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

Stel je dit voor: terwijl je onderweg naar huis bent van je werk, faalt je smartphone onverwachts als navigatieapparaat. Kun je nog steeds je weg naar huis vinden? GNSS (Global Navigation Satellite System) technologie lijkt misschien onopvallend, maar het is essentieel voor het lokaliseren van onszelf, navigeren en het verkennen van onze omgeving. De nauwkeurigheid en het gemak zijn verankerd in ons dagelijks leven.

Geïnspireerd door dit, is RTK (Real-Time Kinematic), dat afhankelijk is van GNSS-satellietsignalen als zijn primaire bron van positioneringsgegevens, wijdverbreid aangenomen in robotmaaiers. Deze technologie stelt deze maaiers in staat om precisie op centimeter-niveau te bereiken, wat het onderhoud van gazons transformeert. Maar kunnen de huidige RTK-positioneringssystemen net zo "slim" zijn als de GNSS-technologie die in smartphones wordt gebruikt? Kunnen ze robotmaaiers effectief helpen om hun locaties nauwkeurig te bepalen en het onderhoud van gazons efficiënter te maken? Laten we eens nader bekijken.

1. Welke effectieve positioneringstechnologieën zijn beschikbaar voor robotmaaiers?

1.1 RTK Positioneringstechnologie

RTK, of Real-Time Kinematics, is een carrier-phase differentiële positioneringstechnologie die centimeter-niveau nauwkeurigheid kan bereiken, wat het onderscheidt van andere positioneringssystemen. De reden waarom RTK real-time centimeter-niveau positioneringsnauwkeurigheid kan bereiken, ligt in drie hoofd factoren:

1.1.1 Het gebruikt dragerfasemetingen als afstandsinformatie, wat de nauwkeurigheid aanzienlijk verbetert met 2 tot 3 ordes van grootte in vergelijking met traditionele pseudobereikmetingen.

1.1.2 Door differentiële berekeningen uit te voeren met gegevens van nabijgelegen basisstations, kunnen verschillende systematische fouten effectief worden geëlimineerd.

1.1.3 Hoewel carrier-fasemetingen zeer nauwkeurig zijn, kan de onzekerheid van de initiële fase leiden tot het "gehele ambiguïteit" probleem, wat betekent dat men niet weet hoeveel volledige cycli van de draaggolf zijn inbegrepen tijdens de signaaloverdracht. De RTK-algoritme kan echter het aantal volledige cycli nauwkeurig bepalen, waardoor het in staat is om positioneringsnauwkeurigheid op centimeter-niveau te bereiken.

Samengevat combineert RTK-draaggolffase-differentiële positionering hoogprecisie draaggolffase-observaties, differentiële correcties, resolutie van gehele ambiguïteiten en onderdrukking van multipad-effecten om centimeter-niveau hoogprecisie positionering mogelijk te maken. Ter illustratie, als de vorige nauwkeurigheid de lengte van twee Cadillacs was, is de huidige nauwkeurigheid vergelijkbaar met de grootte van een vingernagel—uitzonderlijk precies voor een achtertuin. Bijgevolg kunnen robotmaaiers nu nauwkeurig aangewezen gebieden trimmen, vergelijkbaar met hedendaagse robotstofzuigers.

Bovendien kunnen de differentiële signalen tussen het basisstation en de rover in real-time worden berekend om correctie-informatie te bieden, en de hoge frequentie van gegevensoverdracht (typisch tussen 1 Hz en 20 Hz) maakt snelle updates van de positionering mogelijk, wat resulteert in RTK-systemen met een zeer snelle responstijd en een nauwkeurigheid op milliseconden-niveau. Verder helpt de brede dekking van differentiële signalen effectief fouten te corrigeren die worden veroorzaakt door multipath-effecten en omgevingsinterferentie (zoals gebouwen en bomen), waardoor de impact van lokale omstandigheden op het algehele positioneringsproces wordt verminderd.

Echter, dit betekent niet dat RTK-technologie onfeilbaar is. De hoge afhankelijkheid van RTK-systemen van satellietsignalen van het basisstation en de rover maakt ze kwetsbaar voor positioneringsfouten, vooral in gebieden met onvoldoende dekking van het basisstation of wanneer er obstakels zijn zoals bomen. Bovendien kan de opzet en werking van RTK-systemen behoorlijk complex zijn, wat gespecialiseerde kennis en vaardigheden vereist voor configuratie en onderhoud, wat de brede acceptatie van deze technologie kan belemmeren.

Desondanks blijft deze technologie de meest gebruikte positioneringsmethode voor robotmaaiers, terwijl technologiebedrijven blijven zoeken naar verdere optimalisatiemogelijkheden, zoals de volgende methoden.

1.2 VSLAM

Als een andere veelgebruikte positioneringstechnologie wordt VSLAM (Visuele Gelijktijdige Lokalisatie en Mapping) steeds meer verkend door veel technologiebedrijven vanwege de lage kosten en de snelle aanpassing aan omgevingsveranderingen.

VSLAM is een techniek die visuele informatie gebruikt voor omgevingslokalisatie en kaartconstructie. Het integreert computer vision, robotica en sensorgegevens, waardoor real-time kaartbouw mogelijk is terwijl het nauwkeurig zijn positie in onbekende omgevingen bepaalt. Typisch maakt VSLAM gebruik van verschillende soorten camera's - zoals monoculaire, stereo of RGB-D camera's - om afbeeldingsgegevens uit de omgeving vast te leggen, waarbij belangrijke kenmerken zoals hoeken en randen uit deze afbeeldingen worden geëxtraheerd. Het maakt gebruik van beeldverwerkingsalgoritmen, zoals SIFT en ORB, voor het matchen van deze kenmerken en berekent vervolgens de pose van de robot - zijn positie en oriëntatie in de ruimte - waardoor het geleidelijk een 2D- of 3D-omgevingskaart kan construeren.

Het mag ingewikkeld lijken, maar het kernidee is eenvoudig: de robot gebruikt zijn camera's om de omgeving te observeren terwijl hij zich verplaatst. Terwijl hij navigeert, verzamelt hij visuele gegevens om een nauwkeurige real-time kaart van zijn omgeving te maken. Deze mapping stelt de robot in staat om weloverwogen beslissingen te nemen over zijn volgende acties op basis van de indeling van de omgeving. Deze technologie is te vinden in verschillende mobiele robots, waaronder drones, robotstofzuigers en autonome voertuigen.

Echter, VSLAM heeft zijn nadelen. De technologie vereist aanzienlijke rekenkracht voor real-time verwerking van grote afbeeldingsdatasets, wat efficiënte algoritmen en sterke hardware-ondersteuning vereist. In tegenstelling tot RTK-technologie is VSLAM ook kwetsbaar voor omgevingsfactoren zoals lichtveranderingen, kleuren en landschap. Regen, sneeuw en stof kunnen onnauwkeurigheden in het bouwen van kaarten veroorzaken, wat de navigatie van de robot kan belemmeren. Bovendien, aangezien het uitsluitend afhankelijk is van de gemonteerde camera's, is het operationele bereik enigszins beperkt.

1.3. Lidar Slam

Lidar SLAM is een real-time locatie- en mappingmethode die gebruikmaakt van laser radar technologie. Het kan real-time 2D of 3D kaarten produceren, meestal weergegeven als driedimensionale puntenwolken of meshmodellen. U heeft misschien opgemerkt dat deze methode vergelijkbaar is met VSLAM, aangezien beide betrekking hebben op omgevingsmapping. Echter, in tegenstelling tot VSLAM, waar de robot camera's gebruikt om de omgeving vast te leggen, werkt Lidar SLAM op basis van een Lidar-sensor die op de robot is gemonteerd. Lidar-sensoren meten afstanden door laserpulsen uit te zenden en de gereflecteerde signalen te ontvangen, waardoor gegevens van hoge precisie van de puntenwolk van de omgeving worden gegenereerd.

Terwijl de robot door zijn omgeving beweegt, vangt hij continu puntwolkgegevens van elke scan om een kaart van de huidige omgeving te maken, waardoor de robot beter kan worden gelokaliseerd.

In vergelijking met VSLAM levert Lidar SLAM gegevens over de omgeving met een hogere resolutie, vooral in complexe omgevingen zoals stadsstraten en binnenruimtes, waar het een grotere nauwkeurigheid bereikt dan de camerasensoren die in VSLAM worden gebruikt. Bovendien, aangezien Lidar lasers gebruikt voor afstandsmeting, blijft het ongevoelig voor lichtomstandigheden en presteert het betrouwbaar in zowel donkere als extreem heldere omgevingen. Samengevat blinkt Lidar SLAM uit in localisatiecapaciteiten en toont het een sterke weerstand tegen omgevingsinterferentie.

Dus, wat zijn de nadelen? Nou, het komt voornamelijk neer op kosten. De grote hoeveelheden gegevens van de Lidar-sensor vereisen aanzienlijke verwerkingskracht en middelen, wat de softwareontwikkeling kan compliceren en de kosten kan verhogen. In vergelijking vertrouwt VSLAM doorgaans op gevestigde visuele algoritmen, en de overvloed aan visuele sensoren biedt veel open-source softwarekeuzes. Hierdoor kan een Lidar SLAM-systeem - inclusief de Lidar-sensor, rekeneenheden en software - meerdere keren tot vele malen duurder zijn dan een VSLAM-opstelling. Daarom is VSLAM meestal toegankelijker voor fabrikanten en dagelijkse gebruikers.

1.4. UWB

UWB (Ultra-Wideband) positionering is een technologie die ultra-brede frequentiesignalen gebruikt voor relatieve positionering en afstandsmeting. Het wordt voornamelijk toegepast in binnenpositioneringsscenario's, waarbij sub-meter of centimeter-niveau positioneringsnauwkeurigheid wordt bereikt. UWB heeft sterke penetratiecapaciteiten, waardoor het effectief door muren en andere obstakels kan gaan terwijl het goede prestaties levert in complexe binnenomgevingen, zoals asset tracking, personeelslokalisatie en navigatie. Een bijzonder kenmerk van UWB is het vermogen om de positionering en communicatie van meerdere apparaten tegelijkertijd te ondersteunen. Dankzij deze voordelen wordt UWB ook steeds vaker gebruikt in robotmaaiers voor buitengebruik.

Echter, het effectieve communicatiebereik is doorgaans vrij kort, meestal tussen de tientallen en honderd meter. Deze beperking kan vereisen dat er extra basisstations of relaisapparatuur moet worden ingezet voor grotere gazonoppervlakken, wat beperkend kan zijn. Bovendien vereist UWB-positionering de inzet van meerdere basisstations of ankerapparaten binnen het gemonitorde gebied om nauwkeurige positionering te bereiken, wat complexiteit en kosten toevoegt aan de installatie en het onderhoud. Samenvattend, hoewel het binnenshuis effectief kan zijn, zijn er tal van beperkingen bij gebruik buitenshuis.

Op dit moment voel je je misschien een beetje in de war: het lijkt erop dat geen van deze oplossingen echt betrouwbaar is?

2. Is er een optimale positioneringstechnologieoplossing voor robotmaaiers?

Door de analyse van de voordelen en nadelen van de verschillende populaire positioneringstechnologieën die hierboven zijn genoemd, is het duidelijk dat elke technologie zijn nadelen heeft. Als gevolg hiervan kiezen sommige bedrijven in robotmaaiers ervoor om meerdere technologieën te combineren om de beste oplossing te bereiken. Van de besproken opties speelt RTK-technologie ongetwijfeld een centrale rol vanwege de meest significante voordelen en de minste nadelen. We moeten simpelweg voortbouwen op deze basis en andere technologieën integreren om de positioneringsmogelijkheden van robotmaaiers te maximaliseren.

2.1. RTK + UWB? Niet Optimaal

Laten we eerst overwegen of het combineren van RTK en UWB de problemen kan oplossen. Met RTK, zolang de problemen van de dekking van het basisstation voor het ontvangen van GNSS-signalen en signaalinterferentie worden aangepakt, zouden de positioneringsmogelijkheden van RTK niet in twijfel moeten worden getrokken. Het basisstationprobleem is beheersbaar; zolang er voldoende GNSS-satellieten beschikbaar zijn in het gebied, kunnen we een voldoende aantal basisstations instellen op basis van de behoeften van de grasmaaier om potentiële signaaldekkingproblemen over grote grasgebieden aan te pakken. Maar kan UWB het probleem van signaalinterferentie aan? Dat is een beetje onzeker.

Ten tweede vereist UWB-positionering dat meerdere basisstations of ankerpunten binnen het werkgebied worden geplaatst om nauwkeurige positionering te bereiken. Dit kan hoge opstartkosten en tijd met zich meebrengen in grote grasvelden of complexe omgevingen, wat verklaart waarom het geschikter is voor binnenpositionering. Ten tweede, hoewel UWB-signalen een bepaalde mate van doordringingsvermogen hebben, kunnen ze in bepaalde situaties (zoals dichte vegetatie of gebouwen) nog steeds worden belemmerd of verzwakt, wat de positioneringsprestaties beïnvloedt.

2.2.  RTK + Laser? Te Duur

Wat gebeurt er wanneer RTK-positioneringstechnologie wordt gecombineerd met laserpositioneringstechnologie? Uit eerdere discussies weten we dat RTK-positionering centimeter-niveau nauwkeurigheid biedt. Volwassen technologieën zoals Lidar SLAM hebben ook uitstekende precisie en weerstand tegen interferentie, wat betekent dat hun combinatie mogelijk een positioneringsnauwkeurigheid kan bereiken waarbij 1 + 1 > 2. De technische en onderhoudskosten die gepaard gaan met dergelijke resultaten zijn echter prohibitief hoog, waardoor het bijna onmogelijk is voor de gemiddelde consument om het zich te veroorloven. Daarom zullen we voorlopig moeten wachten.

2.3.  RTK + VSLAM? Ja!

Dus, kan het combineren van RTK en VSLAM een visueel fusiepositioneringssysteem creëren dat uiteindelijk het probleem oplost? Vanuit technisch perspectief pakt VSLAM de onvermijdelijke signaalinterferentie van RTK aan die wordt veroorzaakt door obstakels in het pad van de robot, aangezien het continu een kaart kan opbouwen om de machine te helpen bij het vermijden van obstakels, waardoor signaalinterferentie wordt verminderd. Vanuit kostenperspectief maakt VSLAM gebruik van volwassen visuele algoritmen die op grote schaal zijn aangenomen in verschillende sectoren, wat de kosten aanzienlijk verlaagt. Daarom worden beide problemen opgelost! Ondertussen kan RTK effectief de tekortkomingen van VSLAM-technologie mitigeren, waardoor het beschermt tegen potentiële omgevingsinterferentie veroorzaakt door regen, sneeuw of stof, en zo de positioneringsresultaten die door hun combinatie worden bereikt, maximaliseert.

We kunnen de EFLS 2.0 gebruiken in de Navimow robotmaaiers als een voorbeeld om specifiek de toepassing van deze technologie te onderzoeken.

EFLS, of Exact Fusion Locating System, vereist een minimum van 10 satellieten voor een stabiele werking. Het combineert satellietpositionering met signalen van meerdere sensoren om de realtime positionering van de robotmaaier te berekenen, met een nauwkeurigheid op centimeter-niveau. De satellietsignalen voor EFLS zijn afkomstig van RTK-positionering, waarbij zowel de Navimow robotmaaier als een antenne deze signalen ontvangen. Het oplaadstation faciliteert de overdracht van signalen van de antenne naar de maaier, waardoor synchrone berekeningen mogelijk zijn die positioneringsfouten verminderen.

Echter, satellietsignalen kunnen worden belemmerd tijdens ongunstige weersomstandigheden, zoals regen of sneeuw. Om nauwkeurige positionering in dergelijke situaties te behouden, zijn visuele herkenningspunten geïntegreerd in het systeem. In gebieden met slechte satellietdekking neemt de camera het over om de robot van betrouwbaardere positionering te voorzien. Het visuele mappingproces bestaat uit drie belangrijke stappen:

Stap 1: Visuele Gegevensverzameling

Tijdens de eerste mapping en de eerste volledige maancyclus verzamelt de maaier visuele gegevens.

Stap 2: Visuele KaartoptimalisatieBij terugkeer naar het oplaadstation optimaliseert de maaier automatisch de visuele kaart. Deze optimalisatie duurt enkele uren en wordt gepauzeerd als de maaier het station verlaat.

Stap 3: Visuele Lokalisatie

Wanneer RTK-signalen zwak zijn tijdens maaioperaties, vergelijkt de robotmaaier realtime visuele kenmerken met de visuele kaartgegevens om zijn locatie te berekenen, zodat het maaien ononderbroken doorgaat.

Bovendien kan de robot met de hulp van Visionfence snel reageren op obstakels voor zich binnen een korte tijd, wat zorgt voor een efficiënt maai proces.

Laten we nu genieten van de verbeterde efficiëntie en de uitzonderlijke gazononderhoudservaring die het resultaat is van de combinatie van beide RTK-technologieën in de Navimow robotmaaimachine.