Локалізація автономного мобільного робота за допомогою інерціального вимірювального вузла: нова технологія для точної навігації

У статті розглянуто особливості використання сенсорів інерціального вимірювального вузла для локалізації положення автономних мобільних роботів та окреслено основні їх переваги.

С. Пімпалкар

На сьогодні сенсори інерціального вимірюваль­ного вузла (Inertial Measurement Unit – IMU) стали не­від’ємною частиною точного позиціонування авто­номного мобільного робота, які надають важливі дані про його рух. Інерціальні вимірювальні вузли ін­тегрують дані акселерометрів, гіроскопів та магніто­метрів, що дозволяє автономним роботам точно ви­значати своє положення та рух у реальному часі і та­ким чином надає їм можливість орієнтуватися в ди­намічно мінливому середовищі.

Інтеграція сенсорів поєднує дані інерціальних вузлів з іншими сенсорами, такими як відеокамери або лідари, щоб підвищити точність локалізації ро­бота шляхом об’єднання кількох джерел даних. Інерціальні сенсори широко використовуються в мобільній робототехніці, безпілотних літальних апа­ратах і віртуальній/доповненій реальності. Їхня роль у досягненні точної локалізації дозволяє роботам автономно виконувати складні завдання та ефектив­но взаємодіяти з навколишнім середовищем.

У статті досліджуються особливості використан­ня інерціальних вимірювальних вузлів у складних се­редовищах, а також, яким чином ці вузли відіграють вирішальну роль у досягненні точної локалізації.

Автономні мобільні роботи (Autonomous Mobile Robots – AMR) потрібні для розумних виробництв і складських приміщень майбутнього. Вони відіг­рають ключову роль у створенні автоматизованих, стійких і екологічно чистих фабрик. Ці роботи підви­щують ефективність виробництва, зменшують від­ходи та оптимізують управління в промислових умовах експлуатації.

Хоча фабрики майбутнього, можливо, будуть спеціально побудовані та оптимізовані для такої ро­боти, сьогоднішня адаптація автономних роботів до існуючих виробництв викликає суттєві труднощі. Ос­новна перешкода для впровадження автономних мобільних роботів включає два критичні компонен­ти: ефективне визначення оптимального шляху і точну локалізацію з постійним оновленням положен­ня робота у динамічному середовищі .

Ця стаття присвячена навігації роботів у закритих приміщеннях без використання GPS. Автономний мобільний робот використовує набір сенсорів і ал­горитмів для локалізації та навігації. До них нале­жать сенсори зору, такі як камери, лідари і радари, а також сенсори одометрії, такі як кодери коліс та інерціальні сенсори. Інтеграція цих сенсорів забез­печує вичерпні дані для ефективної локалізації ро­бота в динамічному середовищі.

Стаття висвітлює особливості використання ав­тономних мобільних роботів у складному середови­щі, розкриває, як інерціальні сенсори допомагають у точній локалізації, що має вирішальне значення для навігації та автономності роботів.

Інерціальний вимірювальний вузол – це мініатюр­ний пристрій на основі MEMS-технології. Зазвичай він містить триосьовий акселерометр, який вимірює прискорення відносно гравітаційного поля Землі. Тривісні акселерометри використовуються для ви­мірювання положення відносно осей X, Y, Z, як пока­зано на рис.1.

Рис. 1. Вимірювання прискорення по осях X, Y, Z

Триосьовий гіроскоп дозволяє вимірювати куто­ву швидкість робота (wx, wy, wz) уздовж осей X, Y, Z (рис. 2).

Рис. 2. Вимірювання кутової швидкості вздовж осей X, Y, Z

Високопродуктивний магнітометр забезпечує вимірювання магнітного поля для точної оцінки орі­єнтації робота в складних умовах. Незважаючи на те, що магнітометри зараз не дуже поширені, вони і досі використовуються в інерціальних вимірюваль­них вузлах. Крім того, у цих вузлах використовують­ся температурні сенсори для компенсації темпера­турної похибки та сенсори тиску. Функціональна схема типового інерціального вузла містить не  лише гіроскопи, акселерометри та температурні сенсори, а й АЦП з передавачем даних (рис. 3).

Рис. 3. Функціональна схема типового інерціального вузла

Інерціональний вимірювальний вузол містить вбудовані алгоритми попередньої фільтрації на базі КІХ-фільтрів; засоби калібрування та компенсації виправляють будь-які зміщення або зсуви характе­ристики сенсора; користувач має можливість обер­тати внутрішню вісь інерціального вузла, щоб забез­печити відповідність відліку положенню робота пе­ред передачею остаточних даних.

Чому інерціальні вимірювальні вузли викори­стовуються в автономному мобільному роботі? Для локалізації положення в режимі реального часу з високою швидкістю оновлення даних робот має автономну у реальному часі навігацію на основі спе­ціальної операційної системи. Сенсори зору, зазви­чай, працюють з обмеженою частотою оновлення даних в діапазоні приблизно від 10 до 30 Гц. Навпа­ки, інерціальні вимірювальні вузли можуть підтриму­вати високу точність позиціонування робота з мак­симальною частотою до 200 Гц і більше.

Така висока частота оновлення даних значно під­вищує надійність робота при швидкій адаптації до змін орієнтації в динамічному середовищі. Приско­рена швидкість оновлення даних також дає змогу автономному роботу надавати позицію під час ко­ротких інтервалів між вимірюваннями. Як результат, інерціальні вузли відіграють ключову роль у локалі­зації робота у реальному часі, перевершуючи сен­сори зору з відповідно невисокою частотою онов­лення даних.

Точний розрахунок: інерціальний вимірюваль­ний вузол забезпечує точну оцінку поточного поло­ження робота на основі попередньо відомого поло­ження. Постійно надаючи дані про місцезнаходжен­ня, орієнтацію та швидкість протягом короткого часу, інерціальний вузол дозволяє точно оцінювати положення автономного мобільного робота, підтри­муючи таким чином надійну навігацію робота у ціло­му.

Компактний розмір і мала вага: компактний розмір і легка конструкція інерціального вимірю­вального вузла роблять його ідеальними для інтег­рації в мобільні роботи різного призначення. На­приклад, типові розміри інерціального вузла на сьо­годні не перевищують площу 33,25х30,75 мм, що за­безпечує ефективне розміщення цього вузла без шкоди для маневреності робота.

Надійність у різноманітних середовищах: інерціальний вузол є відносно стійким до електро­магнітних перешкод і може працювати в різноманіт­них промислових середовищах.

Підвищена надійність завдяки прискореній швидкості оновлення даних: сенсори зору зазви­чай обмежуються частотою оновлення від ~10 до 30 Гц, інерціальні вузли забезпечують високу точність позиціонування з частотою оновлення до 4 кГц. Ви­сока частота оновлення підвищує надійність, особ­ливо в динамічних середовищах, дозволяючи авто­номним мобільним роботам швидко оцінити свою позицію за короткий проміжок часу між вимірюван­нями.

Чому інерціальний вузол є важливими для автономного мобільного робота, незважаючи на наявність сенсорів зору? Автономний робот, як показано на рис. 4, зазвичай має різноманітні сен­сори зору, такі як ToF- камери, RGB-камери, лідари тощо. Незважаючи на великий набір даних, наданий візуальною одометрією, необхідність в інерцільному вузлі залишається. У наведених нижче сценаріях розглядаються відповідні причини.

Рис. 4. Сенсори локалізації у складі автономного мобільного робота

1. Автономний робот з рідкісними функціями, що переміщується в коридорі: SLAM-алгоритми одно­часної локалізації та відображення (Simultaneouslo­calizationandmappingalgorithms – SLAM) по суті працюють шляхом зіставлення спостережених да­нихвід різних сенсорів, які зберігаються на карті для локалізації робота. Коли автономний робот подоро­жує довгим коридором (рис. 5), він швидко втрачає свою позицію. Через відсутність характерних особ­ливостей коридору, таких як прямі стіни з однорід­ним кольором, текстурою або відбивною здатністю, тобто його положення важко локалізувати. У цьому випадку інерціальний вимірювальний вузол діє як єдина система орієнтування, надаючи інформацію про напрямок і орієнтацію мобільного робота.

Рис. 5. Приклад того, як автономний робот втрачає візуальну одометрію у коридорі

2. Обмеження радіусу дії сенсорів зору під час роботи у великому відкритому просторі, такому як величезний склад (наприклад, 50Ч50 м), обмежує можливість точної локалізації. Автономний мобіль­ний робот зазнає труднощі з локалізацією, оскільки його функції виходять за межі діапазону сенсорів зору (наприклад, максимальний радіус дії лідарів становить зазвичай приблизно від 10 до 15 м). Як показано на рис. 6, одометрія автономного робота втрачається через великий простір. Крім того, скла­ди часто мають однакові елементи, що ускладнює роботу сенсорів зору. У таких сценаріях інерціальний вузол та колісні кодери є єдиними надійними джере­лами для точної автономної локалізації робота.

Рис. 6. Приклад обмеженого полю огляду сенсорів зору, що заважає автономному роботу локалізувати позицію у великому відкритому просторі

Під час маневрування на схилі традиційний SLAM-алгоритм локалізації і відображення стикаєть­ся з проблемою, покладаючись тільки на показання лідара, оскільки дані 2D-npocmopy не мають інфор­мації про градієнт. Отже, схили помилково сприй­маються як стіни або перешкоди, що призводить до похибок, щодо прив’язки до електронної карти про­стору. У результаті звичайні підходи SLAM-алгорит­му із 2D-параметрами стають неефективними на схилах. Інерціальні вимірювальні вузли допома­гають вирішити цю проблему завдяки отриманню даних про градієнти (рис. 7), щоб ефективно управ­ляти навігацією на схилі.

Рис. 7. Рух автономного мобільного робота по схилу

Чутливість до факторів навколишнього сере­довища – сенсори типу лідара можуть бути чутливі до різних факторів навколишнього середовища, та­ких як навколишнє освітлення, пил, туман або дощ. Ці фактори можуть погіршити точність отриманих даних від сенсора і, у свою чергу, вплинути на про­дуктивність роботи SLAM-алгоритму. Подібним чи­ном на сенсори впливають відбивні поверхні та інші рухомі об’єкти (інші роботи або персонал), що ще більше заплутує роботу SLAM-алгоритму. У табл. 1 показано, як середовище впливає на якість роботи сенсорів. Інерціальні вимірювальні сенсори можуть надійно працювати в різних промислових середови­щах, що робить їх універсальним вибором для за­стосування у мобільних роботах.

Таблиця 1. Оцінка  якості роботи  різних типів сенсорів з точки зору локалізації автономних роботів

Однак жоден сенсор не є ідеальним! Хоча інерці- альний вузол має переваги перед сенсорами зору, але його використання пов’язане з певними ризика­ми та обмеженнями :

1. Шум: інерціальні сенсори зазнають вплив шуму, який може погіршити точність навігації та управління роботом. Щоб компенсувати вплив шуму, в цих сенсорах часто використовуються вдос­коналені методи фільтрації на основі фільтрів Кал- мана або КІХ-фільтрів.
2. Зміщення характеристики: інерціальні сенсо­ри накопичують похибку зміщення з часом, що може призвести до помилок в орієнтації та оцінці руху ро­бота. Щоб вирішити цю проблему, алгоритми оцінки зміщення використовують постійне оновлення по­точних показань цього сенсора.
3. Нелінійність: інерціальні сенсори мають по­хибкунелінійності, що може ускладнити обробку та інтерпретацію даних. Щоб компенсувати неліній- ність, їх потрібно періодично калібрувати та вносити відповідні поправки.
4. Випадкове блукання: інерціальні сенсори чут­ливі до зовнішніх термомеханічних навантажень, що спричиняють похибки, викликані випадковим блу­канням кута у гіроскопі та випадковим блуканням швидкості в акселерометрі.

Як можна зменшити вплив цих факторів? Відпо­відь полягає у об’єднанні сенсорів. Як допомагає така інтеграція сенсорів:

1. Підвищується надійність і точність даних.
2. Краще оцінюються невиміряні стани.
3. Збільшується охоплення простору, та безпека руху робота.

Значення алгоритму об’єднання сенсорів:

1. Методи оцінки стану, такі як розширена фільтрація Калмана, можуть компенсувати похибки та не­стабільність зсуву характеристики автономного ро­бота. Похибки тангажу та крену гіроскопа можна усунути шляхом вимірювання прискорення земного тяжіння. Алгоритм відстежує та виправляє дрейф зсуву характеристики робота.
2. Застосування фільтру Калмана дає можли­вість підтримати оцінку минулого, теперішнього та майбутнього (прогнозного) станів робота. На рис. 8 показано дію спрощеного алгоритму Калмана. За­безпечується синхронізація вимірювань між різними інтегрованими сенсорами, прогнозування позиції робота та оцінка похибок, а також оцінка невизначе­ності прогнозованого значення позиції робота.

Рис. 8. Спрощений алгоритм фільтра Калмана

У типовій системі управління автономним мо­більним роботом на основі спеціальної операційної системи сенсори зору разом із інерціальними сен­сорами та колісними одометрами (рис. 9) об’єднані за допомогою програмного пакету з відкритим ко­дом під назвою robot_localization , який викори­стовує алгоритм Калмана. Цей пакет дозволяє інте­грувати велику кількість сенсорів з різними даними, включно тривимірні оцінки положення та орієнтації робота, а також параметри лінійних та кутових швидкостей і прискорень. Всі ці параметри оброб­ляються SLAM-алгоритмом локалізації. Результати локалізації виражаються наступними параметрами:

1. позиція робота = (X, Y, Z, крен, нахил, поворот);
2. швидкість робота =(X’, Y’, Z’, крен’, нахил’, поворот’);
3. прискорення робота =(X”, Y”, Z” крен”, на­хил”, поворот”).

Рис.  9. Типова система інтеграції сенсорів із використанням спеціальної операційної системи

ВИСНОВКИ

На сьогодні інерціальні вимірювальні сенсорні вузли є обов’язковими для локалізації положення автономних мобільних роботів, оскільки вони забез­печують оцінку орієнтації та відстеження руху робо­та та забезпечують реакцію у реальному часі з висо­кою швидкістю оновлення даних . Це дозволяє автономному мобільному роботу швидко орієнтува­тися у різних динамічних середовищах. Інтеграція сенсорів на основі фільтру Калмана дозволяє по­єднувати різні за принципом роботи сенсори, щоб компенсувати обмеження у використанні кожного типу сенсора у складі мобільного робота.

ЛІТЕРАТУРА

1. Shoudong Huang and Gamini Dissanayake. “Ro­bot Localization: An Introduction.” John Wiley & Sons, Inc., August 2016.
2. Oliver J. Woodman. “An Introduction to Inertial Navigation.” University of Cambridge, August 2007.
3. Robot_localization 2.6.12 documentation. Tom Moore, 2016.
4. Randy Carver and Mark Looney. “MEMS Ac­celerometer Calibration Optimizes Accuracy for Indus­trial Applications.” EE Times, October 2007.