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

Immagina questo: mentre torni a casa dal lavoro, il tuo smartphone smette improvvisamente di funzionare come dispositivo di navigazione. Riuscirai ancora a tornare a casa? La tecnologia GNSS (Global Navigation Satellite System) può sembrare modesta, ma è essenziale per orientarci, navigare ed esplorare i nostri dintorni. La sua precisione e comodità sono radicate nella nostra vita quotidiana.

Ispirato a questo, RTK (Real-Time Kinematic), che si basa sui segnali satellitari GNSS come sua principale fonte di dati di posizionamento, è diventato ampiamente adottato nei robot tosaerba. Questa tecnologia consente a questi tosaerba di raggiungere una precisione a livello di centimetro, trasformando il processo di cura del prato. Tuttavia, i sistemi di posizionamento RTK di oggi possono essere "intelligenti" come la tecnologia GNSS utilizzata negli smartphone? Possono aiutare efficacemente i tosaerba robotizzati a localizzare con precisione le loro posizioni e rendere la manutenzione del prato più efficiente? Diamo un'occhiata più da vicino.

1. Quali tecnologie di posizionamento efficaci sono disponibili per i robot tosaerba?

1.1 Tecnologia di Posizionamento RTK

RTK, o Kinematica in Tempo Reale, è una tecnologia di posizionamento differenziale a fase portante che può raggiungere un'accuratezza a livello di centimetro, distinguendosi da altri sistemi di posizionamento. Il motivo per cui RTK può raggiungere un'accuratezza di posizionamento a livello di centimetro in tempo reale risiede in tre fattori principali:

1.1.1 Utilizza misurazioni della fase portante come informazioni sulla distanza, il che migliora significativamente l'accuratezza di 2-3 ordini di grandezza rispetto alle tradizionali misurazioni della pseudodistanza.

1.1.2 Eseguendo calcoli differenziali con dati provenienti da stazioni base vicine, vari errori sistematici possono essere efficacemente eliminati.

1.1.3 Sebbene le misurazioni della fase del portante siano altamente accurate, l'incertezza della fase iniziale può portare al problema dell'"ambiguità intera", il che significa non sapere quanti cicli completi dell'onda portante sono inclusi durante la trasmissione del segnale. Tuttavia, l'algoritmo RTK può determinare con precisione il numero di cicli completi, consentendogli di raggiungere un'accuratezza di posizionamento a livello di centimetro.

In sintesi, il posizionamento differenziale a fase portante RTK combina osservazioni a fase portante ad alta precisione, correzioni differenziali, risoluzione dell'ambiguità intera e soppressione degli effetti di multipath per consentire un posizionamento ad alta precisione a livello di centimetro. Per illustrare, se la precedente precisione era pari alla lunghezza di due Cadillac, l'attuale precisione è comparabile alla dimensione di un'unghia—eccezionalmente precisa per un cortile. Di conseguenza, i tosaerba robotizzati possono ora rifinire con precisione le aree designate, simile ai moderni aspirapolvere robotizzati.

Inoltre, i segnali differenziali tra la stazione base e il rover possono essere calcolati in tempo reale per fornire informazioni di correzione, e la trasmissione di dati ad alta frequenza (tipicamente tra 1 Hz e 20 Hz) consente aggiornamenti rapidi della posizione, portando i sistemi RTK ad avere un tempo di risposta molto veloce e a raggiungere un'accuratezza a livello di millisecondi. Inoltre, la vasta copertura dei segnali differenziali aiuta a correggere efficacemente gli errori causati da effetti di multipath e interferenze ambientali (come edifici e alberi), riducendo l'impatto delle condizioni locali sul processo di posizionamento complessivo.

Tuttavia, ciò non significa che la tecnologia RTK sia infallibile. L'alta dipendenza dei sistemi RTK dai segnali satellitari della stazione base e del rover li rende vulnerabili a errori di posizionamento, specialmente in aree con copertura insufficiente della stazione base o quando ci sono ostacoli come alberi. Inoltre, l'installazione e il funzionamento dei sistemi RTK possono essere piuttosto complessi, richiedendo conoscenze e competenze specializzate per la configurazione e la manutenzione, il che può ostacolare l'adozione diffusa di questa tecnologia.

Tuttavia, questa tecnologia rimane il metodo di posizionamento più ampiamente utilizzato per i robot tosaerba, mentre le aziende tecnologiche continuano a esplorare ulteriori opzioni di ottimizzazione, come i seguenti metodi.

1.2 VSLAM

Come un'altra tecnologia di posizionamento ampiamente utilizzata, VSLAM (Localizzazione e Mappatura Visiva Simultanea) è sempre più esplorata da molte aziende tecnologiche grazie al suo basso costo e alla rapida adattabilità ai cambiamenti ambientali.

VSLAM è una tecnica che utilizza informazioni visive per la localizzazione ambientale e la costruzione di mappe. Integra visione artificiale, robotica e dati dei sensori, consentendo la costruzione di mappe in tempo reale mentre determina con precisione la propria posizione in ambienti sconosciuti. Tipicamente, VSLAM impiega vari tipi di telecamere—come telecamere monoculari, stereo o RGB-D—per catturare dati immagine dall'ambiente circostante, estraendo caratteristiche chiave come angoli e bordi da queste immagini. Utilizza algoritmi di elaborazione delle immagini, come SIFT e ORB, per abbinare queste caratteristiche e successivamente calcola la posa del robot—la sua posizione e orientamento nello spazio—consentendogli di costruire gradualmente una mappa ambientale 2D o 3D.

Può sembrare complesso, ma l'idea principale è semplice: il robot utilizza le sue telecamere per osservare l'ambiente mentre si muove. Mentre naviga, raccoglie dati visivi per creare una mappa accurata in tempo reale dei suoi dintorni. Questa mappatura consente al robot di prendere decisioni informate sulle sue prossime azioni in base alla disposizione dell'ambiente. Questa tecnologia può essere trovata in vari robot mobili, inclusi droni, aspirapolvere robotici e veicoli autonomi.

Tuttavia, VSLAM ha i suoi svantaggi. La tecnologia richiede una notevole potenza di calcolo per l'elaborazione in tempo reale di grandi set di dati di immagini, richiedendo algoritmi efficienti e un forte supporto hardware. A differenza della tecnologia RTK, VSLAM è anche vulnerabile a fattori ambientali come cambiamenti di illuminazione, colori e paesaggi. La pioggia, la neve e la polvere possono causare imprecisioni nella costruzione della mappa, il che può ostacolare la navigazione del robot. Inoltre, poiché dipende esclusivamente dalle telecamere montate, il suo raggio d'azione è piuttosto limitato.

1.3. Lidar Slam

Lidar SLAM è un metodo di localizzazione e mappatura in tempo reale che utilizza la tecnologia del radar laser. Può produrre mappe 2D o 3D in tempo reale, tipicamente rappresentate come nuvole di punti tridimensionali o modelli a rete. Potresti aver notato che questo metodo è simile al VSLAM, poiché entrambi comportano la mappatura ambientale. Tuttavia, a differenza del VSLAM, dove il robot utilizza telecamere per catturare l'ambiente circostante, Lidar SLAM opera sulla base di un sensore Lidar montato sul robot. I sensori Lidar misurano le distanze emettendo impulsi laser e ricevendo i segnali riflessi, generando dati di nuvole di punti ad alta precisione dell'ambiente.

Mentre il robot si muove attraverso il suo ambiente, cattura continuamente dati di nuvole di punti da ogni scansione per creare una mappa dell'ambiente attuale, assistendo così il robot nel raggiungere una migliore localizzazione.

Rispetto al VSLAM, Lidar SLAM fornisce dati ambientali ad alta risoluzione, specialmente in contesti complessi come le strade cittadine e gli ambienti interni, dove raggiunge una maggiore precisione rispetto ai sensori della fotocamera utilizzati nel VSLAM. Inoltre, poiché Lidar utilizza laser per la misurazione della distanza, rimane immune alle condizioni di illuminazione, funzionando in modo affidabile sia in ambienti poco illuminati che in quelli estremamente luminosi. In sintesi, Lidar SLAM eccelle nelle capacità di localizzazione e dimostra una forte resistenza alle interferenze ambientali.

Quindi, quali sono gli svantaggi? Bene, si riducono principalmente a costi. Le grandi quantità di dati provenienti dal sensore Lidar richiedono una notevole potenza di elaborazione e risorse, il che può complicare lo sviluppo software e aumentare i costi. In confronto, il VSLAM si basa tipicamente su algoritmi visivi consolidati, e l'abbondanza di sensori visivi offre molte opzioni di software open-source. Per questo motivo, un sistema Lidar SLAM—compreso il sensore Lidar, le unità di calcolo e il software—può essere diverse volte o molte volte più costoso di un setup VSLAM. Pertanto, il VSLAM è solitamente più accessibile per i produttori e gli utenti quotidiani.

1.4. UWB

Il posizionamento UWB (Ultra-Wideband) è una tecnologia che utilizza segnali a frequenza ultra-larga per il posizionamento relativo e la misurazione della distanza. È principalmente applicata in scenari di posizionamento indoor, raggiungendo un'accuratezza di posizionamento a livello sub-metro o centimetro. L'UWB ha forti capacità di penetrazione, passando efficacemente attraverso muri e altri ostacoli mantenendo buone prestazioni in ambienti indoor complessi, come il tracciamento degli asset, la localizzazione del personale e la navigazione. Una caratteristica particolarmente notevole dell'UWB è la sua capacità di supportare il posizionamento e la comunicazione di più dispositivi simultaneamente. Grazie a questi vantaggi, l'UWB ha iniziato a essere utilizzato anche nei robot tosaerba per esterni.

Tuttavia, la sua portata di comunicazione efficace è tipicamente piuttosto breve, solitamente tra decine e un centinaio di metri. Questa limitazione potrebbe richiedere l'installazione di stazioni base aggiuntive o attrezzature di ripetizione per aree di prato più grandi, il che potrebbe essere restrittivo. Inoltre, il posizionamento UWB richiede l'installazione di più stazioni base o dispositivi di ancoraggio all'interno dell'area monitorata per ottenere un posizionamento accurato, aggiungendo complessità e costi all'installazione e alla manutenzione. In sintesi, mentre può essere efficace al chiuso, ci sono numerose limitazioni quando viene utilizzato all'aperto.

A questo punto, potresti sentirti un po' confuso: sembra che nessuna di queste soluzioni sia davvero affidabile?

2. Esiste una soluzione tecnologica di posizionamento ottimale per i robot tosaerba?

Attraverso l'analisi dei vantaggi e degli svantaggi delle varie tecnologie di posizionamento popolari menzionate sopra, è chiaro che ogni tecnologia ha i suoi svantaggi. Di conseguenza, alcune aziende di robotica per la falciatura dei prati scelgono di combinare più tecnologie per ottenere la migliore soluzione. Tra le opzioni discusse, la tecnologia RTK gioca senza dubbio un ruolo centrale grazie ai suoi vantaggi più significativi e ai minori svantaggi. Dobbiamo semplicemente costruire su questa base e incorporare altre tecnologie per massimizzare le capacità di posizionamento dei robot falciatori.

2.1. RTK + UWB? Non Ottimale

Prima di tutto, consideriamo se combinare RTK e UWB possa risolvere i problemi. Con RTK, finché vengono affrontati i problemi di copertura della stazione base per la ricezione dei segnali GNSS e le interferenze del segnale, le capacità di posizionamento di RTK non dovrebbero essere in dubbio. Il problema della stazione base è gestibile; finché ci sono abbastanza satelliti GNSS disponibili nell'area, possiamo impostare un numero sufficiente di stazioni base in base alle esigenze del tosaerba per affrontare i potenziali problemi di copertura del segnale su ampie aree di erba. Ma può UWB gestire il problema delle interferenze del segnale? Questo è un po' incerto.

In secondo luogo, il posizionamento UWB richiede che più stazioni base o punti di ancoraggio siano installati all'interno dell'area operativa per ottenere un posizionamento accurato. Questo potrebbe comportare alti costi di installazione e tempo in ampie aree verdi o ambienti complessi, spiegando perché sia più adatto per il posizionamento indoor. In secondo luogo, mentre i segnali UWB hanno un certo grado di capacità di penetrazione, possono comunque essere ostacolati o attenuati in determinate situazioni (come vegetazione densa o edifici), influenzando le prestazioni di posizionamento.

2.2. RTK + Laser? Troppo costoso

Cosa succede quando la tecnologia di posizionamento RTK viene combinata con la tecnologia di posizionamento laser? Dalle discussioni precedenti, sappiamo che il posizionamento RTK offre un'accuratezza a livello di centimetro. Tecnologie mature come Lidar SLAM hanno anche un'eccellente precisione e resistenza alle interferenze, il che significa che la loro combinazione potrebbe potenzialmente raggiungere un'accuratezza di posizionamento in cui 1 + 1 > 2. Tuttavia, i costi tecnici e di manutenzione associati a tali risultati sono proibitivamente elevati, rendendo quasi impossibile per il consumatore medio permetterselo. Pertanto, dovremo aspettare per ora.

2.3.  RTK + VSLAM? Sì!

Quindi, combinare RTK e VSLAM può creare un sistema di posizionamento a fusione visiva che risolve infine il problema? Da un punto di vista tecnico, VSLAM affronta l'inevitabile interferenza del segnale di RTK causata da ostacoli nel percorso del robot, poiché può costruire continuamente una mappa per assistere la macchina nell'evitare ostacoli, riducendo così l'interferenza del segnale. Da un punto di vista dei costi, VSLAM utilizza algoritmi visivi maturi che sono stati ampiamente adottati in vari settori, abbattendo significativamente i costi. Pertanto, entrambi i problemi sono risolti! Nel frattempo, RTK può mitigare efficacemente le carenze della tecnologia VSLAM, proteggendo contro potenziali interferenze ambientali causate da pioggia, neve o polvere, massimizzando così i risultati di posizionamento ottenuti dalla loro combinazione.

Possiamo prendere l'EFLS 2.0 usato nel Tagliaerba robot Navimow come esempio per esaminare specificamente l'applicazione di questa tecnologia.

EFLS, o Sistema di Localizzazione a Fusione Esatta, richiede un minimo di 10 satelliti per un funzionamento stabile. Combina il posizionamento satellitare con segnali provenienti da più sensori per calcolare il posizionamento in tempo reale del robot tosaerba, raggiungendo un'accuratezza a livello di centimetro. I segnali satellitari per EFLS provengono dal posizionamento RTK, con sia il robot tosaerba Navimow che un'antenna che ricevono questi segnali. La stazione di ricarica facilita il trasferimento dei segnali dall'antenna al tosaerba, abilitando calcoli sincroni che riducono gli errori di posizionamento.

Tuttavia, i segnali satellitari possono essere ostacolati durante condizioni meteorologiche avverse, come pioggia o neve. Per mantenere una posizione accurata in tali situazioni, i punti di riferimento visivi sono integrati nel sistema. In aree con scarsa copertura satellitare, la fotocamera interviene per fornire al robot una posizione più affidabile. Il processo di mappatura visiva consiste in tre passaggi chiave:

Passo 1: Raccolta Dati Visivi

Durante la sua mappatura iniziale e il primo ciclo di falciatura completo, il tosaerba raccoglie dati visivi.

Passo 2: Ottimizzazione della Mappa Visiva Al ritorno alla stazione di ricarica, il tosaerba ottimizza automaticamente la mappa visiva. Questa ottimizzazione richiede diverse ore e si interromperà se il tosaerba lascia la stazione.

Passo 3: Localizzazione Visiva

Quando i segnali RTK sono deboli durante le operazioni di falciatura, il robot tosaerba confronta le caratteristiche visive in tempo reale con i dati della mappa visiva per calcolare la propria posizione, garantendo una falciatura ininterrotta.

Inoltre, con l'aiuto di Visionfence, il robot può rispondere rapidamente agli ostacoli davanti a sé in breve tempo, garantendo un processo di falciatura efficiente.

Ora, godiamoci l'efficienza migliorata e l'eccezionale esperienza di manutenzione del prato offerta dalla combinazione di entrambe le tecnologie RTK nel tosaerba robotico Navimow.