Technologie RTK : le cœur du positionnement précis des tondeuses robotisées, mais est-ce suffisant ?

Imaginez la situation suivante : alors que vous rentrez du travail, votre smartphone tombe en panne et ne fonctionne plus comme appareil de navigation. Parvenez-vous toujours à rentrer chez vous ? La technologie GNSS (Global Navigation Satellite System) peut sembler anodine, mais elle est essentielle pour nous localiser, nous orienter et explorer notre environnement. Sa précision et sa commodité font partie intégrante de notre vie quotidienne.

Inspiré par cette approche, le RTK (Real-Time Kinematic), qui s'appuie sur les signaux satellites GNSS comme principale source de données de positionnement, a été largement adopté dans les tondeuses à gazon robotisées. Cette technologie permet à ces tondeuses d'atteindre une précision centimétrique, transformant ainsi le processus d'entretien de la pelouse. Cependant, les systèmes de positionnement RTK actuels peuvent-ils être aussi « intelligents » que la technologie GNSS utilisée dans les smartphones ? Peuvent-ils aider efficacement les tondeuses robotisées à localiser avec précision leur emplacement et à rendre l'entretien de la pelouse plus efficace ? Examinons cela de plus près.

1. Quelles technologies de positionnement efficaces sont disponibles pour les tondeuses à gazon robotisées ?

1.1 Technologie de positionnement RTK

RTK, ou cinématique en temps réel, est une technologie de positionnement différentiel à phase porteuse qui peut atteindre une précision centimétrique, ce qui la distingue des autres systèmes de positionnement. La raison pour laquelle RTK peut atteindre une précision de positionnement centimétrique en temps réel réside dans trois facteurs principaux :

1.1.1 Il utilise des mesures de phase porteuse comme informations de distance, ce qui améliore considérablement la précision de 2 à 3 ordres de grandeur par rapport aux mesures de pseudodistance traditionnelles.

1.1.2 En effectuant des calculs différentiels avec des données provenant de stations de base proches, diverses erreurs systématiques peuvent être efficacement éliminées.

1.1.3 Bien que les mesures de phase porteuse soient très précises, l'incertitude de la phase initiale peut conduire au problème de « l'ambiguïté entière », c'est-à-dire à l'ignorance du nombre de cycles complets de l'onde porteuse inclus dans la transmission du signal. Cependant, l'algorithme RTK peut déterminer avec précision le nombre de cycles complets, ce qui lui permet d'atteindre une précision de positionnement au centimètre près.

En résumé, le positionnement différentiel de phase porteuse RTK combine des observations de phase porteuse de haute précision, des corrections différentielles, une résolution d'ambiguïté entière et la suppression des effets de trajets multiples pour permettre un positionnement de haute précision au centimètre près. Par exemple, si la précision précédente était de la longueur de deux Cadillac, la précision actuelle est comparable à la taille d'un ongle, ce qui est exceptionnellement précis pour un jardin. Par conséquent, les tondeuses à gazon robotisées peuvent désormais tondre avec précision des zones désignées, à l'instar des aspirateurs robotisés contemporains.

De plus, les signaux différentiels entre la station de base et le rover peuvent être calculés en temps réel pour fournir des informations de correction, et la transmission de données à haute fréquence (généralement entre 1 Hz et 20 Hz) permet des mises à jour rapides du positionnement, ce qui permet aux systèmes RTK d'avoir un temps de réponse très rapide et d'atteindre une précision de l'ordre de la milliseconde. De plus, la large couverture des signaux différentiels permet de corriger efficacement les erreurs causées par les effets de trajets multiples et les interférences environnementales (comme les bâtiments et les arbres), réduisant ainsi l'impact des conditions locales sur le processus de positionnement global.

Cela ne signifie pas pour autant que la technologie RTK est infaillible. La forte dépendance des systèmes RTK aux signaux satellites de la station de base et du rover les rend vulnérables aux erreurs de positionnement, en particulier dans les zones où la couverture de la station de base est insuffisante ou en présence d'obstacles tels que des arbres. En outre, la configuration et le fonctionnement des systèmes RTK peuvent être assez complexes, nécessitant des connaissances et des compétences spécialisées en matière de configuration et de maintenance, ce qui peut entraver l'adoption généralisée de cette technologie.

Néanmoins, cette technologie reste la méthode de positionnement la plus utilisée pour les tondeuses à gazon robotisées, tandis que les entreprises technologiques continuent d’explorer d’autres options d’optimisation, telles que les méthodes suivantes.

1.2 VSLAM

En tant qu'autre technologie de positionnement largement utilisée, le VSLAM (Visual Simultaneous Localization and Mapping) est de plus en plus exploré par de nombreuses entreprises technologiques en raison de son faible coût et de son adaptabilité rapide aux changements environnementaux.

VSLAM est une technique qui utilise des informations visuelles pour la localisation environnementale et la construction de cartes. Elle intègre la vision par ordinateur, la robotique et les données des capteurs, permettant de construire une carte en temps réel tout en déterminant avec précision sa position dans des environnements inconnus. En règle générale, VSLAM utilise différents types de caméras (monoculaires, stéréo ou RGB-D) pour capturer des données d'image de l'environnement, en extrayant des caractéristiques clés comme les coins et les bords de ces images. Il utilise des algorithmes de traitement d'image, tels que SIFT et ORB, pour faire correspondre ces caractéristiques et calcule ensuite la pose du robot (sa position et son orientation dans l'espace), ce qui lui permet de construire progressivement une carte environnementale 2D ou 3D.

Cela peut paraître compliqué, mais l'idée de base est simple : le robot utilise ses caméras pour observer l'environnement tout en se déplaçant. Au fur et à mesure de ses déplacements, il collecte des données visuelles pour créer une carte précise en temps réel de son environnement. Cette cartographie permet au robot de prendre des décisions éclairées sur ses prochaines actions en fonction de la configuration de l'environnement. Cette technologie se retrouve dans divers robots mobiles, notamment les drones, les aspirateurs robotisés et les véhicules autonomes.

Cependant, le VSLAM a ses inconvénients. La technologie nécessite une puissance de calcul importante pour le traitement en temps réel de grands ensembles de données d'images, ce qui exige des algorithmes efficaces et un support matériel solide. Contrairement à la technologie RTK, le VSLAM est également vulnérable aux facteurs environnementaux tels que les changements d'éclairage, les couleurs et le paysage. La pluie, la neige et la poussière peuvent entraîner des inexactitudes dans la création de cartes, ce qui peut gêner la navigation du robot. De plus, comme il dépend uniquement des caméras montées, sa portée opérationnelle est quelque peu limitée.

1.3. Lidar Slam

Lidar SLAM est une méthode de localisation et de cartographie en temps réel qui utilise la technologie radar laser. Elle peut produire des cartes 2D ou 3D en temps réel, généralement représentées sous forme de nuages ​​de points tridimensionnels ou de modèles de maillage. Vous avez peut-être remarqué que cette méthode est similaire à VSLAM, car les deux impliquent une cartographie environnementale. Cependant, contrairement à VSLAM, où le robot utilise des caméras pour capturer l'environnement environnant, Lidar SLAM fonctionne sur la base d'un capteur Lidar monté sur le robot. Les capteurs Lidar mesurent les distances en émettant des impulsions laser et en recevant les signaux réfléchis, générant ainsi des données de nuages ​​de points de haute précision de l'environnement.

Lorsque le robot se déplace dans son environnement, il capture en continu des données de nuage de points à partir de chaque scan pour créer une carte de l'environnement actuel, aidant ainsi le robot à obtenir une meilleure localisation.

Par rapport au VSLAM, le Lidar SLAM fournit des données environnementales à plus haute résolution, en particulier dans des environnements complexes tels que les rues urbaines et les environnements intérieurs, où il atteint une plus grande précision que les capteurs de caméra utilisés dans le VSLAM. De plus, comme le Lidar utilise des lasers pour la mesure de distance, il reste insensible aux conditions d'éclairage et fonctionne de manière fiable dans les environnements sombres comme extrêmement lumineux. En résumé, le Lidar SLAM excelle dans les capacités de localisation et démontre une forte résistance aux interférences environnementales.

Quels sont donc les inconvénients ? Tout dépend principalement du coût. Les grandes quantités de données du capteur Lidar nécessitent une puissance de traitement et des ressources importantes, ce qui peut compliquer le développement logiciel et augmenter les coûts. En comparaison, le VSLAM s’appuie généralement sur des algorithmes visuels établis, et l’abondance des capteurs visuels offre de nombreux choix de logiciels open source. De ce fait, un système SLAM Lidar, comprenant le capteur Lidar, les unités de calcul et le logiciel, peut être plusieurs fois plus cher qu’une configuration VSLAM. Par conséquent, le VSLAM est généralement plus accessible pour les fabricants et les utilisateurs quotidiens.

1.4. UWB

Le positionnement UWB (Ultra-Wideband) est une technologie qui utilise des signaux à fréquence ultra-large pour le positionnement relatif et la mesure de distance. Il est principalement utilisé dans les scénarios de positionnement en intérieur, permettant d'atteindre une précision de positionnement inférieure au mètre ou au centimètre. L'UWB a de fortes capacités de pénétration, traversant efficacement les murs et autres obstacles tout en maintenant de bonnes performances dans des environnements intérieurs complexes, tels que le suivi des actifs, la localisation du personnel et la navigation. Une caractéristique particulièrement notable de l'UWB est sa capacité à prendre en charge le positionnement et la communication de plusieurs appareils simultanément. Grâce à ces avantages, l'UWB a également commencé à être utilisé dans les tondeuses robotisées d'extérieur.

Cependant, sa portée de communication efficace est généralement assez courte, généralement entre quelques dizaines et une centaine de mètres. Cette limitation peut nécessiter le déploiement de stations de base ou d'équipements relais supplémentaires pour les grandes surfaces de pelouse, ce qui peut être restrictif. De plus, le positionnement UWB nécessite le déploiement de plusieurs stations de base ou dispositifs d'ancrage dans la zone surveillée pour obtenir un positionnement précis, ce qui ajoute de la complexité et du coût à la configuration et à la maintenance. En résumé, bien qu'il puisse être efficace à l'intérieur, il présente de nombreuses limites lorsqu'il est utilisé à l'extérieur.

À ce stade, vous vous sentez peut-être un peu confus : il semble qu’aucune de ces solutions ne soit vraiment fiable ?

2. Existe-t-il une solution technologique de positionnement optimale pour les tondeuses à gazon robotisées ?

En analysant les avantages et les inconvénients des différentes technologies de positionnement populaires mentionnées ci-dessus, il est clair que chaque technologie a ses inconvénients. Par conséquent, certaines entreprises de robots de tonte de pelouse choisissent de combiner plusieurs technologies pour obtenir la meilleure solution. Parmi les options évoquées, la technologie RTK joue sans aucun doute un rôle central en raison de ses avantages les plus significatifs et de ses moindres inconvénients. Nous devons simplement nous appuyer sur cette base et intégrer d'autres technologies pour maximiser les capacités de positionnement des tondeuses robotisées.

2.1. RTK + UWB ? Pas optimal

Tout d'abord, examinons si la combinaison RTK et UWB peut résoudre les problèmes. Avec RTK, tant que les problèmes de couverture des stations de base pour la réception des signaux GNSS et d'interférence des signaux sont résolus, les capacités de positionnement de RTK ne devraient pas être mises en doute. Le problème des stations de base est gérable ; tant qu'il y a suffisamment de satellites GNSS disponibles dans la zone, nous pouvons définir un nombre suffisant de stations de base en fonction des besoins de la tondeuse à gazon pour résoudre les problèmes potentiels de couverture du signal sur de grandes superficies de pelouse. Mais l'UWB peut-il gérer le problème des interférences de signal ? C'est un peu incertain.

Deuxièmement, le positionnement UWB nécessite le déploiement de plusieurs stations de base ou points d'ancrage dans la zone d'opération pour obtenir un positionnement précis. Cela peut impliquer des coûts d'installation élevés et du temps dans de grandes zones de pelouse ou des environnements complexes, ce qui explique pourquoi il est plus adapté au positionnement en intérieur. Deuxièmement, bien que les signaux UWB aient un certain degré de capacité de pénétration, ils peuvent toujours être obstrués ou atténués dans certaines situations (comme une végétation dense ou des bâtiments), ce qui affecte les performances de positionnement.

2.2. RTK + Laser ? Trop cher

Que se passe-t-il lorsque la technologie de positionnement RTK est combinée à la technologie de positionnement laser ? D'après les discussions précédentes, nous savons que le positionnement RTK offre une précision centimétrique. Les technologies matures comme le Lidar SLAM ont également une excellente précision et une excellente résistance aux interférences, ce qui signifie que leur combinaison pourrait potentiellement atteindre une précision de positionnement où 1 + 1 > 2. Cependant, les coûts techniques et de maintenance associés à de tels résultats sont prohibitifs, ce qui les rend presque impossibles à payer pour le consommateur moyen. Nous devrons donc attendre pour le moment.

2.3. RTK + VSLAM ? Oui !

La combinaison de RTK et de VSLAM peut-elle donc créer un système de positionnement par fusion visuelle qui résout finalement le problème ? D'un point de vue technique, VSLAM résout les inévitables interférences de signal de RTK causées par les obstacles sur le chemin du robot, car il peut continuellement construire une carte pour aider la machine à éviter les obstacles, réduisant ainsi les interférences de signal. Du point de vue des coûts, VSLAM utilise des algorithmes visuels matures qui ont été largement adoptés dans divers secteurs, réduisant considérablement les coûts. Par conséquent, les deux problèmes sont résolus ! Parallèlement, RTK peut atténuer efficacement les lacunes de la technologie VSLAM, en protégeant contre les interférences environnementales potentielles causées par la pluie, la neige ou la poussière, maximisant ainsi les résultats de positionnement obtenus par leur combinaison.

Nous pouvons prendre comme exemple l’EFLS 2.0 utilisé dans la tondeuse robotisée Navimow pour examiner spécifiquement l’application de cette technologie.

L'EFLS, ou Exact Fusion Locating System, nécessite un minimum de 10 satellites pour un fonctionnement stable. Il combine le positionnement par satellite avec les signaux de plusieurs capteurs pour calculer le positionnement en temps réel de la tondeuse robot, avec une précision centimétrique. Les signaux satellites de l'EFLS proviennent du positionnement RTK, la tondeuse robot Navimow et une antenne recevant ces signaux. La station de charge facilite le transfert des signaux de l'antenne à la tondeuse, permettant des calculs synchrones qui réduisent les erreurs de positionnement.

Cependant, les signaux satellites peuvent être obstrués par des conditions météorologiques défavorables, comme la pluie ou la neige. Pour maintenir un positionnement précis dans de telles situations, des repères visuels sont intégrés au système. Dans les zones à faible couverture satellite, la caméra intervient pour fournir au robot un positionnement plus fiable. Le processus de cartographie visuelle comprend trois étapes clés :

Étape 1 : Collecte de données visuelles

Lors de sa cartographie initiale et du premier cycle de tonte complet, la tondeuse collecte des données visuelles.

Étape 2 : Optimisation de la carte visuelle Au retour à la station de charge, la tondeuse optimise automatiquement la carte visuelle. Cette optimisation prend plusieurs heures et s'interrompt si la tondeuse quitte la station.

Étape 3 : Localisation visuelle

Lorsque les signaux RTK sont faibles pendant les opérations de tonte, la tondeuse robot compare les caractéristiques visuelles en temps réel aux données de la carte visuelle pour calculer son emplacement, garantissant ainsi une tonte ininterrompue.

De plus, grâce à Visionfence, le robot peut réagir rapidement aux obstacles devant lui dans un court laps de temps, garantissant ainsi un processus de tonte efficace.

Profitons maintenant de l'efficacité améliorée et de l'expérience exceptionnelle d'entretien de la pelouse apportée par la combinaison des deux technologies RTK dans la tondeuse à gazon robotisée Navimow.