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

Képzeld el: hazafelé tartva a munkából, a okostelefonod váratlanul meghibásodik navigációs eszközként. Még mindig haza tudsz jutni? A GNSS (Globális Navigációs Műholdas Rendszer) technológia talán szerénynek tűnik, de elengedhetetlen a helymeghatározásunkhoz, navigáláshoz és a környezetünk felfedezéséhez. Pontossága és kényelme beépült a mindennapi életünkbe.

Ebből inspirálódva az RTK (Valós Idejű Kinematika), amely a GNSS műholdas jeleit használja elsődleges pozicionálási adatforrásként, széles körben elterjedt a robotfűnyírók körében. Ez a technológia lehetővé teszi, hogy ezek a fűnyírók centiméteres pontosságot érjenek el, átalakítva a fűgondozási folyamatot. Azonban vajon a mai RTK pozicionáló rendszerek olyan "okosak" lehetnek, mint a okostelefonokban használt GNSS technológia? Hatékonyan segíthetnek a robotfűnyíróknak pontosan meghatározni a helyüket és hatékonyabbá tenni a fűkarbantartást? Nézzük meg közelebbről.

1. Milyen hatékony pozicionáló technológiák állnak rendelkezésre a robotfűnyírók számára?

1.1 RTK Pozicionáló Technológia

Az RTK, vagyis a Valós Idejű Kinematika, egy hordozófázisú differenciális helymeghatározási technológia, amely centiméteres szintű pontosságot képes elérni, ezzel megkülönböztetve magát más helymeghatározó rendszerektől. Az RTK valós idejű centiméteres szintű helymeghatározási pontosságának elérésének oka három fő tényezőben rejlik:

1.1.1 A távolság információjaként hordozófázis-méréseket használ, ami jelentősen javítja a pontosságot 2-3 nagyságrenddel a hagyományos pseudotávolság-mérésekhez képest.

1.1.2 A közeli bázisállomások adataival végzett differenciális számítások révén különböző szisztematikus hibák hatékonyan kiküszöbölhetők.

1.1.3 Bár a hordozófázis-mérések rendkívül pontosak, a kezdeti fázis bizonytalansága "egész számú ambiguitás" problémához vezethet, ami azt jelenti, hogy nem tudjuk, hány teljes ciklus van a hordozó hullámban a jelátvitel során. Azonban az RTK algoritmus pontosan meg tudja határozni a teljes ciklusok számát, lehetővé téve a centiméteres szintű pozicionálási pontosság elérését.

Összefoglalva, az RTK hordozófázisú differenciális pozicionálás a nagy pontosságú hordozófázis megfigyeléseket, differenciális korrekciókat, egész számú ambiguitás feloldást és a multipath hatások elnyomását kombinálja, lehetővé téve a centiméteres szintű nagy pontosságú pozicionálást. Például, ha a korábbi pontosság két Cadillac hosszának felelt meg, a jelenlegi pontosság összehasonlítható egy köröm méretével - rendkívül precíz egy hátsó kerthez. Ennek következtében a robotfűnyírók most már pontosan képesek nyírni a kijelölt területeket, hasonlóan a modern robotporszívókhoz.

Ezenkívül a bázisállomás és a rover közötti differenciális jelek valós időben kiszámíthatók a korrekciós információk biztosítása érdekében, és a nagy frekvenciájú adatátvitel (tipikusan 1 Hz és 20 Hz között) lehetővé teszi a gyors frissítéseket a pozicionálásban, ami azt eredményezi, hogy az RTK rendszerek nagyon gyors válaszidővel rendelkeznek, és millisekundumos szintű pontosságot érnek el. Továbbá, a differenciális jelek széles lefedettsége segít hatékonyan korrigálni a multipath hatások és a környezeti zavarok (például épületek és fák) által okozott hibákat, csökkentve a helyi körülmények hatását az általános pozicionálási folyamatra.

Ez azonban nem jelenti azt, hogy az RTK technológia hibátlan. Az RTK rendszerek magas függősége a bázisállomás és a rover műholdas jeleitől sebezhetővé teszi őket a pozicionálási hibákkal szemben, különösen olyan területeken, ahol a bázisállomás lefedettsége elégtelen, vagy amikor akadályok, például fák vannak. Továbbá, az RTK rendszerek beállítása és működtetése meglehetősen bonyolult lehet, speciális tudást és készségeket igényel a konfigurációhoz és karbantartáshoz, ami gátolhatja ennek a technológiának a széleskörű elterjedését.

Mindazonáltal ez a technológia továbbra is a legelterjedtebb pozicionáló módszer a robotfűnyírók számára, miközben a technológiai cégek továbbra is újabb optimalizálási lehetőségeket kutatnak, például a következő módszereket.

1.2  VSLAM

Mint egy másik széles körben használt pozicionáló technológia, a VSLAM (Visual Simultaneous Localization and Mapping) egyre több technológiai cég által kerül felfedezésre alacsony költsége és a környezeti változásokhoz való gyors alkalmazkodásának köszönhetően.

A VSLAM egy olyan technika, amely vizuális információkat használ a környezet lokalizálására és a térkép készítésére. Integrálja a számítógépes látást, a robotikát és az érzékelő adatokat, lehetővé téve a valós idejű térképépítést, miközben pontosan meghatározza a helyzetét ismeretlen környezetekben. Jellemzően a VSLAM különböző típusú kamerákat alkalmaz—mint például monokuláris, sztereó vagy RGB-D kamerák—hogy képadatokat rögzítsen a környezetről, és kulcsfontosságú jellemzőket, mint például sarkokat és éleket, vonjon ki ezekből a képekből. Képalkotási algoritmusokat, mint például SIFT és ORB, használ a jellemzők párosítására, majd kiszámítja a robot pozícióját—helyzetét és tájolását a térben—ami lehetővé teszi számára, hogy fokozatosan elkészítse a 2D vagy 3D környezeti térképet.

Bonyolultnak tűnhet, de a lényeg egyszerű: a robot a kameráit használja a környezet megfigyelésére mozgás közben. Miközben navigál, vizuális adatokat gyűjt, hogy pontos valós idejű térképet készítsen a környezetéről. Ez a térképezés lehetővé teszi a robot számára, hogy megalapozott döntéseket hozzon a következő lépéseiről a környezet elrendezése alapján. Ez a technológia különböző mobil robotokban megtalálható, beleértve a drónokat, robotporszívókat és autonóm járműveket.

A VSLAM-nak azonban megvannak a hátrányai. A technológia jelentős számítási teljesítményt igényel a nagy képadatbázisok valós idejű feldolgozásához, hatékony algoritmusokat és erős hardvert követelve. A RTK technológiával ellentétben a VSLAM érzékeny a környezeti tényezőkre, mint például a világítási változások, színek és táj. Az eső, hó és por pontatlanságokat okozhat a térképépítés során, ami akadályozhatja a robot navigációját. Ezenkívül, mivel kizárólag a felszerelt kamerákra támaszkodik, működési hatótávolsága némileg korlátozott.

1.3. Lidar Slam

A Lidar SLAM egy valós idejű lokalizációs és térképezési módszer, amely lézeres radar technológiát használ. Képes valós idejű 2D vagy 3D térképeket készíteni, amelyeket jellemzően háromdimenziós pontfelhőkként vagy hálómodelleként ábrázolnak. Talán észrevette, hogy ez a módszer hasonlít a VSLAM-hoz, mivel mindkettő környezeti térképezést végez. Azonban a VSLAM-mal ellentétben, ahol a robot kamerákat használ a környező környezet rögzítésére, a Lidar SLAM egy robotra szerelt Lidar érzékelő alapján működik. A Lidar érzékelők távolságokat mérnek lézerimpulzusok kibocsátásával és a visszaverődő jelek fogadásával, így nagy pontosságú pontfelhő adatokat generálnak a környezetről.

Ahogy a robot mozog a környezetében, folyamatosan rögzíti a pontfelhő adatokat minden egyes szkennelés során, hogy térképet készítsen a jelenlegi környezetről, ezzel segítve a robotot a jobb lokalizáció elérésében.

A VSLAM-hoz képest a Lidar SLAM magasabb felbontású környezeti adatokat szolgáltat, különösen összetett környezetekben, mint például városi utcák és beltéri környezetek, ahol nagyobb pontosságot ér el, mint a VSLAM-ban használt kamerás érzékelők. Továbbá, mivel a Lidar lézereket használ a távolságméréshez, nem befolyásolják a világítási körülmények, megbízhatóan működik gyenge és rendkívül fényes környezetben is. Összefoglalva, a Lidar SLAM kiemelkedő a lokalizációs képességeiben és erős ellenállást mutat a környezeti zavarokkal szemben.

Nos, mik a hátrányok? Nos, ez főként a költségekre vezethető vissza. A Lidar érzékelőből származó nagy mennyiségű adat jelentős feldolgozási teljesítményt és erőforrásokat igényel, ami bonyolíthatja a szoftverfejlesztést és növelheti a költségeket. Ezzel szemben a VSLAM általában bevált vizuális algoritmusokra támaszkodik, és a vizuális érzékelők bősége számos nyílt forráskódú szoftverválasztékot kínál. Emiatt egy Lidar SLAM rendszer—beleértve a Lidar érzékelőt, a számítástechnikai egységeket és a szoftvert—többszörösen, sőt sokszor drágább lehet, mint egy VSLAM rendszer. Ezért a VSLAM általában hozzáférhetőbb a gyártók és a hétköznapi felhasználók számára.

1.4. UWB

Az UWB (Ultra-Wideband) pozicionálás egy olyan technológia, amely ultra-széles frekvenciájú jeleket használ relatív pozicionálásra és távolságmérésre. Főként beltéri pozicionálási forgatókönyvekben alkalmazzák, elérve a szubméteres vagy centiméteres szintű pozicionálási pontosságot. Az UWB erős behatolási képességekkel rendelkezik, hatékonyan áthatol a falakon és egyéb akadályokon, miközben jó teljesítményt nyújt összetett beltéri környezetekben, mint például eszközök nyomon követése, személyzet lokalizálása és navigáció. Az UWB különösen figyelemre méltó jellemzője, hogy képes több eszköz pozicionálását és kommunikációját egyidejűleg támogatni. Ezeknek az előnyöknek köszönhetően az UWB-t már kültéri robotfűnyírókban is kezdték alkalmazni.

Azonban a hatékony kommunikációs távolsága általában meglehetősen rövid, általában tíz és száz méter között van. Ez a korlátozás további bázisállomások vagy relé berendezések telepítését igényelheti nagyobb gyepterületekhez, ami korlátozó lehet. Ezenkívül az UWB pozicionálás megköveteli, hogy több bázisállomást vagy horgonyberendezést telepítsenek a megfigyelt területen a pontos pozicionálás eléréséhez, ami bonyolítja és költségesebbé teszi a beállítást és karbantartást. Összefoglalva, míg beltéren hatékony lehet, számos korlátozás van, amikor kültéren használják.

Ezen a ponton lehet, hogy kicsit zavarodottnak érzi magát: úgy tűnik, hogy egyik megoldás sem igazán megbízható?

2. Van-e optimális pozicionáló technológiai megoldás robotfűnyírók számára?

A fent említett különböző népszerű pozicionáló technológiák előnyeinek és hátrányainak elemzése alapján világossá válik, hogy mindegyik technológiának megvannak a maga hátrányai. Ennek eredményeként néhány fűnyíró robotikai cég úgy dönt, hogy több technológiát kombinál a legjobb megoldás elérése érdekében. A megvitatott lehetőségek közül az RTK technológia kétségtelenül központi szerepet játszik a legnagyobb előnyei és legkisebb hátrányai miatt. Egyszerűen erre az alapra kell építenünk, és más technológiákat kell beépítenünk a robotfűnyírók pozicionálási képességeinek maximalizálása érdekében.

2.1. RTK + UWB? Nem optimális

Először is, nézzük meg, hogy a RTK és az UWB kombinálása megoldhatja-e a problémákat. A RTK esetében, amennyiben a bázisállomás lefedettségének problémáit a GNSS jelek fogadásához és a jelzavarás kezelését megoldják, a RTK pozicionálási képességei nem lehetnek kétségesek. A bázisállomás problémája kezelhető; amíg elegendő GNSS műhold áll rendelkezésre a területen, elegendő számú bázisállomást állíthatunk fel a fűnyíró igényei alapján, hogy kezeljük a potenciális jel lefedettségi problémákat nagy területeken. De vajon az UWB képes kezelni a jelzavarás problémáját? Ez egy kicsit bizonytalan.

Másodszor, az UWB helymeghatározás több bázisállomás vagy horgonypont telepítését igényli a működési területen a pontos helymeghatározás eléréséhez. Ez magas beállítási költségeket és időt igényelhet nagy gyepterületeken vagy összetett környezetekben, ami magyarázza, miért alkalmasabb a beltéri helymeghatározásra. Másodszor, bár az UWB jeleknek van egy bizonyos fokú behatolási képességük, bizonyos helyzetekben (például sűrű növényzet vagy épületek esetén) mégis akadályozhatják vagy csökkenthetik őket, ami befolyásolja a helymeghatározás teljesítményét.

2.2.  RTK + Lézer? Túl drága

Mi történik, amikor az RTK helymeghatározási technológiát ötvözik a lézeres helymeghatározási technológiával? Korábbi megbeszélésekből tudjuk, hogy az RTK helymeghatározás centiméteres szintű pontosságot kínál. Az érett technológiák, mint a Lidar SLAM, szintén kiváló precizitással és interferenciával szembeni ellenállással rendelkeznek, ami azt jelenti, hogy kombinációjuk potenciálisan olyan helymeghatározási pontosságot érhet el, ahol 1 + 1 > 2. Azonban az ilyen eredményekkel járó technikai és karbantartási költségek rendkívül magasak, ami szinte lehetetlenné teszi, hogy az átlagfogyasztó megfizesse. Így most egyelőre várnunk kell.

2.3.  RTK + VSLAM? Yes!

Tehát, a RTK és a VSLAM kombinálása létrehozhat egy vizuális fúziós pozicionáló rendszert, amely végül megoldja a problémát? Technikai szempontból a VSLAM kezeli a RTK elkerülhetetlen jelzavarait, amelyeket az akadályok okoznak a robot útjában, mivel folyamatosan képes térképet építeni, hogy segítse a gépet az akadályok elkerülésében, ezáltal csökkentve a jelzavart. Költség szempontjából a VSLAM érett vizuális algoritmusokat használ, amelyeket széles körben alkalmaztak különböző szektorokban, jelentősen csökkentve a költségeket. Ezért mindkét probléma megoldódik! Eközben a RTK hatékonyan mérsékelheti a VSLAM technológia hátrányait, védve a potenciális környezeti zavaroktól, amelyeket eső, hó vagy por okozhat, így maximalizálva a kombinációjuk által elért pozicionálási eredményeket.

Használhatjuk az EFLS 2.0-t a Navimow robotfűnyíró példaként, hogy kifejezetten megvizsgáljuk ennek a technológiának az alkalmazását.

Az EFLS, vagyis a Pontos Fúziós Helymeghatározó Rendszer, legalább 10 műholdat igényel a stabil működéshez. Ötvözi a műholdas helymeghatározást több érzékelő jelével, hogy kiszámítsa a robotfűnyíró valós idejű helyzetét, centiméteres szintű pontosságot elérve. Az EFLS műholdas jelei RTK helymeghatározásból származnak, a Navimow robotfűnyíró és egy antenna is fogadja ezeket a jeleket. A töltőállomás lehetővé teszi a jelek átvitelét az antennából a fűnyíróhoz, lehetővé téve a szinkronizált számításokat, amelyek csökkentik a helymeghatározási hibákat.

Azonban a műholdas jeleket akadályozhatják kedvezőtlen időjárási körülmények, például eső vagy hó esetén. Az ilyen helyzetekben a pontos helymeghatározás fenntartása érdekében vizuális tájékozódási pontokat integrálnak a rendszerbe. Gyenge műholdas lefedettségű területeken a kamera lép közbe, hogy megbízhatóbb helymeghatározást biztosítson a robot számára. A vizuális térképezési folyamat három kulcsfontosságú lépésből áll:

1. lépés: Vizuális adatgyűjtés

A kezdeti térképezés és az első teljes fűnyírási ciklus során a fűnyíró vizuális adatokat gyűjt.

2. lépés: Vizuális térkép optimalizálásA fűnyíró automatikusan optimalizálja a vizuális térképet, amikor visszatér a töltőállomásra. Ez az optimalizálás több órát vesz igénybe, és megáll, ha a fűnyíró elhagyja az állomást.

3. lépés: Vizuális lokalizáció

Amikor az RTK jelek gyengék a fűnyírási műveletek során, a robotfűnyíró valós idejű vizuális jellemzőket hasonlít össze a vizuális térképadatokkal, hogy kiszámolja a helyzetét, biztosítva a megszakítás nélküli fűnyírást.

Továbbá, a Visionfence segítségével a robot gyorsan reagálhat az előtte lévő akadályokra rövid időn belül, biztosítva a hatékony fűnyírási folyamatot.

Most élvezzük a Navimow robotfűnyíróban mindkét RTK technológia kombinációja által nyújtott fokozott hatékonyságot és kivételes gyepkarbantartási élményt.