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

Se for deg dette: mens du pendler hjem fra jobb, svikter smarttelefonen din uventet som navigasjonsenhet. Kan du fortsatt finne veien hjem? GNSS (Global Navigation Satellite System) teknologi kan virke beskjeden, men den er essensiell for å lokalisere oss selv, navigere og utforske omgivelsene våre. Dens nøyaktighet og bekvemmelighet er dypt forankret i våre daglige liv.

Inspirert av dette har RTK (Real-Time Kinematic), som er avhengig av GNSS satellittsignaler som sin primære kilde til posisjonsdata, blitt mye brukt i robotgressklippere. Denne teknologien gjør det mulig for disse klipperne å oppnå presisjon på centimeter-nivå, noe som forvandler gresspleieprosessen. Men kan dagens RTK posisjoneringssystemer være like "smarte" som GNSS-teknologien som brukes i smarttelefoner? Kan de effektivt hjelpe robotklippere med å nøyaktig fastslå sine posisjoner og gjøre gressvedlikehold mer effektivt? La oss ta en nærmere titt.

1. Hvilke effektive posisjoneringsteknologier er tilgjengelige for robotgressklippere?

1.1 RTK Posisjoneringsteknologi

RTK, eller Real-Time Kinematics, er en bærerfase differensial posisjoneringsteknologi som kan oppnå centimeter-nivå nøyaktighet, noe som skiller den fra andre posisjoneringssystemer. Grunnen til at RTK kan oppnå sanntids centimeter-nivå posisjoneringsnøyaktighet ligger i tre hovedfaktorer:

1.1.1 Den bruker bærerfase-målinger som avstandsopplysninger, noe som betydelig forbedrer nøyaktigheten med 2 til 3 størrelsesordener sammenlignet med tradisjonelle pseudorangesmålinger.

1.1.2 Ved å utføre differensialberegninger med data fra nærliggende basestasjoner, kan ulike systematiske feil effektivt elimineres.

1.1.3 Selv om bærerfase-målinger er svært nøyaktige, kan usikkerheten i den innledende fasen føre til "heltallsambiguitet"-problemet, som betyr at man ikke vet hvor mange komplette sykluser av bærerbølgen som er inkludert under signaloverføringen. Imidlertid kan RTK-algoritmen nøyaktig bestemme antallet komplette sykluser, noe som gjør at den kan oppnå posisjonsnøyaktighet på centimeter-nivå.

Oppsummert kombinerer RTK bærerfase differensialposisjonering høypresisjons bærerfaseobservasjoner, differensialkorreksjoner, heltallsambiguityløsning og undertrykkelse av multipath-effekter for å muliggjøre sentimeter-nivå høypresisjonsposisjonering. For å illustrere, hvis den tidligere nøyaktigheten var lengden på to Cadillacs, er den nåværende nøyaktigheten sammenlignbar med størrelsen på en negl—eksepsjonelt presis for en bakgård. Følgelig kan robotgressklippere nå nøyaktig klippe bestemte områder, lik moderne robotstøvsugere.

I tillegg kan de differensielle signalene mellom basestasjonen og roveret beregnes i sanntid for å gi korrigeringsinformasjon, og høyfrekvent datatransmisjon (typisk mellom 1 Hz og 20 Hz) muliggjør raske oppdateringer av posisjoneringen, noe som resulterer i at RTK-systemer har en veldig rask responstid og oppnår millisekund-nivå nøyaktighet. Videre hjelper den brede dekningen av differensielle signaler effektivt med å korrigere feil forårsaket av multipath-effekter og miljøinterferens (som bygninger og trær), noe som reduserer innvirkningen av lokale forhold på den totale posisjoneringsprosessen.

Imidlertid betyr ikke dette at RTK-teknologi er feilfri. Den høye avhengigheten av RTK-systemer til satellittsignaler fra basestasjonen og rover gjør dem sårbare for posisjoneringsfeil, spesielt i områder med utilstrekkelig dekning fra basestasjonen eller når det er hindringer som trær. Videre kan oppsett og drift av RTK-systemer være ganske komplekse, noe som krever spesialisert kunnskap og ferdigheter for konfigurasjon og vedlikehold, noe som kan hindre den utbredte adopsjonen av denne teknologien.

Likevel forblir denne teknologien den mest brukte posisjoneringsmetoden for robotgressklippere, mens teknologiselskaper fortsetter å utforske ytterligere optimaliseringsalternativer, som de følgende metodene.

1.2 VSLAM

Som en annen mye brukt posisjoneringsteknologi, blir VSLAM (Visuell Samtidig Lokalisering og Kartlegging) stadig mer utforsket av mange teknologiselskaper på grunn av sine lave kostnader og raske tilpasning til miljøforandringer.

VSLAM er en teknikk som utnytter visuell informasjon for miljølokalisering og kartkonstruksjon. Den integrerer datamaskinsyn, robotikk og sensordata, noe som muliggjør sanntids kartlegging samtidig som den nøyaktig bestemmer sin posisjon i ukjente miljøer. Vanligvis bruker VSLAM ulike typer kameraer—som monokulære, stereo- eller RGB-D-kameraer—til å fange bilde data fra omgivelsene, og trekker ut nøkkelfunksjoner som hjørner og kanter fra disse bildene. Den benytter bildebehandlingsalgoritmer, som SIFT og ORB, for å matche disse funksjonene og beregner deretter robotens posisjon—dens plassering og orientering i rommet—som gjør at den gradvis kan konstruere enten et 2D- eller 3D-miljøkart.

Det kan virke komplisert, men hovedideen er enkel: roboten bruker kameraene sine til å observere omgivelsene mens den beveger seg. Når den navigerer, samler den visuelle data for å lage et nøyaktig sanntidskart over omgivelsene. Denne kartleggingen gjør det mulig for roboten å ta informerte beslutninger om sine neste handlinger basert på miljøets utforming. Denne teknologien kan finnes i ulike mobile roboter, inkludert droner, robotstøvsugere og autonome kjøretøy.

Imidlertid har VSLAM sine ulemper. Teknologien krever betydelig datakraft for sanntidsbehandling av store bildedata, noe som krever effektive algoritmer og sterk maskinvarestøtte. I motsetning til RTK-teknologi er VSLAM også sårbar for miljøfaktorer som lysforhold, farger og landskap. Regn, snø og støv kan forårsake unøyaktigheter i kartleggingen, noe som kan hindre robotens navigasjon. I tillegg, siden den utelukkende er avhengig av de monterte kameraene, er dens operative rekkevidde noe begrenset.

1.3. Lidar Slam

Lidar SLAM er en sanntids lokaliserings- og kartleggingsmetode som utnytter laserradarteknologi. Den kan produsere sanntids 2D- eller 3D-kart, vanligvis representert som tredimensjonale punkt skyer eller mesh-modeller. Du har kanskje lagt merke til at denne metoden ligner på VSLAM, da begge involverer miljøkartlegging. Imidlertid, i motsetning til VSLAM, der roboten bruker kameraer for å fange opp det omkringliggende miljøet, fungerer Lidar SLAM basert på en Lidar-sensor montert på roboten. Lidar-sensorer måler avstander ved å sende ut laserpulser og motta de reflekterte signalene, og genererer høypresisjons punkt skydata av miljøet.

Når roboten beveger seg gjennom omgivelsene, fanger den kontinuerlig punkt skydata fra hver skanning for å lage et kart over det nåværende miljøet, og dermed hjelpe roboten med å oppnå bedre lokalisering.

Sammenlignet med VSLAM leverer Lidar SLAM høyere oppløsning på miljødata, spesielt i komplekse omgivelser som bygater og innendørs miljøer, hvor det oppnår større nøyaktighet enn kamerasensorene som brukes i VSLAM. Videre, siden Lidar bruker lasere for avstandsmåling, påvirkes det ikke av lysforhold, og fungerer pålitelig både i svakt og ekstremt sterkt lys. Oppsummert utmerker Lidar SLAM seg i lokaliseringskapasiteter og viser sterk motstand mot miljøforstyrrelser.

Så, hva er ulempene? Vel, det kommer hovedsakelig ned til kostnad. De store mengdene data fra Lidar-sensoren krever betydelig prosesseringskraft og ressurser, noe som kan komplisere programvareutviklingen og drive opp kostnadene. I sammenligning er VSLAM vanligvis avhengig av etablerte visuelle algoritmer, og overfloden av visuelle sensorer gir mange valg av programvare med åpen kildekode. På grunn av dette kan et Lidar SLAM-system—inkludert Lidar-sensoren, databehandlingsenheter og programvare—være flere ganger til mange ganger dyrere enn en VSLAM-oppsett. Derfor er VSLAM vanligvis mer tilgjengelig for produsenter og vanlige brukere.

1.4. UWB

UWB (Ultra-Wideband) posisjonering er en teknologi som bruker ultra-brede frekvenssignaler for relativ posisjonering og avstandsmåling. Den brukes primært i innendørs posisjoneringsscenarier, og oppnår sub-meter eller centimeter-nivå posisjoneringsnøyaktighet. UWB har sterke penetrasjonsevner, og passerer effektivt gjennom vegger og andre hindringer samtidig som den opprettholder god ytelse i komplekse innendørs miljøer, som eiendomssporing, personelllokalisering og navigasjon. En spesielt bemerkelsesverdig funksjon ved UWB er dens evne til å støtte posisjonering og kommunikasjon av flere enheter samtidig. Takket være disse fordelene har UWB også begynt å bli brukt i utendørs robotgressklippere.

Imidlertid er den effektive kommunikasjonsavstanden vanligvis ganske kort, vanligvis mellom ti og hundre meter. Denne begrensningen kan kreve at det settes opp flere basestasjoner eller reléutstyr for større plenområder, noe som kan være begrensende. I tillegg krever UWB-posisjonering at det settes opp flere basestasjoner eller anker-enheter innenfor det overvåkede området for å oppnå nøyaktig posisjonering, noe som legger til kompleksitet og kostnader til oppsett og vedlikehold. Oppsummert, mens det kan være effektivt innendørs, er det mange begrensninger når det brukes utendørs.

På dette punktet kan du føle deg litt forvirret: det ser ut som ingen av disse løsningene er virkelig pålitelige?

2. Er det en optimal posisjoneringsteknologi for robotgressklippere?

Gjennom analysen av fordelene og ulempene ved de ulike populære posisjoneringsteknologiene nevnt ovenfor, er det klart at hver teknologi har sine ulemper. Som et resultat velger noen gressklipperrobotikkfirmaer å kombinere flere teknologier for å oppnå den beste løsningen. Blant alternativene som er diskutert, spiller RTK-teknologi uten tvil en sentral rolle på grunn av sine mest betydelige fordeler og færrest ulemper. Vi må rett og slett bygge videre på dette grunnlaget og innlemme andre teknologier for å maksimere posisjoneringsevnen til robotklippere.

2.1. RTK + UWB? Ikke optimal

Først, la oss vurdere om kombinasjonen av RTK og UWB kan løse problemene. Med RTK, så lenge problemene med basestasjonens dekning for mottak av GNSS-signaler og signalinterferens blir adressert, bør posisjoneringskapasitetene til RTK ikke være i tvil. Basestasjonproblemet er håndterbart; så lenge det er nok GNSS-satellitter tilgjengelig i området, kan vi sette opp et tilstrekkelig antall basestasjoner basert på behovene til gressklipperen for å adressere potensielle signaldekningsproblemer over store områder med gress. Men kan UWB håndtere signalinterferensproblemet? Det er litt usikkert.

For det andre krever UWB-posisjonering at flere basestasjoner eller ankerpunkter blir installert innenfor driftsområdet for å oppnå nøyaktig posisjonering. Dette kan medføre høye oppstartskostnader og tid i store plenområder eller komplekse miljøer, noe som forklarer hvorfor det er mer egnet for innendørs posisjonering. For det andre, selv om UWB-signaler har en viss grad av penetrasjonsevne, kan de fortsatt bli hindret eller dempet i visse situasjoner (som tett vegetasjon eller bygninger), noe som påvirker posisjoneringsytelsen.

2.2.  RTK + Laser? For dyrt

Hva skjer når RTK-posisjoneringsteknologi kombineres med laserposisjoneringsteknologi? Fra tidligere diskusjoner vet vi at RTK-posisjonering tilbyr nøyaktighet på centimeter-nivå. Modne teknologier som Lidar SLAM har også utmerket presisjon og motstand mot forstyrrelser, noe som betyr at deres kombinasjon potensielt kan oppnå en posisjoneringsnøyaktighet der 1 + 1 > 2. Imidlertid er de tekniske og vedlikeholdsmessige kostnadene knyttet til slike resultater prohibitively høye, noe som gjør det nesten umulig for den gjennomsnittlige forbrukeren å ha råd. Dermed må vi vente for nå.

2.3.  RTK + VSLAM? Ja!

Så, kan kombinasjonen av RTK og VSLAM skape et visuelt fusjonsposisjoneringssystem som til slutt løser problemet? Fra et teknisk perspektiv adresserer VSLAM RTKs uunngåelige signalforstyrrelser forårsaket av hindringer i robotens vei, ettersom det kontinuerlig kan bygge et kart for å hjelpe maskinen med å unngå hindringer, og dermed redusere signalforstyrrelser. Fra et kostnadsperspektiv bruker VSLAM modne visuelle algoritmer som har blitt bredt adoptert på tvers av ulike sektorer, noe som betydelig senker kostnadene. Derfor er begge problemene løst! I mellomtiden kan RTK effektivt dempe svakhetene ved VSLAM-teknologi, og beskytte mot potensielle miljøforstyrrelser forårsaket av regn, snø eller støv, og dermed maksimere posisjoneringsresultatene oppnådd gjennom deres kombinasjon.

Vi kan ta EFLS 2.0 brukt i Navimow robotgressklipper som et eksempel for spesifikt å undersøke bruken av denne teknologien.

EFLS, eller Exact Fusion Locating System, krever minimum 10 satellitter for stabil drift. Det kombinerer satellittposisjonering med signaler fra flere sensorer for å beregne robotklipperens sanntidsposisjon, og oppnår nøyaktighet på centimeter-nivå. Satellittsignalene for EFLS hentes fra RTK-posisjonering, med både Navimow robotklipperen og en antenne som mottar disse signalene. Ladestasjonen letter overføringen av signaler fra antennen til klipperen, noe som muliggjør synkrone beregninger som reduserer posisjoneringsfeil.

Imidlertid kan satellittsignaler bli blokkert under ugunstige værforhold, som regn eller snø. For å opprettholde nøyaktig posisjonering i slike situasjoner, er visuelle landemerker integrert i systemet. I områder med dårlig satellittdekning, trer kameraet inn for å gi roboten mer pålitelig posisjonering. Den visuelle kartleggingsprosessen består av tre nøkkeltrinn:

Trinn 1: Visuell datainnsamling

Under sin innledende kartlegging og den første komplette klippesyklusen samler gressklipperen visuelle data.

Trinn 2: Optimalisering av visuell kartNår gressklipperen returnerer til ladestasjonen, optimaliserer den automatisk det visuelle kartet. Denne optimaliseringen tar flere timer og vil pause hvis gressklipperen forlater stasjonen.

Trinn 3: Visuell Lokalisering

Når RTK-signaler er svake under klipping, sammenligner robotklipperen sanntids visuelle funksjoner med de visuelle kartdataene for å beregne sin posisjon, og sikrer uavbrutt klipping.

I tillegg, med hjelp av Visionfence, kan roboten raskt reagere på hindringer foran seg innen kort tid, noe som sikrer en effektiv klippeprosess.

Nå, la oss nyte den forbedrede effektiviteten og den eksepsjonelle plenvedlikeholdsopplevelsen som kombinasjonen av begge RTK-teknologiene i Navimow robotgressklipperen gir.