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 fait que les systèmes RTK ont un temps de réponse très rapide et atteignent une précision au niveau de la milliseconde. En outre, la large couverture des signaux différentiels aide à corriger efficacement les erreurs causées par les effets de multipath et les interférences environnementales (telles que les bâtiments et les arbres), réduisant ainsi l'impact des conditions locales sur l'ensemble du processus de positionnement.

Cependant, cela ne signifie pas 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 avec une couverture insuffisante de la station de base ou lorsqu'il y a des obstructions comme des arbres. De plus, la configuration et le fonctionnement des systèmes RTK peuvent être assez complexes, nécessitant des connaissances et des compétences spécialisées pour la configuration et la maintenance, ce qui peut freiner l'adoption généralisée de cette technologie.

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

1.2  VSLAM

tant qu'une autre technologie de positionnement largement utilisée, le VSLAM (Localisation et Cartographie Simultanées Visuelles) est de plus en plus exploré par de nombreuses entreprises technologiques en raison de son faible coût et de sa rapidité d'adaptation 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 de capteurs, permettant la création de cartes en temps réel tout en déterminant avec précision sa position dans des environnements inconnus. En général, VSLAM utilise différents types de caméras—comme des caméras monoculaires, stéréo ou RGB-D—pour capturer des données d'image de l'environnement, extrayant des caractéristiques clés telles que les coins et les bords de ces images. Elle 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—lui permettant de construire progressivement une carte environnementale en 2D ou en 3D.

Cela peut sembler complexe, mais l'idée principale est simple : le robot utilise ses caméras pour observer l'environnement tout en se déplaçant. En naviguant, 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, y compris les drones, les aspirateurs robots et les véhicules autonomes.

Cependant, le VSLAM a ses inconvénients. La technologie nécessite une puissance de calcul substantielle pour le traitement en temps réel de grands ensembles d'images, exigeant 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 construction de cartes, ce qui peut entraver 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 de 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 maillés. Vous avez peut-être remarqué que cette méthode est similaire à VSLAM, car les deux impliquent la cartographie de l'environnement. 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 des données de nuages de points de haute précision de l'environnement.

Alors que 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 atteindre une meilleure localisation.

Comparé au VSLAM, le Lidar SLAM fournit des données environnementales de haute résolution, en particulier dans des environnements complexes tels que les rues de la ville 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, fonctionnant de manière fiable dans des environnements à faible luminosité et extrêmement lumineux. En résumé, le Lidar SLAM excelle dans les capacités de localisation et démontre une forte résistance aux interférences environnementales.

Alors, quels sont les inconvénients ? Eh bien, cela se résume principalement à des coûts. Les grandes quantités de données provenant du capteur Lidar nécessitent une puissance de traitement et des ressources significatives, ce qui peut compliquer le développement logiciel et faire grimper les coûts. En comparaison, le VSLAM s'appuie généralement sur des algorithmes visuels établis, et l'abondance de capteurs visuels offre de nombreuses options de logiciels open-source. De ce fait, un système SLAM Lidar—y compris le capteur Lidar, les unités de calcul et le logiciel—peut coûter plusieurs fois, voire beaucoup plus, 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 ultra-large bande de fréquence pour le positionnement relatif et la mesure de distance. Elle est principalement appliquée dans des scénarios de positionnement intérieur, atteignant une précision de positionnement au niveau du sous-mètre ou du centimètre. L'UWB possède de fortes capacités de pénétration, passant efficacement à travers les murs et autres obstacles tout en maintenant de bonnes performances dans des environnements intérieurs complexes, tels que le suivi d'actifs, la localisation de 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, se situant habituellement entre quelques dizaines et une centaine de mètres. Cette limitation peut nécessiter le déploiement de stations de base supplémentaires ou d'équipements de relais pour des zones de pelouse plus grandes, ce qui pourrait 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, ajoutant de la complexité et des coûts à la configuration et à la maintenance. En résumé, bien qu'il puisse être efficace à l'intérieur, il existe de nombreuses limitations lorsqu'il est utilisé à l'extérieur.

À ce stade, vous pourriez vous sentir 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 robotiques ?

À travers l'analyse des avantages et des inconvénients des différentes technologies de positionnement populaires mentionnées ci-dessus, il est clair que chaque technologie a ses inconvénients. En conséquence, certaines entreprises de robotique de tonte de gazon choisissent de combiner plusieurs technologies pour obtenir la meilleure solution. Parmi les options discutées, la technologie RTK joue sans aucun doute un rôle central en raison de ses avantages les plus significatifs et de ses inconvénients les moindres. Nous devons simplement nous appuyer sur cette base et incorporer d'autres technologies pour maximiser les capacités de positionnement des tondeuses robotiques.

2.1. RTK + UWB ? Pas optimal

Tout d'abord, considérons si la combinaison de RTK et UWB peut résoudre les problèmes. Avec le RTK, tant que les problèmes de couverture de la station de base pour la réception des signaux GNSS et d'interférence de signal sont résolus, les capacités de positionnement du RTK ne devraient pas être remises en question. Le problème de la station de base est gérable ; tant qu'il y a suffisamment de satellites GNSS disponibles dans la zone, nous pouvons installer un nombre suffisant de stations de base en fonction des besoins de la tondeuse à gazon pour résoudre les problèmes potentiels de couverture de signal sur de grandes surfaces de gazon. Mais l'UWB peut-elle gérer le problème d'interférence 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'exploitation pour obtenir un positionnement précis. Cela pourrait impliquer des coûts et un temps d'installation élevés dans de grandes zones de pelouse ou des environnements complexes, ce qui explique pourquoi il est plus adapté au positionnement intérieur. Deuxièmement, bien que les signaux UWB aient un certain degré de capacité de pénétration, ils peuvent encore être obstrués ou atténués dans certaines situations (comme une végétation dense ou des bâtiments), affectant ainsi les performances de positionnement.

2.2.  RTK + Laser ? Trop cher

Que se passe-t-il lorsque la technologie de positionnement RTK est combinée avec la technologie de positionnement laser ? D'après nos discussions précédentes, nous savons que le positionnement RTK offre une précision au centimètre près. Des technologies matures comme Lidar SLAM ont également une excellente précision et une 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, rendant presque impossible l'accès pour le consommateur moyen. Ainsi, nous devrons attendre pour l'instant.

2.3.  RTK + VSLAM? Yes!

Alors, la combinaison de RTK et VSLAM peut-elle créer un système de positionnement par fusion visuelle qui résout finalement le problème ? D'un point de vue technique, VSLAM aborde l'interférence de signal inévitable de RTK causée par des obstacles sur le chemin du robot, car il peut continuellement construire une carte pour aider la machine à éviter les obstacles, réduisant ainsi l'interférence de signal. D'un point de vue coût, VSLAM utilise des algorithmes visuels matures qui ont été largement adoptés dans divers secteurs, ce qui réduit considérablement les coûts. Par conséquent, les deux problèmes sont résolus ! Pendant ce temps, RTK peut efficacement atténuer les lacunes de la technologie VSLAM, 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 utiliser l'EFLS 2.0 dans le Tondeuse à gazon robotisée Navimow comme exemple 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.