurden mit Daten zur Aktualisierung der Nullgeschwindigkeit aus dem LiDAR ergänzt. Dadurch wurde die Drift eingeschränkt, wenn kein GNSS verfügbar war, was zu einem viel höheren Prozentsatz an genauen Navigationsdaten führte, was wiederum zu einem besseren Endergebnis führte.

 

 

OxTS LIO funktioniert nachweislich in Echtzeit, und wir arbeiten hart daran, LIO in Echtzeit in alle OxTS GNSS/INS-Modelle zu integrieren.

 

 

Vollständig abgedeckte Umgebungen

Beispiele:

  • Innenbereich
  • Unterirdisch

In vollständig abgedeckten Umgebungen ist überhaupt kein GNSS-Signal verfügbar, so dass Sie einen anderen Weg finden müssen, um Ihren autonomen mobilen Roboter mit Lokalisierungsdaten zu versorgen. Es gibt verschiedene Möglichkeiten, dies zu tun. Beginnen wir mit der Betrachtung von infrastrukturbasierten Lösungen im Vergleich zu infrastrukturlosen Lösungen.

 

Infrastrukturbasierte Lokalisierung in Innenräumen

Wenn Ihre Lokalisierungslösung infrastrukturbasiert ist, bedeutet dies, dass Sie in der Umgebung Geräte für die AMR-Navigation installiert haben. Einige dieser Lösungen sind mit Strom versorgt, andere nicht.

Ein Beispiel für eine leistungsfähige infrastrukturbasierte Lokalisierung ist eine Ultrabreitband (UWB)-Lösung wie OxTS Pozyx2GAD. Diese Lösungen liefern traditionell die wiederholbarsten Ergebnisse (d. h. die Positionsdaten sind zuverlässiger), benötigen aber auch Strom und müssen vor ihrer Verwendung die Umgebung vermessen.

Beispiele für eine infrastrukturbasierte Ortung ohne Stromanschluss sind die Verwendung von ArUco-Markern und einer an Ihrem AMR montierten Kamera zur Navigation. Sie sind einfacher einzurichten (Sie müssen nur die ArUco-Marker an bestimmten Stellen platzieren und diese Punkte vermessen), liefern aber im Allgemeinen weniger wiederholbare Daten.

 

Nicht infrastrukturbasierte Lokalisierung in Innenräumen

Es überrascht nicht, dass die Plattform hier ohne externe Geräte in Innenräumen navigieren kann. Es gibt zwei wichtige Technologien, über die wir hier sprechen.

Das erste ist SLAM (Simultane Lokalisierung und Kartierung). SLAM nutzt Sensoren wie LiDAR oder Kameras, um eine Karte der Umgebung, in der sich der Roboter befindet, zu erstellen; Verarbeitungsalgorithmen ermöglichen es dem Roboter dann, sich selbst innerhalb dieser Karte zu lokalisieren und für die Navigation zu nutzen.

SLAM ist eine gut etablierte Technologie, die in kleineren Bereichen gut funktioniert. In größeren Bereichen kann die Genauigkeit jedoch abnehmen.

Das zweite ist OxTS LIO. Wie im Kasten erwähnt, kann OxTS LIO die Genauigkeit in Umgebungen ohne GNSS und ohne Infrastruktur erheblich verbessern.

Wir haben also verschiedene Möglichkeiten zur Lokalisierung Ihres AMR in einer Vielzahl von Umgebungen behandelt. Aber was ist mit dem Wechsel zwischen verschiedenen Umgebungen - insbesondere zwischen Außen- und Innenbereichen?

 

Der heilige Gral: Übergang zwischen Umgebungen

Die Fähigkeit, zwischen Innen- und Außenbereichen wechseln zu können, ist ein wichtiges Unterscheidungsmerkmal für Hersteller autonomer mobiler Roboter. Sie ermöglicht es Ihnen, AMRs zu entwickeln, die ihr Innenlager selbständig verlassen und betreten können, anstatt dass ein Mensch sie bewegen muss. Dies ermöglicht autonome Gabelstapler, die sich zwischen einem Lagerplatz und einem Innenlager bewegen können.

Einige der größten technischen Herausforderungen beim Übergang zwischen Umgebungen haben mit Zeitmessungen und Navigationsrahmen zu tun. Beides sehr technische Themen, aber um es zusammenzufassen:

  • Normalerweise bezieht Ihr AMR seine Zeitmessung aus dem GNSS-Signal. Wenn er in einem Gebäude ohne Signal startet, wie misst er dann die Zeit - und wie synchronisiert er sich mit der GNSS-Zeit, wenn er nach draußen geht?
  • GNSS-Positionsdaten liegen in einem globalen Navigationsrahmen vor - es handelt sich um eine absolute Position auf der Erde. Lösungen für die Positionierung in Innenräumen sind in einem lokalen Navigationsrahmen - einem Satz von x,y,z-Koordinaten, die dem spezifischen Standort des AMR zugeordnet sind. Wie bewegen Sie sich zwischen diesen Umgebungen?

Eine weitere, vielleicht ebenso große Herausforderung ist die korrekte Fehlermodellierung/Fusion von Daten und die Sicherstellung, dass alle Lokalisierungsmethoden auf beiden Seiten des Übergangs genau sind.

Natürlich müssen Sie diese Herausforderungen nicht selbst lösen. Sie könnten sich mit einer Organisation zusammenschließen, die sie bereits gelöst hat. Auf OxTS haben wir den nahtlosen Übergang von GNSS-Navigation im Freien zu UWB und wieder zurück demonstriert. Wir haben eine Technologie entwickelt, die es AMRs ermöglicht, in Innenräumen ohne GNSS-Signal zu initialisieren, und wir haben eine Reihe von Hardware- und Softwarefunktionen entwickelt, die den Aufbau einer AMR-Navigationslösung so einfach wie möglich machen.

Autonome Roboternavigation - Kurzbeschreibung

AMRs benötigen eine robuste Lösung zur Lokalisierung von Robotern; ein Werkzeug, das nicht nur die Position und Orientierung des Roboters erfasst, sondern auch in Innenräumen und im Freien funktioniert.

In dieser Lösungsübersicht gehen wir auf die Aspekte ein, die wir unseren Kunden empfehlen, wenn sie sich für eine Lokalisierungsquelle für ihre autonomen mobilen Roboter entscheiden.

Lesen Sie die Lösungsbeschreibung um zu erfahren, wie die richtige Roboterlokalisierungslösung Ihr AMR-Projekt unterstützen kann, einschließlich der wichtigsten Fragen, die Sie sich stellen müssen, bevor Sie ein Projekt in Angriff nehmen.

AMR Solution Brief

Wenn Sie mehr darüber erfahren möchten, was wir derzeit für AMR-Ingenieure tun können, klicken Sie hier um unsere Bewerbungsseite aufzurufen. Wenn Sie ein bestimmtes Projekt haben, über das Sie mit uns sprechen möchten, kontaktieren Sie uns über das untenstehende Formular.

 



zurück zum Anfang

Zurück nach oben

Ashburn, US