RTK-Technologie: Der Kern der genauen Positionierung für Mähroboter – aber ist das genug?

Stellen Sie sich vor: Auf dem Heimweg von der Arbeit versagt Ihr Smartphone unerwartet als Navigationsgerät. Finden Sie trotzdem den Weg nach Hause? Die GNSS-Technologie (Global Navigation Satellite System) mag unscheinbar erscheinen, ist aber für die Ortung, Navigation und Erkundung unserer Umgebung unverzichtbar. Ihre Genauigkeit und Benutzerfreundlichkeit sind fester Bestandteil unseres täglichen Lebens.

Davon inspiriert wurde RTK (Real-Time Kinematic), das auf GNSS-Satellitensignalen als primäre Quelle für Positionsdaten basiert, in Roboter-Rasenmähern weithin übernommen. Diese Technologie ermöglicht es diesen Mähern, eine Präzision im Zentimeterbereich zu erreichen, was den Rasenpflegeprozess revolutioniert. Können die heutigen RTK-Positionierungssysteme jedoch so „intelligent“ sein wie die in Smartphones verwendete GNSS-Technologie? Können sie Roboter-Rasenmähern effektiv dabei helfen, ihren Standort genau zu bestimmen und die Rasenpflege effizienter zu gestalten? Schauen wir uns das genauer an.

1. Welche effektiven Positionierungstechnologien gibt es für Mähroboter?

1.1 RTK-Positionierungstechnologie

RTK (Real-Time Kinematics) ist eine Trägerphasendifferenzial-Positionierungstechnologie, die eine Genauigkeit im Zentimeterbereich erreichen kann und sich damit von anderen Positionierungssystemen unterscheidet. Der Grund, warum RTK eine Echtzeit-Positionierungsgenauigkeit im Zentimeterbereich erreichen kann, liegt in drei Hauptfaktoren:

1.1.1 Es verwendet Trägerphasenmessungen als Entfernungsinformation, was die Genauigkeit im Vergleich zu herkömmlichen Pseudoentfernungsmessungen um zwei bis drei Größenordnungen verbessert.

1.1.2 Durch die Durchführung von Differenzberechnungen mit Daten von nahegelegenen Basisstationen können verschiedene systematische Fehler wirksam eliminiert werden.

1.1.3 Obwohl Trägerphasenmessungen sehr genau sind, kann die Unsicherheit der Anfangsphase zum Problem der „Ganzzahlmehrdeutigkeit“ führen, was bedeutet, dass man nicht weiß, wie viele vollständige Zyklen der Trägerwelle während der Signalübertragung enthalten sind. Der RTK-Algorithmus kann jedoch die Anzahl der vollständigen Zyklen genau bestimmen und so eine Positionierungsgenauigkeit im Zentimeterbereich erreichen.

Zusammenfassend lässt sich sagen, dass die RTK-Trägerphasendifferenzpositionierung hochpräzise Trägerphasenbeobachtungen, Differenzkorrekturen, ganzzahlige Mehrdeutigkeitsauflösung und die Unterdrückung von Mehrwegeeffekten kombiniert, um eine hochpräzise Positionierung im Zentimeterbereich zu ermöglichen. Zur Veranschaulichung: Während die frühere Genauigkeit der Länge von zwei Cadillacs entsprach, ist die heutige Genauigkeit vergleichbar mit der Größe eines Fingernagels – außergewöhnlich präzise für einen Garten. Folglich können Mähroboter jetzt bestimmte Bereiche präzise mähen, ähnlich wie moderne Staubsaugerroboter.

Darüber hinaus können die Differenzsignale zwischen der Basisstation und dem Rover in Echtzeit berechnet werden, um Korrekturinformationen bereitzustellen. Die hochfrequente Datenübertragung (normalerweise zwischen 1 Hz und 20 Hz) ermöglicht schnelle Aktualisierungen der Positionierung, sodass RTK-Systeme eine sehr schnelle Reaktionszeit aufweisen und eine Genauigkeit im Millisekundenbereich erreichen. Darüber hinaus hilft die breite Abdeckung der Differenzsignale dabei, Fehler, die durch Mehrwegeeffekte und Umgebungsstörungen (wie Gebäude und Bäume) verursacht werden, effektiv zu korrigieren und so die Auswirkungen lokaler Bedingungen auf den gesamten Positionierungsprozess zu verringern.

Dies bedeutet jedoch nicht, dass die RTK-Technologie absolut sicher ist. Die hohe Abhängigkeit von RTK-Systemen von Satellitensignalen der Basisstation und des Rovers macht sie anfällig für Positionierungsfehler, insbesondere in Gebieten mit unzureichender Basisstationsabdeckung oder bei Hindernissen wie Bäumen. Darüber hinaus können Einrichtung und Betrieb von RTK-Systemen recht komplex sein und erfordern spezielle Kenntnisse und Fähigkeiten für Konfiguration und Wartung, was die breite Einführung dieser Technologie behindern kann.

Dennoch bleibt diese Technologie die am weitesten verbreitete Positionierungsmethode für Mähroboter, während Technologieunternehmen weiterhin nach weiteren Optimierungsmöglichkeiten suchen, wie beispielsweise den folgenden Methoden.

1.2 VSLAM

Eine weitere weit verbreitete Ortungstechnologie ist VSLAM (Visual Simultaneous Localization and Mapping), das aufgrund seiner geringen Kosten und schnellen Anpassungsfähigkeit an Umweltveränderungen zunehmend von vielen Technologieunternehmen erforscht wird.

VSLAM ist eine Technik, die visuelle Informationen zur Umgebungslokalisierung und Kartenerstellung nutzt. Sie integriert Computervision, Robotik und Sensordaten und ermöglicht so die Kartenerstellung in Echtzeit bei gleichzeitiger präziser Positionsbestimmung in unbekannten Umgebungen. Normalerweise verwendet VSLAM verschiedene Kameratypen – etwa Monokular-, Stereo- oder RGB-D-Kameras –, um Bilddaten aus der Umgebung zu erfassen und wichtige Merkmale wie Ecken und Kanten aus diesen Bildern zu extrahieren. Es verwendet Bildverarbeitungsalgorithmen wie SIFT und ORB, um diese Merkmale abzugleichen, und berechnet anschließend die Pose des Roboters – seine Position und Ausrichtung im Raum –, sodass dieser nach und nach entweder eine 2D- oder 3D-Umgebungskarte erstellen kann.

Es mag kompliziert erscheinen, aber die Grundidee ist einfach: Der Roboter nutzt seine Kameras, um die Umgebung zu beobachten, während er sich bewegt. Während er navigiert, sammelt er visuelle Daten, um eine genaue Echtzeitkarte seiner Umgebung zu erstellen. Diese Kartierung ermöglicht es dem Roboter, basierend auf der Gestaltung der Umgebung fundierte Entscheidungen über seine nächsten Aktionen zu treffen. Diese Technologie findet sich in verschiedenen mobilen Robotern, darunter Drohnen, Roboterstaubsaugern und autonomen Fahrzeugen.

VSLAM hat jedoch auch seine Nachteile. Die Technologie erfordert erhebliche Rechenleistung für die Echtzeitverarbeitung großer Bilddatensätze und erfordert effiziente Algorithmen und eine leistungsstarke Hardwareunterstützung. Im Gegensatz zur RTK-Technologie ist VSLAM zudem anfällig für Umweltfaktoren wie Lichtveränderungen, Farben und Landschaft. Regen, Schnee und Staub können zu Ungenauigkeiten beim Kartenaufbau führen, was die Navigation des Roboters behindern kann. Da es außerdem ausschließlich von den montierten Kameras abhängt, ist sein Betriebsbereich etwas eingeschränkt.

1.3. Lidar-Schlag

Lidar SLAM ist eine Methode zur Lokalisierung und Kartierung in Echtzeit, die Laserradartechnologie nutzt. Sie kann 2D- oder 3D-Karten in Echtzeit erstellen, die normalerweise als dreidimensionale Punktwolken oder Netzmodelle dargestellt werden. Sie haben vielleicht bemerkt, dass diese Methode VSLAM ähnelt, da beide eine Umgebungskartierung beinhalten. Im Gegensatz zu VSLAM, wo der Roboter Kameras verwendet, um die Umgebung zu erfassen, basiert Lidar SLAM jedoch auf einem am Roboter montierten Lidar-Sensor. Lidar-Sensoren messen Entfernungen, indem sie Laserimpulse aussenden und die reflektierten Signale empfangen, wodurch hochpräzise Punktwolkendaten der Umgebung erzeugt werden.

Während sich der Roboter durch seine Umgebung bewegt, erfasst er kontinuierlich Punktwolkendaten von jedem Scan, um eine Karte der aktuellen Umgebung zu erstellen und dem Roboter so dabei zu helfen, eine bessere Lokalisierung zu erreichen.

Im Vergleich zu VSLAM liefert Lidar SLAM Umgebungsdaten mit höherer Auflösung, insbesondere in komplexen Umgebungen wie Stadtstraßen und Innenräumen, wo es eine höhere Genauigkeit erreicht als die in VSLAM verwendeten Kamerasensoren. Da Lidar außerdem Laser zur Entfernungsmessung verwendet, bleibt es von den Lichtverhältnissen unbeeinflusst und funktioniert sowohl in dunklen als auch in extrem hellen Umgebungen zuverlässig. Zusammenfassend lässt sich sagen, dass Lidar SLAM hervorragende Lokalisierungsfähigkeiten aufweist und eine hohe Widerstandsfähigkeit gegenüber Umgebungsstörungen aufweist.

Was sind also die Nachteile? Nun, es läuft hauptsächlich auf die Kosten hinaus. Die großen Datenmengen des Lidar-Sensors erfordern erhebliche Rechenleistung und Ressourcen, was die Softwareentwicklung erschweren und die Kosten in die Höhe treiben kann. Im Vergleich dazu basiert VSLAM normalerweise auf etablierten visuellen Algorithmen, und die Fülle an visuellen Sensoren bietet viele Optionen für Open-Source-Software. Aus diesem Grund kann ein Lidar-SLAM-System – einschließlich Lidar-Sensor, Recheneinheiten und Software – um ein Vielfaches teurer sein als ein VSLAM-Setup. Daher ist VSLAM für Hersteller und Alltagsnutzer normalerweise zugänglicher.

1.4. Ultrabreitbandige Breitbandtechnologie

UWB (Ultra-Wideband)-Positionierung ist eine Technologie, die ultrabreite Frequenzsignale zur relativen Positionierung und Entfernungsmessung verwendet. Sie wird hauptsächlich in der Positionierung in Innenräumen eingesetzt und erreicht eine Positionsgenauigkeit im Submeter- oder Zentimeterbereich. UWB hat starke Durchdringungsfähigkeiten und durchdringt effektiv Wände und andere Hindernisse, während es in komplexen Innenumgebungen, wie z. B. bei der Verfolgung von Vermögenswerten, der Lokalisierung von Personen und der Navigation, eine gute Leistung erbringt. Ein besonders bemerkenswertes Merkmal von UWB ist seine Fähigkeit, die Positionierung und Kommunikation mehrerer Geräte gleichzeitig zu unterstützen. Dank dieser Vorteile wird UWB auch in Mährobotern für den Außenbereich eingesetzt.

Allerdings ist die effektive Kommunikationsreichweite normalerweise recht kurz und liegt zwischen zehn und hundert Metern. Diese Einschränkung kann den Einsatz zusätzlicher Basisstationen oder Relaisgeräte für größere Rasenflächen erfordern, was zu Einschränkungen führen kann. Darüber hinaus erfordert die UWB-Positionierung den Einsatz mehrerer Basisstationen oder Ankergeräte innerhalb des überwachten Bereichs, um eine genaue Positionierung zu erreichen, was die Komplexität und Kosten der Einrichtung und Wartung erhöht. Zusammenfassend lässt sich sagen, dass die Technologie zwar in Innenräumen effektiv sein kann, im Außenbereich jedoch zahlreiche Einschränkungen mit sich bringt.

An diesem Punkt sind Sie vielleicht etwas verwirrt: Es scheint, als sei keine dieser Lösungen wirklich zuverlässig?

2. Gibt es eine optimale Positionierungstechnologie-Lösung für Mähroboter?

Durch die Analyse der Vor- und Nachteile der oben genannten verschiedenen gängigen Positionierungstechnologien wird deutlich, dass jede Technologie ihre Nachteile hat. Daher entscheiden sich einige Rasenmähroboter-Unternehmen dafür, mehrere Technologien zu kombinieren, um die beste Lösung zu erzielen. Unter den diskutierten Optionen spielt die RTK-Technologie aufgrund ihrer größten Vorteile und geringsten Nachteile zweifellos eine zentrale Rolle. Wir müssen einfach auf dieser Grundlage aufbauen und andere Technologien integrieren, um die Positionierungsfähigkeiten von Rasenrobotern zu maximieren.

2.1. RTK + UWB? Nicht optimal

Betrachten wir zunächst, ob die Kombination von RTK und UWB die Probleme lösen kann. Bei RTK sollten die Positionierungsfähigkeiten von RTK nicht in Frage gestellt werden, solange die Probleme der Basisstationsabdeckung für den Empfang von GNSS-Signalen und Signalstörungen behoben werden. Das Basisstationsproblem ist beherrschbar; solange in der Gegend genügend GNSS-Satelliten verfügbar sind, können wir je nach Bedarf des Rasenmähers eine ausreichende Anzahl von Basisstationen einrichten, um potenzielle Signalabdeckungsprobleme auf großen Rasenflächen zu beheben. Aber kann UWB das Problem der Signalstörungen lösen? Das ist etwas ungewiss.

Zweitens erfordert die UWB-Positionierung den Einsatz mehrerer Basisstationen oder Ankerpunkte innerhalb des Betriebsbereichs, um eine genaue Positionierung zu erreichen. Dies kann bei großen Rasenflächen oder komplexen Umgebungen mit hohen Einrichtungskosten und -zeit verbunden sein, weshalb sich diese Methode besser für die Positionierung in Innenräumen eignet. Zweitens verfügen UWB-Signale zwar über eine gewisse Durchdringungsfähigkeit, können jedoch in bestimmten Situationen (z. B. bei dichter Vegetation oder Gebäuden) blockiert oder gedämpft werden, was die Positionierungsleistung beeinträchtigt.

2.2. RTK + Laser? Zu teuer

Was passiert, wenn RTK-Positionierungstechnologie mit Laserpositionierungstechnologie kombiniert wird? Aus früheren Diskussionen wissen wir, dass RTK-Positionierung eine Genauigkeit im Zentimeterbereich bietet. Ausgereifte Technologien wie Lidar SLAM weisen ebenfalls eine hervorragende Präzision und Störfestigkeit auf, sodass ihre Kombination möglicherweise eine Positionsgenauigkeit von 1 + 1 > 2 erreichen könnte. Die mit solchen Ergebnissen verbundenen technischen und Wartungskosten sind jedoch unerschwinglich hoch, sodass sie für den Durchschnittsverbraucher kaum erschwinglich sind. Daher müssen wir uns vorerst zurückhalten.

2.3. RTK + VSLAM?

Kann also durch die Kombination von RTK und VSLAM ein visuelles Fusionspositionierungssystem entstehen, das das Problem letztendlich löst? Aus technischer Sicht behebt VSLAM die unvermeidbaren Signalstörungen von RTK, die durch Hindernisse auf dem Weg des Roboters verursacht werden, da es kontinuierlich eine Karte erstellen kann, die die Maschine bei der Hindernisvermeidung unterstützt und so Signalstörungen reduziert. Aus Kostensicht verwendet VSLAM ausgereifte visuelle Algorithmen, die in verschiedenen Sektoren weit verbreitet sind, was die Kosten erheblich senkt. Daher sind beide Probleme gelöst! Gleichzeitig kann RTK die Mängel der VSLAM-Technologie effektiv mildern und vor potenziellen Umweltstörungen durch Regen, Schnee oder Staub schützen und so die durch die Kombination erzielten Positionierungsergebnisse maximieren.

Um die Anwendung dieser Technologie konkret zu beleuchten, können wir uns beispielsweise das EFLS 2.0 ansehen, das im Mähroboter Navimow zum Einsatz kommt.

EFLS (Exact Fusion Locating System) benötigt für einen stabilen Betrieb mindestens 10 Satelliten. Es kombiniert Satellitenortung mit Signalen mehrerer Sensoren, um die Echtzeitpositionierung des Mähroboters zu berechnen und dabei eine Genauigkeit im Zentimeterbereich zu erreichen. Die Satellitensignale für EFLS stammen aus der RTK-Positionierung, wobei sowohl der Navimow-Mähroboter als auch eine Antenne diese Signale empfangen. Die Ladestation erleichtert die Signalübertragung von der Antenne zum Mäher und ermöglicht synchrone Berechnungen, die Positionierungsfehler reduzieren.

Bei widrigen Wetterbedingungen wie Regen oder Schnee können Satellitensignale jedoch gestört werden. Um in solchen Situationen eine genaue Positionsbestimmung zu gewährleisten, sind visuelle Orientierungspunkte in das System integriert. In Gebieten mit schlechter Satellitenabdeckung greift die Kamera ein, um dem Roboter eine zuverlässigere Positionsbestimmung zu ermöglichen. Der visuelle Kartierungsprozess besteht aus drei Hauptschritten:

Schritt 1: Visuelle Datenerfassung

Während der ersten Kartierung und des ersten vollständigen Mähzyklus sammelt der Mäher visuelle Daten.

Schritt 2: Visuelle Kartenoptimierung Bei der Rückkehr zur Ladestation optimiert der Mäher automatisch die visuelle Karte. Diese Optimierung dauert mehrere Stunden und wird unterbrochen, wenn der Mäher die Station verlässt.

Schritt 3: Visuelle Lokalisierung

Wenn die RTK-Signale während des Mähvorgangs schwach sind, vergleicht der Rasenroboter visuelle Merkmale in Echtzeit mit den visuellen Kartendaten, um seinen Standort zu berechnen und so ein unterbrechungsfreies Mähen zu gewährleisten.

Darüber hinaus kann der Roboter mit Hilfe von Visionfence innerhalb kurzer Zeit auf Hindernisse vor ihm reagieren und so einen effizienten Mähvorgang gewährleisten.

Genießen Sie jetzt die verbesserte Effizienz und das außergewöhnliche Rasenpflegeerlebnis, das durch die Kombination beider RTK-Technologien im Navimow-Mähroboter möglich wird.