RTK Technology: The Core of Accurate Positioning for Robot Mowers—But Is That Enough?

Forestil dig dette: mens du pendler hjem fra arbejde, svigter din smartphone pludselig som navigationsenhed. Kan du stadig finde vej hjem? GNSS (Global Navigation Satellite System) teknologi kan virke beskeden, men den er essentiel for at lokalisere os selv, navigere og udforske vores omgivelser. Dens nøjagtighed og bekvemmelighed er indgroet i vores dagligdag.

Inspireret af dette er RTK (Real-Time Kinematic), som er afhængig af GNSS satellitsignaler som sin primære kilde til positionsdata, blevet bredt adopteret i robotplæneklippere. Denne teknologi gør det muligt for disse klippere at opnå centimeter-niveau præcision, hvilket transformerede plæneplejeprocessen. Men kan nutidens RTK positionssystemer være lige så "smarte" som den GNSS teknologi, der bruges i smartphones? Kan de effektivt hjælpe robotplæneklippere med præcist at bestemme deres placeringer og gøre plænevedligeholdelse mere effektiv? Lad os tage et nærmere kig.

1. Hvilke effektive positioneringsteknologier er tilgængelige for robotplæneklippere?

1.1 RTK Positioneringsteknologi

RTK, eller Real-Time Kinematics, er en bærerfase differential positioneringsteknologi, der kan opnå centimeter-niveau nøjagtighed, hvilket adskiller den fra andre positioneringssystemer. Årsagen til, at RTK kan opnå realtids centimeter-niveau positioneringsnøjagtighed, ligger i tre hovedfaktorer:

1.1.1 Det bruger bærerfase målinger som afstandsinformation, hvilket betydeligt forbedrer nøjagtigheden med 2 til 3 størrelsesordener sammenlignet med traditionelle pseudorange målinger.

1.1.2 Ved at udføre differentielle beregninger med data fra nærliggende basestationer kan forskellige systematiske fejl effektivt elimineres.

1.1.3 Selvom bærerfase målinger er meget præcise, kan usikkerheden i den indledende fase føre til "heltal ambiguitet" problemet, hvilket betyder, at man ikke ved, hvor mange komplette cykler af bærerbølgen der er inkluderet under signaloverførslen. Dog kan RTK-algoritmen nøjagtigt bestemme antallet af komplette cykler, hvilket gør det muligt at opnå centimeter-niveau positionsnøjagtighed.

Sammenfattende kombinerer RTK bærerfase differential positionering højpræcise bærerfaseobservationer, differentielle korrektioner, heltalsambiguitetsløsning og undertrykkelse af multipath-effekter for at muliggøre centimeter-niveau højpræcisionspositionering. For at illustrere, hvis den tidligere nøjagtighed var længden af to Cadillacs, er den nuværende nøjagtighed sammenlignelig med størrelsen af en negl - exceptionelt præcis for en baggård. Som følge heraf kan robotplæneklippere nu præcist trimme udpegede områder, ligesom moderne robotstøvsugere.

Derudover kan de differentielle signaler mellem basestationen og roveret beregnes i realtid for at give korrektion information, og højfrekvent datatransmission (typisk mellem 1 Hz og 20 Hz) muliggør hurtige opdateringer til positionering, hvilket resulterer i, at RTK-systemer har en meget hurtig responstid og opnår millisekund-niveau nøjagtighed. Desuden hjælper den brede dækning af differentielle signaler effektivt med at korrigere fejl forårsaget af multipath-effekter og miljømæssig interferens (såsom bygninger og træer), hvilket reducerer indflydelsen af lokale forhold på den samlede positioneringsproces.

Dog betyder dette ikke, at RTK-teknologi er fejlsikker. Den høje afhængighed af RTK-systemer på satellitsignaler fra basestationen og rover gør dem sårbare over for positioneringsfejl, især i områder med utilstrækkelig dækning fra basestationen eller når der er forhindringer som træer. Desuden kan opsætning og drift af RTK-systemer være ret komplekse, hvilket kræver specialiseret viden og færdigheder til konfiguration og vedligeholdelse, hvilket kan hindre den brede adoption af denne teknologi.

Ikke desto mindre forbliver denne teknologi den mest udbredte positioneringsmetode for robotplæneklippere, mens teknologivirksomheder fortsætter med at udforske yderligere optimeringsmuligheder, såsom de følgende metoder.

1.2 VSLAM

Som en anden bredt anvendt positioneringsteknologi bliver VSLAM (Visual Simultaneous Localization and Mapping) i stigende grad udforsket af mange teknologivirksomheder på grund af dens lave omkostninger og hurtige tilpasning til miljøændringer.

VSLAM er en teknik, der udnytter visuel information til miljølokalisering og kortlægning. Det integrerer computer vision, robotteknologi og sensordata, hvilket muliggør realtids kortlægning, mens det nøjagtigt bestemmer sin position i ukendte miljøer. Typisk anvender VSLAM forskellige typer kameraer - såsom monokulære, stereo eller RGB-D kameraer - til at indfange billeddata fra omgivelserne, og udtrækker nøglefunktioner som hjørner og kanter fra disse billeder. Det anvender billedbehandlingsalgoritmer, såsom SIFT og ORB, til at matche disse funktioner og beregner derefter robotens position - dens placering og orientering i rummet - hvilket gør det muligt for den gradvist at konstruere enten et 2D eller 3D miljøkort.

Det kan synes indviklet, men den grundlæggende idé er simpel: robotten bruger sine kameraer til at observere miljøet, mens den bevæger sig. Mens den navigerer, indsamler den visuelle data for at skabe et præcist kort i realtid over sine omgivelser. Denne kortlægning gør det muligt for robotten at træffe informerede beslutninger om sine næste handlinger baseret på miljøets layout. Denne teknologi kan findes i forskellige mobile robotter, herunder droner, robotstøvsugere og autonome køretøjer.

Dog har VSLAM sine ulemper. Teknologien kræver betydelig beregningskraft til realtidsbehandling af store billeddatasæt, hvilket kræver effektive algoritmer og stærk hardwareunderstøttelse. I modsætning til RTK-teknologi er VSLAM også sårbar over for miljømæssige faktorer som lysændringer, farver og landskaber. Regn, sne og støv kan forårsage unøjagtigheder i kortlægningen, hvilket kan hæmme robotens navigation. Derudover, da det udelukkende afhænger af de monterede kameraer, er dets operationelle rækkevidde noget begrænset.

1.3. Lidar Slam

Lidar SLAM er en realtids lokaliserings- og kortlægningsmetode, der udnytter laser radar teknologi. Det kan producere realtids 2D eller 3D kort, typisk repræsenteret som tredimensionelle punkt skyer eller mesh modeller. Du har måske bemærket, at denne metode ligner VSLAM, da begge involverer miljøkortlægning. Men i modsætning til VSLAM, hvor robotten bruger kameraer til at fange det omgivende miljø, fungerer Lidar SLAM baseret på en Lidar sensor monteret på robotten. Lidar sensorer måler afstande ved at udsende laserpulser og modtage de reflekterede signaler, hvilket genererer højpræcise punkt sky data af miljøet.

Når robotten bevæger sig gennem sine omgivelser, indsamler den kontinuerligt punktcloud-data fra hver scanning for at skabe et kort over det nuværende miljø, hvilket hjælper robotten med at opnå bedre lokalisering.

Sammenlignet med VSLAM leverer Lidar SLAM højere opløsningsmiljødata, især i komplekse indstillinger som bygader og indendørs miljøer, hvor det opnår større nøjagtighed end de kamerasonder, der bruges i VSLAM. Desuden, da Lidar bruger lasere til afstandsmåling, påvirkes det ikke af lysforhold, og fungerer pålideligt i både svagt og ekstremt lyst miljø. Sammenfattende excellerer Lidar SLAM i lokaliseringskapaciteter og viser stærk modstand mod miljømæssig interferens.

Så, hvad er ulemperne? Nå, det kommer hovedsageligt ned til omkostninger. De store mængder data fra Lidar-sensoren kræver betydelig behandlingskraft og ressourcer, hvilket kan komplicere softwareudviklingen og drive omkostningerne op. I sammenligning er VSLAM typisk afhængig af etablerede visuelle algoritmer, og overfloden af visuelle sensorer giver mange open-source softwaremuligheder. På grund af dette kan et Lidar SLAM-system—inklusive Lidar-sensoren, computer-enhederne og softwaren—være flere gange til mange gange dyrere end en VSLAM-opsætning. Derfor er VSLAM normalt mere tilgængelig for producenter og almindelige brugere.

1.4. UWB

UWB (Ultra-Wideband) positionering er en teknologi, der bruger ultra-brede frekvenssignaler til relativ positionering og afstandsmåling. Det anvendes primært i indendørs positioneringsscenarier og opnår sub-meter eller centimeter-niveau positioneringsnøjagtighed. UWB har stærke penetreringsevner, der effektivt passerer gennem vægge og andre forhindringer, mens det opretholder god ydeevne i komplekse indendørs miljøer, såsom aktiver tracking, personale lokalisering og navigation. En særligt bemærkelsesværdig funktion ved UWB er dens evne til at understøtte positionering og kommunikation af flere enheder samtidigt. Takket være disse fordele er UWB også begyndt at blive brugt i udendørs robotplæneklippere.

Dog er dens effektive kommunikationsafstand typisk ret kort, normalt mellem ti og hundrede meter. Denne begrænsning kan kræve, at der skal installeres yderligere basestationer eller relæudstyr for større græsarealer, hvilket kan være begrænsende. Derudover kræver UWB-positionering installation af flere basestationer eller anker-enheder inden for det overvågede område for at opnå præcis positionering, hvilket tilføjer kompleksitet og omkostninger til opsætning og vedligeholdelse. Sammenfattende, mens det kan være effektivt indendørs, er der adskillige begrænsninger ved brug udendørs.

På dette tidspunkt føler du måske lidt forvirring: det ser ud til, at ingen af disse løsninger virkelig er pålidelige?

2. Er der en optimal positioneringsteknologi løsning til robotplæneklippere?

Gennem analysen af fordelene og ulemperne ved de forskellige populære positioneringsteknologier nævnt ovenfor, er det klart, at hver teknologi har sine ulemper. Som et resultat vælger nogle robotplæneklipperfirmaer at kombinere flere teknologier for at opnå den bedste løsning. Blandt de diskuterede muligheder spiller RTK-teknologi uden tvivl en central rolle på grund af dens mest betydningsfulde fordele og færrest ulemper. Vi skal simpelthen bygge videre på dette fundament og inkorporere andre teknologier for at maksimere positioneringsmulighederne for robotplæneklippere.

2.1. RTK + UWB? Ikke Optimal

Først, lad os overveje, om kombinationen af RTK og UWB kan løse problemerne. Med RTK, så længe problemerne med dækning af basestationer til modtagelse af GNSS-signaler og signalinterferens bliver adresseret, bør positioneringskapaciteterne for RTK ikke være i tvivl. Basestationens problem er håndterbart; så længe der er nok GNSS-satellitter tilgængelige i området, kan vi sætte et tilstrækkeligt antal basestationer baseret på behovene for plæneklipperen for at adressere potentielle signaldækningsproblemer over store græsarealer. Men kan UWB håndtere signalinterferensproblemet? Det er lidt usikkert.

For det andet kræver UWB-positionering, at der er flere basestationer eller ankerpunkter installeret inden for det opererende område for at opnå præcis positionering. Dette kan involvere høje opsætningsomkostninger og tid i store græsarealer eller komplekse miljøer, hvilket forklarer, hvorfor det er mere velegnet til indendørs positionering. For det tredje, selvom UWB-signaler har en vis grad af penetreringsevne, kan de stadig blive hindret eller dæmpet i visse situationer (såsom tæt vegetation eller bygninger), hvilket påvirker positioneringsydelsen.

2.2.  RTK + Laser? For dyrt

Hvad sker der, når RTK-positioneringsteknologi kombineres med laserpositioneringsteknologi? Fra tidligere diskussioner ved vi, at RTK-positionering tilbyder centimeter-niveau nøjagtighed. Modne teknologier som Lidar SLAM har også fremragende præcision og modstandsdygtighed over for interferens, hvilket betyder, at deres kombination potentielt kunne opnå en positioneringsnøjagtighed, hvor 1 + 1 > 2. Dog er de tekniske og vedligeholdelsesomkostninger forbundet med sådanne resultater uoverkommeligt høje, hvilket gør det næsten umuligt for den gennemsnitlige forbruger at have råd. Så vi må holde os tilbage for nu.

2.3.  RTK + VSLAM? Ja!

Så kan kombinationen af RTK og VSLAM skabe et visuelt fusionspositionssystem, der i sidste ende løser problemet? Fra et teknisk perspektiv adresserer VSLAM RTK's uundgåelige signalinterferens forårsaget af forhindringer i robotens vej, da det kontinuerligt kan opbygge et kort for at hjælpe maskinen med at undgå forhindringer, hvilket reducerer signalinterferensen. Fra et omkostningsperspektiv bruger VSLAM modne visuelle algoritmer, der er blevet bredt anvendt på tværs af forskellige sektorer, hvilket betydeligt sænker omkostningerne. Derfor er begge problemer løst! I mellemtiden kan RTK effektivt afbøde ulemperne ved VSLAM-teknologi, hvilket beskytter mod potentiel miljøinterferens forårsaget af regn, sne eller støv, og dermed maksimere de positionsresultater, der opnås ved deres kombination.

Vi kan tage EFLS 2.0 brugt i den Navimow robotplæneklipper som et eksempel til specifikt at undersøge anvendelsen af denne teknologi.

EFLS, eller Exact Fusion Locating System, kræver et minimum af 10 satellitter for stabil drift. Det kombinerer satellitpositionering med signaler fra flere sensorer for at beregne robotplæneklipperens realtidspositionering og opnå centimeter-niveau nøjagtighed. Satellitsignalerne til EFLS stammer fra RTK-positionering, hvor både Navimow robotplæneklipperen og en antenne modtager disse signaler. Opladningsstationen muliggør overførsel af signaler fra antennen til klipperen, hvilket muliggør synkrone beregninger, der reducerer positionsfejl.

Dog kan satellitsignaler blive blokeret under ugunstige vejrforhold, såsom regn eller sne. For at opretholde præcis positionering i sådanne situationer er visuelle landemærker integreret i systemet. I områder med dårlig satellitdækning træder kameraet ind for at give robotten mere pålidelig positionering. Den visuelle kortlægningsproces består af tre nøgletrin:

Trin 1: Visuel Datainnsamling

Under sin indledende kortlægning og den første komplette klippecyklus indsamler plæneklipperen visuelle data.

Trin 2: Visuel kortoptimering Når plæneklipperen vender tilbage til ladestationen, optimerer den automatisk det visuelle kort. Denne optimering tager flere timer og vil pause, hvis plæneklipperen forlader stationen.

Trin 3: Visuel Lokalisering

Når RTK-signalerne er svage under græsklipningsoperationer, sammenligner robotplæneklipperen realtids visuelle funktioner med de visuelle kortdata for at beregne sin placering, hvilket sikrer uafbrudt græsklipning.

Desuden kan robotten med hjælp fra Visionfence hurtigt reagere på forhindringer foran den inden for kort tid, hvilket sikrer en effektiv klippeproces.

Lad os nu nyde den forbedrede effektivitet og den enestående græsplejeoplevelse, som kombinationen af begge RTK-teknologier i Navimow robotplæneklipperen bringer.