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

Kujutage ette: koduteel töölt, teie nutitelefon ebaõnnestub ootamatult navigeerimisseadmestikuna. Kas suudate ikkagi koju jõuda? GNSS (Globaalne Navigeerimise Satelliitsüsteem) tehnoloogia võib tunduda tagasihoidlik, kuid see on hädavajalik meie asukoha määramiseks, navigeerimiseks ja ümbritseva uurimiseks. Selle täpsus ja mugavus on juurdunud meie igapäevaelus.

Selle põhjal on RTK (reaalaegne kinemaatika), mis tugineb GNSS satelliidisignaalidele kui oma peamisele positsioneerimisandmete allikale, saanud laialdaselt kasutatavaks robotniidukites. See tehnoloogia võimaldab neil niidukitel saavutada sentimeetri täpsust, muutes muru hooldamise protsessi. Kuid kas tänapäeva RTK positsioneerimissüsteemid võivad olla sama "nutikad" kui GNSS tehnoloogia, mida kasutatakse nutitelefonides? Kas nad saavad tõhusalt aidata robotniidukitel täpselt oma asukohti määrata ja muuta muru hooldamise tõhusamaks? Vaatame lähemalt.

1. Millised tõhusad positsioneerimistehnoloogiad on saadaval robotniidukitele?

1.1 RTK Positsioneerimise Tehnoloogia

RTK, ehk reaalajas kinemaatika, on kandjafaasi diferentsiaalpositsioneerimise tehnoloogia, mis suudab saavutada sentimeetri tasemel täpsuse, eristades seda teistest positsioneerimissüsteemidest. Põhjus, miks RTK suudab saavutada reaalajas sentimeetri tasemel positsioneerimise täpsuse, seisneb kolmes peamises teguris:

1.1.1 See kasutab kauguse teabe saamiseks kandja faasi mõõtmisi, mis parandab täpsust oluliselt 2 kuni 3 korda võrreldes traditsiooniliste pseudokauguse mõõtmistega.

1.1.2 Lähedal asuvate baasjaamade andmete diferentseerimise arvutuste tegemisega saab erinevaid süsteemseid vigu tõhusalt kõrvaldada.

1.1.3 Kuigi kandjafaasi mõõtmised on äärmiselt täpsed, võib algfaasi ebakindlus põhjustada "täisarvu ambivalentsuse" probleemi, mis tähendab, et ei ole teada, kui palju täis tsükleid kandjalaine signaaliedastuse ajal sisaldub. Siiski suudab RTK algoritm täpselt määrata täis tsüklite arvu, võimaldades saavutada sentimeetri tasemel positsioneerimise täpsust.

Kokkuvõttes ühendab RTK kandjafaasi diferentsiaalpositsioneerimine kõrge täpsusega kandjafaasi vaatlusandmed, diferentsiaalkorrektsioonid, täisarvulise ambigiteedi lahendamise ja multipath-efektide summutamise, et võimaldada sentimeetri tasemel kõrge täpsusega positsioneerimist. Näiteks, kui eelmine täpsus oli kahe Cadillac'i pikkus, siis praegune täpsus on võrreldav küünte suurusega - erakordselt täpne tagahoovis. Seetõttu saavad robotniidukid nüüd täpselt niita määratud alasid, sarnaselt kaasaegsetele robottolmuimejatele.

Lisaks saab baasjaama ja roveri vahelisi diferentsiaal signaale reaalajas arvutada, et pakkuda korrektuuriteavet, ning kõrge sagedusega andmeedastus (tavaliselt vahemikus 1 Hz kuni 20 Hz) võimaldab kiireid uuendusi positsioneerimises, mis viib RTK süsteemide väga kiire reageerimisajani ja saavutab millisekundi tasemel täpsuse. Lisaks aitab diferentsiaal signaalide lai katvus tõhusalt parandada multipath efektide ja keskkonna häirete (nt hooned ja puud) põhjustatud vigu, vähendades kohalike tingimuste mõju kogu positsioneerimisprotsessile.

Kuid see ei tähenda, et RTK-tehnoloogia oleks veatu. RTK-süsteemide kõrge sõltuvus satelliidisignaalidest baasjaamast ja roverist muudab need positsioneerimisvigadele vastuvõtlikuks, eriti piirkondades, kus baasjaama katvus on ebapiisav või kui esinevad takistused nagu puud. Lisaks võib RTK-süsteemide seadistamine ja töö käitamine olla üsna keeruline, nõudes spetsialiseeritud teadmisi ja oskusi seadistamiseks ja hooldamiseks, mis võib takistada selle tehnoloogia laialdast kasutuselevõttu.

Siiski jääb see tehnoloogia kõige laialdasemalt kasutatavaks positsioneerimismeetodiks robotniidukite jaoks, samas kui tehnoloogiaettevõtted jätkavad edasiste optimeerimisvõimaluste uurimist, nagu järgmised meetodid.

1.2 VSLAM

Teise laialdaselt kasutatava positsioneerimistehnoloogiana uuritakse VSLAM-i (Visuaalne Samal Ajal Lokaliseerimine ja Kaardistamine) üha enam paljude tehnoloogiaettevõtete poolt, kuna selle maksumus on madal ja see kohandub kiiresti keskkonna muutustega.

VSLAM on tehnika, mis kasutab visuaalset teavet keskkonna lokaliseerimiseks ja kaardi koostamiseks. See integreerib arvutinägemise, robootika ja sensorite andmed, võimaldades reaalajas kaardi koostamist, samal ajal täpselt määrates oma asukoha tundmatutes keskkondades. Tüüpiliselt kasutab VSLAM erinevat tüüpi kaameraid - nagu monokulaarsed, stereokaamerad või RGB-D kaamerad - et jäädvustada pilditeavet ümbritsevast, eraldades nendest piltidest olulisi omadusi nagu nurgad ja servad. See kasutab pilditöötlusalgoritme, nagu SIFT ja ORB, nende omaduste sobitamiseks ja arvutab seejärel roboti positsiooni - selle asukoha ja orientatsiooni ruumis - võimaldades tal järk-järgult koostada kas 2D või 3D keskkonna kaardi.

See võib tunduda keeruline, kuid põhikontseptsioon on lihtne: robot kasutab oma kaameraid keskkonna jälgimiseks liikudes. Liikudes kogub ta visuaalset teavet, et luua täpne reaalajas kaart oma ümbrusest. See kaardistamine võimaldab robotil teha teadlikke otsuseid oma järgmiste tegevuste kohta, tuginedes keskkonna paigutusele. Seda tehnoloogiat leidub erinevates mobiilsetes robotites, sealhulgas droonides, robottolmuimejates ja autonoomsetes sõidukites.

Kuid VSLAM-il on oma puudused. See tehnoloogia nõuab suurt arvutusvõimet suurte pildikomplektide reaalajas töötlemiseks, mis eeldab tõhusate algoritmide ja tugeva riistvara tuge. Erinevalt RTK-tehnoloogiast on VSLAM ka keskkonnategurite, nagu valgustuse muutused, värvid ja maastik, suhtes haavatav. Vihm, lumi ja tolm võivad põhjustada kaardistamise ebatäpsusi, mis võivad takistada roboti navigeerimist. Lisaks, kuna see sõltub ainult paigaldatud kaameratest, on selle tööulatus mõnevõrra piiratud.

1.3. Lidar Slam

Lidar SLAM on reaalajas lokaliseerimise ja kaardistamise meetod, mis kasutab laser radaritehnoloogiat. See suudab toota reaalajas 2D või 3D kaarte, mida tavaliselt esitatakse kolmemõõtmeliste punktipilvede või võrgumudelitena. Võib-olla olete märganud, et see meetod sarnaneb VSLAM-iga, kuna mõlemad hõlmavad keskkonna kaardistamist. Siiski, erinevalt VSLAM-ist, kus robot kasutab ümbritseva keskkonna jäädvustamiseks kaameraid, töötab Lidar SLAM roboti külge paigaldatud Lidar-anduri põhjal. Lidar-andurid mõõdavad kaugusi, saates välja laseripulse ja vastu peegeldunud signaale vastu võttes genereerivad nad keskkonna kõrge täpsusega punktipilve andmeid.

Kuna robot liigub oma ümbruses, salvestab ta pidevalt punktipilve andmeid igast skannimisest, et luua kaardistamine praegusest keskkonnast, aidates seeläbi robotil saavutada paremat lokaliseerimist.

VSLAM-iga võrreldes pakub Lidar SLAM kõrgema resolutsiooniga keskkonnaandmeid, eriti keerulistes keskkondades nagu linnatänavad ja siseruumid, kus see saavutab suurema täpsuse kui VSLAM-is kasutatavad kaamerasensorid. Lisaks, kuna Lidar kasutab kauguse mõõtmiseks lasereid, ei mõjuta seda valgustingimused, toimides usaldusväärselt nii hämaras kui ka äärmiselt heledates keskkondades. Kokkuvõttes paistab Lidar SLAM silma lokaliseerimisvõimekuse poolest ja näitab tugevat vastupidavust keskkonna häiretele.

Nii et, millised on puudused? Peamiselt tuleb see kuludest. Suured andmemahtud Lidar anduris nõuavad märkimisväärset töötlemisvõimet ja ressursse, mis võivad tarkvaraarendust keerulisemaks muuta ja kulusid tõsta. Võrreldes sellega toetub VSLAM tavaliselt kehtestatud visuaalsetele algoritmidele ning visuaalsete andurite rohkus pakub palju avatud lähtekoodiga tarkvara valikuid. Seetõttu võib Lidar SLAM süsteem - sealhulgas Lidar andur, arvutusüksused ja tarkvara - olla mitu korda või isegi palju kordi kallim kui VSLAM seadistus. Seega on VSLAM tootjatele ja igapäevastele kasutajatele tavaliselt kergemini kättesaadav.

1.4. UWB

UWB (Ultra-Wideband) positsioneerimine on tehnoloogia, mis kasutab ultra-laia sagedusala signaale suhteliseks positsioneerimiseks ja kauguse mõõtmiseks. Seda rakendatakse peamiselt siseruumides positsioneerimise stsenaariumides, saavutades alates meetri või sentimeetri täpsuse. UWB-l on tugevad läbilaskmisvõimed, mis võimaldavad tal tõhusalt läbida seinu ja muid takistusi, säilitades samal ajal head jõudlust keerulistes siseruumides, nagu varade jälgimine, isikute lokaliseerimine ja navigeerimine. Eriti tähelepanuväärne omadus UWB-s on selle võime toetada mitme seadme positsioneerimist ja suhtlemist samaaegselt. Tänu nendele eelistele on UWB-d hakatud kasutama ka välistingimustes robotniidukites.

Kuid selle tõhus suhtlusulatus on tavaliselt üsna lühike, tavaliselt kümnete ja saja meetri vahel. See piirang võib nõuda täiendavate baasjaamade või edastusseadmete paigaldamist suuremate muruväljade jaoks, mis võib olla piirav. Lisaks nõuab UWB positsioneerimine mitme baasjaama või ankruseadmestiku paigaldamist jälgitavas piirkonnas täpse positsioneerimise saavutamiseks, mis lisab seadistamise ja hoolduse keerukust ja kulusid. Kokkuvõttes, kuigi see võib olla tõhus siseruumides, on välitingimustes mitmeid piiranguid.

Sel hetkel võid sa tunda end veidi segaduses: tundub, et ükski neist lahendustest ei ole tõeliselt usaldusväärne?

2. Kas robotniidukite jaoks on olemas optimaalne positsioneerimistehnoloogia lahendus?

Analüüsides ülaltoodud erinevate populaarsete positsioneerimistehnoloogiate eeliseid ja puudusi, on selge, et igal tehnoloogial on oma miinused. Seetõttu valivad mõned muruniiduki robotite ettevõtted mitme tehnoloogia kombineerimise, et saavutada parim lahendus. Arutletud valikute seas mängib RTK tehnoloogia kahtlemata keskset rolli oma kõige olulisemate eeliste ja väheste puuduste tõttu. Me peame lihtsalt sellel alusel edasi liikuma ja integreerima teisi tehnoloogiaid, et maksimeerida robotniidukite positsioneerimisvõimet.

2.1. RTK + UWB? Mitte optimaalne

Esiteks, kaalume, kas RTK ja UWB ühendamine võib probleeme lahendada. RTK puhul, nii kaua kui lahendatakse baasjaama katvuse probleemid GNSS signaalide vastuvõtmisel ja signaali häiretega, ei tohiks RTK positsioneerimisvõimekuses kahtlusi olla. Baasjaama probleem on hallatav; nii kaua kui piirkonnas on piisavalt GNSS satelliite, saame seadistada piisava arvu baasjaamu, lähtudes muruniiduki vajadustest, et lahendada potentsiaalsed signaali katvuse probleemid suurtes rohumaades. Kuid kas UWB suudab signaali häirete probleemi lahendada? See on veidi ebakindel.

Teiseks, UWB positsioneerimine nõuab mitme baasjaama või ankrupunkti paigaldamist tööpiirkonnas, et saavutada täpne positsioneerimine. See võib hõlmata suuri seadistamiskulusid ja aega suurtes muruväljakutes või keerulistes keskkondades, selgitades, miks see on sobivam siseruumides positsioneerimiseks. Teiseks, kuigi UWB signaalidel on teatud määral läbilaskvuse võime, võivad need siiski teatud olukordades (näiteks tiheda taimestiku või hoonete korral) olla takistatud või nõrgenenud, mis mõjutab positsioneerimise tulemuslikkust.

2.2.  RTK + Laser? Liiga kallis

Mis juhtub, kui RTK positsioneerimistehnoloogia kombineeritakse laserpositsioneerimistehnoloogiaga? Varasemate arutelude põhjal teame, et RTK positsioneerimine pakub sentimeetri täpsust. Küpsed tehnoloogiad nagu Lidar SLAM omavad samuti suurepärast täpsust ja häirete taluvust, mis tähendab, et nende kombinatsioon võiks potentsiaalselt saavutada positsioneerimise täpsuse, kus 1 + 1 > 2. Siiski on selliste tulemuste tehnilised ja hoolduskulud ülemäära kõrged, muutes selle keskmise tarbija jaoks peaaegu võimatuks. Seetõttu peame praegu ootama.

2.3. RTK + VSLAM? Yes!

Nii et, kas RTK ja VSLAM ühendamine võib luua visuaalse fusioonpositsioneerimissüsteemi, mis lõpuks probleemi lahendab? Tehnilisest vaatenurgast käsitleb VSLAM RTK vältimatut signaalihäiret, mis on põhjustatud takistustest roboti teel, kuna see suudab pidevalt kaarti koostada, et aidata masinal takistustest mööda minna, vähendades seeläbi signaalihäiret. Kulude vaatenurgast kasutab VSLAM küpseid visuaalseid algoritme, mida on laialdaselt rakendatud erinevates valdkondades, mis vähendab oluliselt kulusid. Seega on mõlemad probleemid lahendatud! Samal ajal suudab RTK tõhusalt leevendada VSLAM-tehnoloogia puudusi, kaitstes võimalike keskkonna häirete eest, mida võivad põhjustada vihm, lumi või tolm, maksimeerides seeläbi nende kombinatsioonist saadud positsioneerimistulemusi.

Me saame kasutada EFLS 2.0, mida kasutatakse Navimow robotniiduk näiteks, et konkreetselt uurida selle tehnoloogia rakendamist.

EFLS ehk Exact Fusion Locating System nõuab stabiilseks tööks vähemalt 10 satelliiti. See ühendab satelliidi positsioneerimise mitme sensori signaalidega, et arvutada robotniiduki reaalajas positsioneerimist, saavutades sentimeetri täpsuse. EFLS-i satelliidisignaalid saadakse RTK positsioneerimisest, kus nii Navimow robotniiduk kui ka antenn saavad neid signaale. Laadimisjaam hõlbustab signaalide edastamist antennist niidukisse, võimaldades sünkroonseid arvutusi, mis vähendavad positsioneerimisvigu.

Kuid satelliidisignaalid võivad olla takistatud ebasoodsate ilmastikutingimuste, näiteks vihma või lume korral. Sellistes olukordades täpse positsioneerimise säilitamiseks on süsteemi integreeritud visuaalsed maamärgid. Halva satelliitkattega piirkondades astub kaamera sisse, et anda robotile usaldusväärsem positsioneerimine. Visuaalse kaardistamise protsess koosneb kolmest peamisest sammust:

Samm 1: Visuaalne Andmete Kogumine

Esialgse kaardistamise ja esimese täieliku niitmistsükli ajal kogub niiduk visuaalset teavet.

2. samm: Visuaalse kaardi optimeerimine Tagasi laadimisjaama naastes optimeerib niiduk automaatselt visuaalse kaardi. See optimeerimine võtab mitu tundi ja peatub, kui niiduk lahkub jaamast.

3. samm: Visuaalne lokaliseerimine

Kui RTK signaalid on niitmise ajal nõrgad, võrdleb robotniiduk reaalajas visuaalseid omadusi visuaalse kaardiga, et arvutada oma asukoht, tagades katkematu niitmise.

Lisaks sellele, Visionfence'i abil suudab robot kiiresti reageerida eesolevatele takistustele lühikese aja jooksul, tagades tõhusa niitmisprotsessi.

Nüüd nautigem suurenenud efektiivsust ja erakordset muru hooldamise kogemust, mille toovad kaasa mõlema RTK tehnoloogia kombinatsioon Navimow robotniidukis.