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

Imagine isto: enquanto se desloca para casa do trabalho, o seu smartphone falha inesperadamente como dispositivo de navegação. Consegue ainda encontrar o caminho para casa? A tecnologia GNSS (Sistema Global de Navegação por Satélite) pode parecer discreta, mas é essencial para nos localizarmos, navegarmos e explorarmos os nossos arredores. A sua precisão e conveniência estão enraizadas nas nossas vidas diárias.

Inspirado por isso, o RTK (Cinemática em Tempo Real), que depende dos sinais de satélite GNSS como sua principal fonte de dados de posicionamento, tornou-se amplamente adotado em cortadores de relva robóticos. Esta tecnologia permite que esses cortadores alcancem uma precisão a nível de centímetros, transformando o processo de cuidado do relvado. No entanto, os sistemas de posicionamento RTK de hoje podem ser tão "inteligentes" quanto a tecnologia GNSS utilizada em smartphones? Podem eles ajudar efetivamente os cortadores de relva robóticos a localizar com precisão suas posições e tornar a manutenção do relvado mais eficiente? Vamos dar uma olhada mais de perto.

1. Quais Tecnologias de Posicionamento Eficazes Estão Disponíveis para Cortadores de Grama Robóticos?

1.1 Tecnologia de Posicionamento RTK

RTK, ou Cinemática em Tempo Real, é uma tecnologia de posicionamento diferencial de fase portadora que pode alcançar uma precisão a nível de centímetros, destacando-se de outros sistemas de posicionamento. A razão pela qual o RTK pode alcançar uma precisão de posicionamento em tempo real a nível de centímetros reside em três fatores principais:

1.1.1 Utiliza medições de fase de portadora como informação de distância, o que melhora significativamente a precisão em 2 a 3 ordens de magnitude em comparação com medições de pseudodistância tradicionais.

1.1.2 Ao realizar cálculos diferenciais com dados de estações base próximas, vários erros sistemáticos podem ser efetivamente eliminados.

1.1.3 Embora as medições de fase do portador sejam altamente precisas, a incerteza da fase inicial pode levar ao problema da "ambiguidade inteira", o que significa não saber quantos ciclos completos da onda portadora estão incluídos durante a transmissão do sinal. No entanto, o algoritmo RTK pode determinar com precisão o número de ciclos completos, permitindo alcançar uma precisão de posicionamento a nível de centímetros.

Em resumo, o posicionamento diferencial de fase de portadora RTK combina observações de fase de portadora de alta precisão, correções diferenciais, resolução de ambiguidades inteiras e supressão de efeitos de múltiplos caminhos para permitir um posicionamento de alta precisão a nível de centímetros. Para ilustrar, se a precisão anterior era o comprimento de dois Cadillacs, a precisão atual é comparável ao tamanho de uma unha—excepcionalmente precisa para um quintal. Consequentemente, os cortadores de grama robóticos agora podem cortar com precisão áreas designadas, semelhante aos modernos aspiradores de pó robóticos.

Além disso, os sinais diferenciais entre a estação base e o rover podem ser calculados em tempo real para fornecer informações de correção, e a transmissão de dados de alta frequência (tipicamente entre 1 Hz e 20 Hz) permite atualizações rápidas na posição, resultando em sistemas RTK com um tempo de resposta muito rápido e alcançando uma precisão a nível de milissegundos. Além disso, a ampla cobertura dos sinais diferenciais ajuda a corrigir efetivamente os erros causados por efeitos de múltiplos caminhos e interferência ambiental (como edifícios e árvores), reduzindo o impacto das condições locais no processo de posicionamento geral.

No entanto, isso não significa que a tecnologia RTK seja infalível. A alta dependência dos sistemas RTK em sinais de satélite da estação base e do rover torna-os vulneráveis a erros de posicionamento, especialmente em áreas com cobertura insuficiente da estação base ou quando há obstruções como árvores. Além disso, a configuração e operação dos sistemas RTK podem ser bastante complexas, exigindo conhecimentos e habilidades especializadas para configuração e manutenção, o que pode dificultar a adoção generalizada desta tecnologia.

No entanto, esta tecnologia continua a ser o método de posicionamento mais amplamente utilizado para cortadores de relva robóticos, enquanto as empresas de tecnologia continuam a explorar opções de otimização adicionais, como os seguintes métodos.

1.2 VSLAM

Como outra tecnologia de posicionamento amplamente utilizada, o VSLAM (Localização e Mapeamento Simultâneos Visual) está a ser cada vez mais explorado por muitas empresas de tecnologia devido ao seu baixo custo e rápida adaptabilidade às mudanças ambientais.

VSLAM é uma técnica que utiliza informações visuais para localização ambiental e construção de mapas. Integra visão computacional, robótica e dados de sensores, permitindo a construção de mapas em tempo real enquanto determina com precisão sua posição em ambientes desconhecidos. Normalmente, o VSLAM emprega vários tipos de câmaras—como câmaras monoculares, estereoscópicas ou RGB-D—para capturar dados de imagem do ambiente, extraindo características chave como cantos e bordas dessas imagens. Utiliza algoritmos de processamento de imagem, como SIFT e ORB, para corresponder essas características e, subsequentemente, calcula a pose do robô—sua posição e orientação no espaço—permitindo-lhe construir gradualmente um mapa ambiental 2D ou 3D.

Pode parecer intrincado, mas a ideia principal é simples: o robô usa suas câmaras para observar o ambiente enquanto se move. À medida que navega, ele coleta dados visuais para criar um mapa preciso em tempo real de seus arredores. Este mapeamento permite que o robô tome decisões informadas sobre suas próximas ações com base na disposição do ambiente. Esta tecnologia pode ser encontrada em vários robôs móveis, incluindo drones, aspiradores robóticos e veículos autónomos.

No entanto, o VSLAM tem as suas desvantagens. A tecnologia requer um poder computacional substancial para o processamento em tempo real de grandes conjuntos de dados de imagem, exigindo algoritmos eficientes e um forte suporte de hardware. Ao contrário da tecnologia RTK, o VSLAM também é vulnerável a fatores ambientais, como mudanças de iluminação, cores e paisagens. A chuva, a neve e a poeira podem causar imprecisões na construção de mapas, o que pode dificultar a navegação do robô. Além disso, uma vez que depende exclusivamente das câmaras montadas, o seu alcance operacional é algo limitado.

1.3. Lidar Slam

Lidar SLAM é um método de localização e mapeamento em tempo real que utiliza tecnologia de radar a laser. Ele pode produzir mapas 2D ou 3D em tempo real, tipicamente representados como nuvens de pontos tridimensionais ou modelos de malha. Você pode ter notado que este método é semelhante ao VSLAM, uma vez que ambos envolvem mapeamento ambiental. No entanto, ao contrário do VSLAM, onde o robô usa câmeras para capturar o ambiente circundante, o Lidar SLAM opera com base em um sensor Lidar montado no robô. Sensores Lidar medem distâncias emitindo pulsos de laser e recebendo os sinais refletidos, gerando dados de nuvem de pontos de alta precisão do ambiente.

À medida que o robô se move pelo seu ambiente, ele captura continuamente dados de nuvem de pontos de cada varredura para criar um mapa do ambiente atual, ajudando assim o robô a alcançar uma melhor localização.

Comparado ao VSLAM, o Lidar SLAM fornece dados ambientais de maior resolução, especialmente em configurações complexas, como ruas da cidade e ambientes internos, onde alcança maior precisão do que os sensores de câmera utilizados no VSLAM. Além disso, como o Lidar utiliza lasers para medição de distância, ele permanece imune às condições de iluminação, funcionando de forma confiável tanto em ambientes pouco iluminados quanto em ambientes extremamente brilhantes. Em resumo, o Lidar SLAM destaca-se nas capacidades de localização e demonstra forte resistência à interferência ambiental.

Então, quais são as desvantagens? Bem, tudo se resume principalmente ao custo. As grandes quantidades de dados do sensor Lidar exigem um poder de processamento e recursos significativos, o que pode complicar o desenvolvimento de software e aumentar os custos. Em comparação, o VSLAM geralmente se baseia em algoritmos visuais estabelecidos, e a abundância de sensores visuais oferece muitas opções de software de código aberto. Por causa disso, um sistema Lidar SLAM—incluindo o sensor Lidar, unidades de computação e software—pode ser várias vezes a muitos vezes mais caro do que uma configuração VSLAM. Portanto, o VSLAM é geralmente mais acessível para fabricantes e usuários comuns.

1.4. UWB

O posicionamento UWB (Ultra-Wideband) é uma tecnologia que utiliza sinais de frequência ultra-larga para posicionamento relativo e medição de distância. É aplicada principalmente em cenários de posicionamento interno, alcançando precisão de posicionamento a nível de sub-metro ou centímetro. O UWB possui fortes capacidades de penetração, passando efetivamente através de paredes e outros obstáculos, mantendo um bom desempenho em ambientes internos complexos, como rastreamento de ativos, localização de pessoal e navegação. Uma característica particularmente notável do UWB é a sua capacidade de suportar o posicionamento e a comunicação de múltiplos dispositivos simultaneamente. Graças a essas vantagens, o UWB também começou a ser utilizado em cortadores de grama robóticos ao ar livre.

No entanto, o seu alcance de comunicação efetivo é tipicamente bastante curto, geralmente entre dezenas e cem metros. Esta limitação pode exigir a implantação de estações base adicionais ou equipamentos de retransmissão para áreas de relva maiores, o que pode ser restritivo. Além disso, o posicionamento UWB requer a implantação de várias estações base ou dispositivos âncora dentro da área monitorizada para alcançar um posicionamento preciso, adicionando complexidade e custo à configuração e manutenção. Em resumo, embora possa ser eficaz em ambientes internos, existem inúmeras limitações quando utilizado ao ar livre.

Neste momento, você pode estar se sentindo um pouco confuso: parece que nenhuma dessas soluções é realmente confiável?

2. Existe uma solução de tecnologia de posicionamento otimizada para cortadores de relva robóticos?

Através da análise das vantagens e desvantagens das várias tecnologias de posicionamento populares mencionadas acima, é claro que cada tecnologia tem suas desvantagens. Como resultado, algumas empresas de robôs cortadores de relva optam por combinar várias tecnologias para alcançar a melhor solução. Entre as opções discutidas, a tecnologia RTK desempenha, sem dúvida, um papel central devido às suas vantagens mais significativas e menos desvantagens. Precisamos simplesmente construir sobre esta base e incorporar outras tecnologias para maximizar as capacidades de posicionamento dos cortadores de relva robóticos.

2.1. RTK + UWB? Não Óptimo

Primeiro, vamos considerar se a combinação de RTK e UWB pode resolver os problemas. Com o RTK, desde que os problemas de cobertura da estação base para receber sinais GNSS e a interferência de sinal sejam resolvidos, as capacidades de posicionamento do RTK não devem estar em dúvida. O problema da estação base é gerenciável; desde que haja satélites GNSS suficientes disponíveis na área, podemos definir um número suficiente de estações base com base nas necessidades do cortador de relva para resolver potenciais problemas de cobertura de sinal em grandes áreas de relva. Mas será que o UWB pode lidar com o problema da interferência de sinal? Isso é um pouco incerto.

Em segundo lugar, o posicionamento UWB requer a instalação de várias estações base ou pontos de ancoragem dentro da área de operação para alcançar um posicionamento preciso. Isso pode envolver altos custos e tempo de instalação em grandes áreas de relva ou ambientes complexos, explicando por que é mais adequado para posicionamento interno. Em segundo lugar, embora os sinais UWB tenham um certo grau de capacidade de penetração, eles ainda podem ser obstruídos ou atenuados em certas situações (como vegetação densa ou edifícios), afetando o desempenho do posicionamento.

2.2. RTK + Laser? Muito Caro

O que acontece quando a tecnologia de posicionamento RTK é combinada com a tecnologia de posicionamento a laser? A partir de discussões anteriores, sabemos que o posicionamento RTK oferece precisão a nível de centímetros. Tecnologias maduras como Lidar SLAM também têm excelente precisão e resistência a interferências, o que significa que a sua combinação poderia potencialmente alcançar uma precisão de posicionamento onde 1 + 1 > 2. No entanto, os custos técnicos e de manutenção associados a tais resultados são proibitivamente altos, tornando quase impossível para o consumidor médio arcar com isso. Assim, teremos que esperar por agora.

2.3.  RTK + VSLAM? Sim!

Assim, a combinação de RTK e VSLAM pode criar um sistema de posicionamento de fusão visual que, em última análise, resolve o problema? Do ponto de vista técnico, o VSLAM aborda a interferência de sinal inevitável do RTK causada por obstáculos no caminho do robô, uma vez que pode continuamente construir um mapa para ajudar a máquina na evitação de obstáculos, reduzindo assim a interferência de sinal. Do ponto de vista de custo, o VSLAM utiliza algoritmos visuais maduros que foram amplamente adotados em vários setores, reduzindo significativamente os custos. Portanto, ambos os problemas são resolvidos! Enquanto isso, o RTK pode mitigar efetivamente as desvantagens da tecnologia VSLAM, protegendo contra potenciais interferências ambientais causadas por chuva, neve ou poeira, maximizando assim os resultados de posicionamento alcançados pela sua combinação.

Podemos levar o EFLS 2.0 usado no Cortador de relva robótico Navimow como um exemplo para examinar especificamente a aplicação desta tecnologia.

EFLS, ou Sistema de Localização por Fusão Exata, requer um mínimo de 10 satélites para operação estável. Combina o posicionamento por satélite com sinais de múltiplos sensores para calcular o posicionamento em tempo real do cortador de relva robô, alcançando uma precisão a nível de centímetros. Os sinais de satélite para o EFLS são provenientes do posicionamento RTK, com o cortador de relva robô Navimow e uma antena a receber esses sinais. A estação de carregamento facilita a transferência de sinais da antena para o cortador, permitindo cálculos síncronos que reduzem erros de posicionamento.

No entanto, os sinais de satélite podem ser obstruídos durante condições climáticas adversas, como chuva ou neve. Para manter um posicionamento preciso nessas situações, marcos visuais são integrados ao sistema. Em áreas com cobertura de satélite deficiente, a câmara entra em ação para fornecer ao robô um posicionamento mais confiável. O processo de mapeamento visual consiste em três etapas principais:

Passo 1: Coleta de Dados Visuais

Durante o seu mapeamento inicial e o primeiro ciclo completo de corte, o cortador recolhe dados visuais.

Passo 2: Otimização do Mapa Visual Ao retornar à estação de carregamento, o cortador otimiza automaticamente o mapa visual. Esta otimização leva várias horas e será pausada se o cortador sair da estação.

Passo 3: Localização Visual

Quando os sinais RTK são fracos durante as operações de corte, o cortador de relva robô compara características visuais em tempo real com os dados do mapa visual para calcular a sua localização, garantindo um corte ininterrupto.

Além disso, com a ajuda do Visionfence, o robô pode responder rapidamente a obstáculos à sua frente em um curto espaço de tempo, garantindo um processo de corte eficiente.

Agora, vamos desfrutar da eficiência aprimorada e da experiência excepcional de manutenção do gramado proporcionada pela combinação de ambas as tecnologias RTK no cortador de grama robótico Navimow.