Usando uma IMU, um robô pode estimar sua posição atual em relação à sua posição inicial, mas isso gera erros ao longo do tempo. O GPS é especialmente útil para fornecer informações de posição não influenciadas pelo acúmulo de erros locais. Mas o GPS não pode ser usado em ambientes fechados, e mesmo em ambientes externos pode ser irregular.
Então, quais são alguns métodos ou sensores que um robô pode usar para localizar (em relação a algum quadro de referência) sem usar o GPS?
localization
gps
sensors
slam
Robz
fonte
fonte
Respostas:
Principalmente, o acerto de contas morto é usado junto com alguma outra técnica, geralmente semelhante ao SLAM. O robô cria um mapa e tenta localizar dentro desse mapa. Por exemplo, usando scanners a laser e com base no cálculo de mortos, o robô tem uma idéia de onde está. Ao comparar os dados do alcance do laser com o mapa, ele pode melhorar sua estimativa.
Recursos relevantes são:
Os métodos incluem:
fonte
Entendo que seu problema é encontrar meios diferentes para o GPS encontrar sua posição dentro de um determinado quadro de referência. Esse problema isolado é chamado de localização, e há muitas maneiras de fazer isso. Em primeiro lugar, você terá que diferenciar os métodos relativos, de modo que as medidas proporcionem uma mudança de posição para uma posição anteriormente conhecida. Este método tem o problema, que quaisquer erros são obviamente acumulados e crescerão sem limites.
O acerto de contas morto é provavelmente uma das formas mais antigas de localização relativa. Se você usar o rumo, a velocidade e o tempo (calculando a distância percorrida), poderá resumir as alterações de posição a partir de uma posição inicial.
Além de usar o acerto de contas morto, você também não pode marcos e rastreá-los em um mapa. Encontrar esses pontos de referência novamente permitirá reduzir o erro de posição relativa. Esse é o problema de Localização e mapeamento simultâneos (SLAM). Ainda é uma navegação relativa.
Agora, vamos à sua pergunta real sobre navegação absoluta. Tudo o que o GPS faz é fornecer estimativas de distância a pontos de referência com informações de posição conhecidas no seu quadro de referência (neste caso geocêntrico). Os receptores GPS pegam essas informações e geram uma solução de posição, que também tem um erro. A coisa boa, porém, é que esse erro é limitado dentro do seu quadro de referência. É isso que o torna um sistema de posicionamento absoluto. Portanto, seja dentro ou fora de casa e independentemente do seu quadro de referência desejado, tudo o que você precisa para sistemas de posicionamento absoluto são medições que o colocam em relação a alguma posição de referência conhecida dentro dos seus quadros de referência. Alguns desses métodos foram dados em uma resposta anterior . Embora, como eu disse, o SLAM não seja um método absoluto.
A forma mais simples é o reconhecimento direto de pontos de referência. Se você vir uma Torre Eiffel, deverá ter uma boa noção de sua posição absoluta (pelo menos com um erro absoluto ligado) dentro do quadro fixo da terra (se você souber a posição da Torre Eiffel). Você pode ter que fazer alguma desambiguação , no entanto.
Se você deseja melhorar seu erro de posição absoluta, pode usar vários pontos de referência ao mesmo tempo. A triangulação clássica é um exemplo. Outro está usando crateras para um veículo de descida lunar. Os pontos de referência não precisam ser visuais, e você pode usar itens como intensidade do sinal de RF para sinais conhecidos, como WiFi ou localização celular.
Todos os métodos acima precisavam de pontos de referência, que precisam ser identificados e associados exclusivamente. Se isso for um problema, você também pode usar métodos diferentes, como o perfil do terreno . Isso foi aplicado, por exemplo, para a navegação antecipada de mísseis de cruzeiro . Também usei esse método para localização em um mapa de elevação sem detecção visual ou de alcance.
Com todos os métodos acima: desde que qualquer material do seu mapa tenha informações georreferenciadas associadas, você pode obviamente fazer referência geográfica a si mesmo sem o uso de GPS. O fator mais importante para diferenciar os métodos são suas características de erro.
fonte
Sei que essa é uma pergunta antiga, mas vou acrescentar um pouco às respostas atualmente existentes. Primeiro, este é um problema muito complexo que todo mundo está tentando resolver, incluindo o google com seu projeto de tango . Em geral, para localizar áreas internas, você precisa contar com seus sensores internos ou obter assistência de uma infraestrutura interna implantada para ajudá-lo a se localizar.
Em geral, depende realmente da precisão que você está tentando alcançar. Na robótica móvel, pela minha experiência, você realmente precisa se concentrar em mapas globalmente consistentes e em posicionamento local preciso. Isso significa que você precisa saber aproximadamente de onde você é, de uma maneira topológica de alto nível (essa sala está conectada à outra sala à esquerda, enquanto a próxima sala à esquerda fica a 2.323m), mas localmente você deve ter estimativa de posição (lasers + IMUs podem fazer isso com precisão).
Espero que isto ajude.
fonte
Se seu objetivo é ter uma localização georreferenciada, você vai ter que usar GPS em algum ponto. As outras técnicas (acerto de contas morto, SLAM, ...) serão úteis apenas para "colmatar" a recepção irregular de GPS / posicionamento absoluto interno.
fonte
Você está perguntando como usar um sensor de aceleração para fazer melhores medições de posição. Como você apontou corretamente, eles acumulam erros ao longo do tempo.
Uma maneira de melhorar isso é ter atualizações periódicas de posição absoluta, como no GPS ou nas técnicas de muitas das respostas aqui.
No entanto, não negligencie nenhuma habilidade necessária para obter atualizações de velocidade absoluta. Qualquer sensor de velocidade sobre o solo ou apenas os dados brutos de posição / velocidade das rodas (se você tiver rodas) podem melhorar sua precisão de acerto de contas.
fonte
http://www.locatacorp.com/ pode ser a solução que você está procurando. Eles oferecem tecnologia para criar uma constelação local interna. Emula os satélites para aplicações GPS internas. Acredito que ele possa usar receptores de GPS em ambientes fechados sem a necessidade de hardware adicional nos robôs.
fonte
Sensores de fluxo ópticos (como os usados em mouses de computador) são bons para essa situação. A maioria dará resultados em termos de tradução.
Como alternativa, você pode simplesmente usar uma câmera básica e executar alguns algoritmos de fluxo óptico nos dados. Isso fornecerá as mesmas informações básicas. Pode ser mais fácil, ao fazer isso dessa maneira, adaptar um algoritmo que ofereça movimento rotacional e translação.
Alguns ICs de fluxo óptico têm a capacidade de fornecer os dados da imagem (por exemplo, o ADNS-3080), que você pode analisar ainda mais para obter informações rotacionais.
fonte
Avanços recentes no SLAM baseado em visão monocular (ORB_SLAM, LSD_SLAM, SVO) tornaram possível determinar a pose de uma câmera em um quadro inicial rotacionado e escalado arbitrariamente. Se você combinar essas informações com um sistema IMU e EKF como o da ETH (ethzasl_msf), poderá obter uma estimativa de posição mesmo quando não houver GPS disponível. Melhor ainda, você pode combinar uma série de pose / posição / atitude / etc. sensores no MSF.
fonte