GPS가없는 절대 위치

로봇은 IMU를 사용하여 시작 위치를 기준으로 현재 위치를 추정 할 수 있지만 시간이 지남에 따라 오류가 발생합니다. GPS는 로컬 오류 누적에 의해 편향되지 않은 위치 정보를 제공하는 데 특히 유용합니다. 그러나 GPS는 실내에서 사용할 수 없으며 실외에서도 사용할 수 있습니다.

그렇다면 로봇이 GPS를 사용하지 않고 지역화 (일부 참조 프레임에 대해) 할 수있는 방법이나 센서는 무엇입니까?

주로 데드 레 코닝은 일반적으로 SLAM과 같은 다른 기술과 함께 사용됩니다. 로봇은지도를 만든 다음 해당지도 내에서 현지화를 시도합니다. 예를 들어, 레이저 거리 스캐너를 사용하고 데드 레커닝을 기반으로 로봇은 위치를 알 수 있습니다. 레이저 범위 데이터를 맵과 비교하면 추정치를 향상시킬 수 있습니다.

관련 리소스는 다음과 같습니다.

• Wikipedia의 실내 측위 시스템 .
• H. Liu, H. Darabi, P. Banerjee 및 J. Liu. 무선 실내 포지셔닝 기술 및 시스템 조사 . 1067 페이지, 시스템, MAN 및 CYBERNETICS의 IEEE 트랜잭션.
• 실내 추적 위치 : 과대 광고에서 현실로 이동 .

방법은 다음과 같습니다.

• SLAM (또는 최소한 현지화)
  • 원자 램프
  • 비전 (카메라, 스테레오 비전)
  • 구조화 된 환경
• 셀룰러 신호
• 와이파이 신호
• RF (무선 주파수) 비콘 및 삼각 측량 (자세한 내용은 http://www.wpi.edu/Images/CMS/PPL/ITT.pdf ) 을 참조하십시오 .
• 카메라 추적 시스템 (공간 내 마커의 광학 추적)

문제가 주어진 기준 프레임 내에서 GPS를 찾기위한 다른 방법을 찾는 것입니다. 이 문제를 현지화라고하며이를 수행하는 방법에는 여러 가지가 있습니다. 먼저 상대적인 방법을 구별해야하므로 이전에 알려진 위치로 위치를 변경하는 측정이 필요합니다. 이 방법에는 오류가 분명히 누적되어 무한대로 커질 수 있다는 문제가 있습니다.

• 데드 레커닝은 아마도 가장 오래된 상대 지역화 방법 중 하나 일 것입니다. 제목, 속도 및 시간 (이동 거리 추정)을 사용하는 경우 시작 위치에서 위치 변경을 요약 할 수 있습니다.

• 데드 레커닝을 사용하는 것 외에도 랜드 마크를 사용하여지도에서 추적 할 수 없습니다. 이러한 랜드 마크를 다시 찾으면 상대 위치 오차를 줄일 수 있습니다. SLAM (Simultaneous Localization and Mapping) 문제입니다. 여전히 상대 탐색입니다.

이제 절대 탐색에 대한 실제 질문에 도달했습니다. GPS가하는 것은 참조 프레임에서 알려진 위치 정보 (이 경우에는 지구 중심)를 사용하여 랜드 마크까지 거리를 추정하는 것입니다. GPS 수신기는 이러한 정보를 가져 와서 위치 솔루션을 생성하며 오류가 있습니다. 그러나 좋은 점은이 오류가 참조 프레임 내에 포함되어 있다는 것입니다. 이것이 절대 위치 결정 시스템입니다. 따라서 실내 또는 실외 또는 원하는 참조 프레임에 관계없이 절대 위치 결정 시스템에 필요한 것은 참조 프레임 내에서 알려진 랜드 마크 위치와 관련된 측정입니다. 이러한 방법 중 일부는 이전 답변 에서 제공되었습니다 . 내가 말했듯이 SLAM은 절대적인 방법이 아닙니다.

• 가장 간단한 형태는 직접적인 랜드 마크 인식입니다. Eiffel-Tower가 보이면 지구 고정 프레임 (Eiffel-Tower의 위치를 ​​알고있는 경우) 내에서 절대 위치 (적어도 절대 오차 한계가 있음)에 대한 좋은 개념을 가져야합니다. 그래도 명확하게 해야 할 수도 있습니다 .

• 절대 위치 오류를 개선하려면 동시에 여러 랜드 마크를 사용할 수 있습니다. 고전 삼각 분할 이 그러한 예입니다. 다른 하나는 달의 하강 차량에 분화구를 사용하고 있습니다. 랜드 마크는 시각적 일 필요는 없으며 WiFi 또는 셀룰러 현지화와 같은 알려진 신호에 RF 신호 강도와 같은 것을 사용할 수 있습니다.

• 위의 모든 방법은 식별이 필요하고 고유하게 연관되어야하는 랜드 마크가 필요했습니다. 이것이 문제라면 터 레인 프로파일 과 같은 다른 방법을 사용할 수도 있습니다 . 이것은 예를 들어 초기 순항 미사일 항법 에 적용되었습니다 . 또한 시각 또는 거리 감지 없이 고도지도에서 지역화하기 위해이 방법을 사용했습니다 .

위의 모든 방법을 사용하면지도 자료에 지리 참조 정보가 연결되어 있으면 GPS를 사용하지 않고도 자신을 지리 참조 할 수 있습니다. 방법을 차별화하는 가장 중요한 요소는 오류 특성입니다.

나는 이것이 오래된 질문이라는 것을 알고 있지만 현재 존재하는 답변에 약간을 추가 할 것입니다. 첫째, 이는 Tango 프로젝트를 사용하는 Google을 포함하여 모든 사람이 해결하려고하는 매우 복잡한 문제입니다 . 일반적으로 실내를 현지화하려면 내부 센서에 의존하거나 자신을 찾는 데 도움이되는 실내 인프라의 도움을 받아야합니다.

• 온보드 센서에 의존 :
  • LIDAR / 레이저, 카메라, RGBD 센서, IMU와 같은 센서 사용
  • 복잡한 알고리즘 센서 융합을 수행하여 정확한 반복 지역화를 수행하십시오. SLAM (Simultaneous Localization and Map building)이 일반적으로 사용됩니다. 이전 에는 간단하지만 오류가 발생하기 쉬운 지역화를 수행하기 위해 MRICP (Map Reference Iterative Closest Point) 라는 방법을 개발했습니다 . 매우 유망한 최근의 단안 및 입체 시각 이도 측정법을 포함하여 많은 문헌이 그 정면에서 볼 수 있습니다 ( skybotix 또는 svo의 vi 센서 확인 ).
• 인프라에 의존
  • 비콘 (블루투스, 울트라 밴드, 무선 ...)
  • Mocap (모션 캡처 카메라 : vicon, visualeyez ...)
  • 전구에서 인코딩 된 위치 (필립스가 최근 실험 중)

일반적으로 실제로 달성하려는 정확도에 달려 있습니다. 내 경험에 비추어 볼 때 모바일 로봇 공학에서는 전 세계적으로 일관된지도와 정확한 위치에 초점을 맞춰야합니다. 이것은 당신이 대략적인 수준의 토폴로지 방식에서 어디인지 대략 알아야한다는 것을 의미합니다 (이 방은 왼쪽의 다른 방과 연결되어 있고 왼쪽의 다음 방은 2.323m 떨어져 있습니다). 위치 추정 (레이저 + IMU가이를 정확하게 수행 할 수 있음).

이것이 도움이되기를 바랍니다.

당신의 목표는 지리 현지화를하는 경우, 당신은 것입니다 어떤 점에서 GPS를 사용합니다. 다른 기술 (dead reckoning, SLAM, ...)은 희미한 GPS / 실내 절대 위치 수신을 "브리지"하는 데만 유용합니다.

가속 센서를 사용하여 더 나은 위치 측정을 수행하는 방법을 묻습니다. 올바르게 지적했듯이 시간이 지남에 따라 오류가 누적됩니다.

이를 개선하는 한 가지 방법은 GPS 또는 여기에 나오는 많은 답변의 기술에서와 같이 주기적으로 절대 위치 업데이트를하는 것입니다.

그러나 절대 속도 업데이트를 받아야하는 기능은 간과하지 마십시오. 지상의 모든 속도 센서 또는 바퀴의 원시 위치 / 속도 데이터 (바퀴가있는 경우)는 데드 레커닝 정확도를 향상시킬 수 있습니다.

http://www.locatacorp.com/ 이 찾고있는 솔루션 일 수 있습니다. 실내에 별자리를 만드는 기술을 제공합니다. 실내 GPS 애플리케이션의 위성을 에뮬레이트합니다. 로봇에 추가 하드웨어가 없어도 실내에서 GPS 수신기를 사용할 수 있다고 생각합니다.

광학 플로우 센서 (컴퓨터 마우스에 사용되는 것과 같은)는이 상황에 적합합니다. 대부분 번역 측면에서 결과를 제공합니다.

또는 기본 카메라를 사용하고 데이터에서 일부 광학 흐름 알고리즘을 실행할 수 있습니다. 이것은 동일한 기본 정보를 제공합니다. 이런 식으로 할 때 회전 모션뿐만 아니라 변환을 제공하는 알고리즘을 적용하는 것이 더 쉬울 수 있습니다.

일부 광학 흐름 IC에는 이미지 데이터 (예 : ADNS-3080)를 제공하는 기능이있어 회전 정보를 추가로 분석 할 수 있습니다.

단안 비전 기반 SLAM (ORB_SLAM, LSD_SLAM, SVO)의 최근 발전으로 임의로 스케일링되고 회전 된 초기 프레임에서 카메라의 포즈를 결정할 수있었습니다. 이 정보를 ETH (ethzasl_msf)와 같은 IMU 및 EKF 시스템과 결합하면 사용 가능한 GPS가없는 경우에도 위치 추정값을 얻을 수 있습니다. 더 좋은 점은 여러 포즈 / 위치 / 태도 등을 결합 할 수 있다는 것입니다. MSF의 센서.