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

Predstavte si toto: počas cesty domov z práce váš smartfón neočakávane zlyhá ako navigačné zariadenie. Môžete sa stále dostať domov? Technológia GNSS (Globálny navigačný satelitný systém) sa môže zdať nenápadná, ale je nevyhnutná na to, aby sme sa orientovali, navigovali a preskúmavali naše okolie. Jej presnosť a pohodlie sú zakorenené v našich každodenných životoch.

Inšpirované týmto, RTK (Real-Time Kinematic), ktoré sa spolieha na signály satelitov GNSS ako svoj primárny zdroj údajov o polohe, sa stalo široko prijímané v robotických kosačkách na trávu. Táto technológia umožňuje týmto kosačkám dosiahnuť presnosť na úrovni centimetrov, čím transformuje proces starostlivosti o trávnik. Môžu však dnešné RTK polohovacie systémy byť tak "inteligentné" ako technológia GNSS používaná v smartfónoch? Môžu efektívne pomôcť robotickým kosačkám presne určiť svoje polohy a urobiť údržbu trávnika efektívnejšou? Poďme sa na to pozrieť bližšie.

1. Aké efektívne technológie polohovania sú k dispozícii pre robotické kosačky na trávu?

1.1 RTK Pozicionovacia Technológia

RTK, alebo Real-Time Kinematics, je technológia diferenciálneho polohovania na báze nosnej fázy, ktorá dokáže dosiahnuť presnosť na úrovni centimetra, čo ju odlišuje od iných polohovacích systémov. Dôvod, prečo RTK dokáže dosiahnuť presnosť polohovania na úrovni centimetra v reálnom čase, spočíva v troch hlavných faktoroch:

1.1.1 Používa merania nosnej fázy ako informáciu o vzdialenosti, čo výrazne zlepšuje presnosť o 2 až 3 rády veľkosti v porovnaní s tradičnými meraniami pseudovzdialenosti.

1.1.2 Vykonávaním diferenciálnych výpočtov s údajmi z blízkych základňových staníc je možné účinne eliminovať rôzne systémové chyby.

1.1.3 Hoci sú merania fázy nosiča veľmi presné, neistota počiatočnej fázy môže viesť k problému "celkovej nejasnosti", čo znamená, že nevieme, koľko úplných cyklov nosnej vlny je zahrnutých počas prenosu signálu. Avšak RTK algoritmus dokáže presne určiť počet úplných cyklov, čo mu umožňuje dosiahnuť presnosť polohovania na úrovni centimetrov.

V súhrne, RTK diferenciálne polohovanie na báze nosnej fázy kombinuje vysoko presné pozorovania nosnej fázy, diferenciálne korekcie, rozlíšenie celočíselných nejasností a potlačenie efektov viaccestného šírenia, aby umožnilo polohovanie na úrovni centimetrov. Na ilustráciu, ak bola predchádzajúca presnosť dĺžka dvoch Cadillacov, súčasná presnosť je porovnateľná s veľkosťou nechtu na prste - mimoriadne presná pre záhradu. Dôsledkom toho môžu teraz robotické kosačky na trávu presne kosiť určené oblasti, podobne ako súčasné robotické vysávače.

Okrem toho je možné v reálnom čase vypočítať diferenciálne signály medzi základňovou stanicou a roverom, aby sa poskytli korekčné informácie, a vysokofrekvenčný prenos dát (typicky medzi 1 Hz a 20 Hz) umožňuje rýchle aktualizácie polohovania, čo vedie k veľmi rýchlej dobe odozvy RTK systémov a dosahovaniu presnosti na úrovni milisekúnd. Navyše široké pokrytie diferenciálnych signálov pomáha efektívne korigovať chyby spôsobené viaccestnými efektmi a environmentálnym rušením (ako sú budovy a stromy), čím sa znižuje vplyv miestnych podmienok na celkový proces polohovania.

Avšak to neznamená, že technológia RTK je bezchybné. Vysoká závislosť systémov RTK na satelitných signáloch z základňovej stanice a roveru ich robí zraniteľnými voči chybám v určovaní polohy, najmä v oblastiach s nedostatočným pokrytím základňovou stanicou alebo keď sú prítomné prekážky ako stromy. Okrem toho môže byť nastavenie a prevádzka systémov RTK dosť zložitá, vyžadujúca špecializované znalosti a zručnosti na konfiguráciu a údržbu, čo môže brániť širokému prijatiu tejto technológie.

Napriek tomu táto technológia zostáva najpoužívanejšou metódou polohovania pre robotické kosačky na trávu, zatiaľ čo technologické spoločnosti naďalej skúmajú ďalšie možnosti optimalizácie, ako sú nasledujúce metódy.

1.2  VSLAM

Ako ďalšia široko využívaná technológia polohovania, VSLAM (vizuálna simultánna lokalizácia a mapovanie) je čoraz viac skúmaná mnohými technologickými spoločnosťami kvôli svojej nízkej cene a rýchlej prispôsobivosti na zmeny v prostredí.

VSLAM je technika, ktorá využíva vizuálne informácie na lokalizáciu prostredia a konštrukciu máp. Integruje počítačové videnie, robotiku a údaje zo senzorov, čo umožňuje budovanie máp v reálnom čase pri presnom určovaní svojej polohy v neznámom prostredí. Typicky VSLAM využíva rôzne typy kamier—ako sú monokulárne, stereo alebo RGB-D kamery—na zachytávanie obrazových údajov z okolia, pričom extrahuje kľúčové prvky ako rohy a hrany z týchto obrázkov. Využíva algoritmy spracovania obrazu, ako sú SIFT a ORB, na porovnávanie týchto prvkov a následne vypočítava pozíciu robota—jeho polohu a orientáciu v priestore—čo mu umožňuje postupne konštruovať buď 2D alebo 3D mapu prostredia.

Môže sa to zdať zložité, ale základná myšlienka je jednoduchá: robot používa svoje kamery na pozorovanie prostredia počas pohybu. Keď sa naviguje, zhromažďuje vizuálne údaje na vytvorenie presnej mapy svojho okolia v reálnom čase. Táto mapovanie umožňuje robotu robiť informované rozhodnutia o svojich ďalších akciách na základe usporiadania prostredia. Táto technológia sa nachádza v rôznych mobilných robotoch, vrátane dronov, robotických vysávačov a autonómnych vozidiel.

Avšak VSLAM má svoje nevýhody. Technológia si vyžaduje značnú výpočtovú silu na spracovanie veľkých obrazových dát v reálnom čase, čo si vyžaduje efektívne algoritmy a silnú hardvérovú podporu. Na rozdiel od technológie RTK je VSLAM tiež zraniteľný voči environmentálnym faktorom, ako sú zmeny osvetlenia, farby a scenérie. Dážď, sneh a prach môžu spôsobiť nepresnosti pri vytváraní máp, čo môže brániť navigácii robota. Okrem toho, keďže sa spolieha výlučne na namontované kamery, jeho prevádzkový rozsah je do istej miery obmedzený.

1.3. Lidar Slam

Lidar SLAM je metóda lokalizácie a mapovania v reálnom čase, ktorá využíva technológiu laserového radaru. Môže vytvárať 2D alebo 3D mapy v reálnom čase, ktoré sú zvyčajne reprezentované ako trojrozmerné bodové mraky alebo modely sietí. Možno ste si všimli, že táto metóda je podobná VSLAM, pretože obe zahŕňajú mapovanie prostredia. Avšak na rozdiel od VSLAM, kde robot používa kamery na zachytenie okolia, Lidar SLAM funguje na základe Lidar senzora namontovaného na robote. Lidar senzory merajú vzdialenosti vysielaním laserových pulzov a prijímaním odrazených signálov, čím generujú vysoko presné údaje o bodových mrakoch prostredia.

Keď sa robot pohybuje svojím okolím, neustále zachytáva dáta z bodového mraku z každého skenu, aby vytvoril mapu aktuálneho prostredia, čím pomáha robotu dosiahnuť lepšiu lokalizáciu.

V porovnaní s VSLAM, Lidar SLAM poskytuje vyššie rozlíšenie environmentálnych dát, najmä v zložitých prostrediach, ako sú mestské ulice a vnútorné prostredia, kde dosahuje väčšiu presnosť ako kamerové senzory používané vo VSLAM. Okrem toho, keďže Lidar využíva lasery na meranie vzdialenosti, zostáva neovplyvnený svetelnými podmienkami, spoľahlivo funguje v slabých aj extrémne jasných prostrediach. V súhrne, Lidar SLAM vyniká v lokalizačných schopnostiach a preukazuje silnú odolnosť voči environmentálnemu rušeniu.

Takže, aké sú nevýhody? Nuž, hlavne ide o náklady. Veľké množstvá údajov z Lidar senzora si vyžadujú značnú výpočtovú silu a zdroje, čo môže skomplikovať vývoj softvéru a zvýšiť náklady. V porovnaní s tým VSLAM zvyčajne spočíva na osvedčených vizuálnych algoritmoch a hojnosť vizuálnych senzorov poskytuje množstvo možností open-source softvéru. Z tohto dôvodu môže byť systém Lidar SLAM - vrátane Lidar senzora, výpočtových jednotiek a softvéru - niekoľkokrát až mnohokrát drahší ako nastavenie VSLAM. Preto je VSLAM zvyčajne prístupnejší pre výrobcov a bežných používateľov.

1.4. UWB

UWB (Ultra-Wideband) polohovanie je technológia, ktorá využíva ultra-široké frekvenčné signály na relatívne polohovanie a meranie vzdialenosti. Primárne sa aplikuje v scénaroch vnútorného polohovania, dosahujúc presnosť polohovania na úrovni sub-metra alebo centimetra. UWB má silné prenikajúce schopnosti, efektívne prechádza cez steny a iné prekážky, pričom si zachováva dobrý výkon v komplexných vnútorných prostrediach, ako je sledovanie majetku, lokalizácia personálu a navigácia. Osobitne pozoruhodnou vlastnosťou UWB je jeho schopnosť podporovať polohovanie a komunikáciu viacerých zariadení súčasne. Vďaka týmto výhodám sa UWB začalo používať aj v vonkajších robotických kosačkách.

Avšak jeho efektívny komunikačný dosah je zvyčajne pomerne krátky, obvykle medzi desiatkami a sto metrami. Táto obmedzenie môže vyžadovať nasadenie ďalších základňových staníc alebo reléového vybavenia pre väčšie trávniky, čo môže byť obmedzujúce. Okrem toho, UWB polohovanie vyžaduje nasadenie viacerých základňových staníc alebo kotevných zariadení v monitorovanej oblasti na dosiahnutie presného polohovania, čo pridáva zložitosti a náklady na nastavenie a údržbu. V súhrne, hoci môže byť efektívne vo vnútri, existuje množstvo obmedzení pri jeho použití vonku.

V tomto momente sa možno cítite trochu zmätení: zdá sa, že žiadne z týchto riešení nie sú naozaj spoľahlivé?

2. Existuje optimálne technologické riešenie pre polohovanie robotických kosačiek na trávu?

Analýzou výhod a nevýhod rôznych populárnych technológií polohovania uvedených vyššie je jasné, že každá technológia má svoje nevýhody. V dôsledku toho niektoré spoločnosti zaoberajúce sa robotikou na kosenie trávnikov sa rozhodnú kombinovať viacero technológií, aby dosiahli najlepšie riešenie. Medzi diskutovanými možnosťami zohráva technológia RTK bezpochyby centrálnu úlohu vďaka svojim najvýznamnejším výhodám a najmenej nevýhodám. Jednoducho sa musíme postaviť na tento základ a začleniť ďalšie technológie, aby sme maximalizovali polohovacie schopnosti robotických kosačiek.

2.1. RTK + UWB? Nie je optimálne

Najprv zvážme, či kombinácia RTK a UWB môže vyriešiť problémy. S RTK, pokiaľ sú vyriešené problémy s pokrytím základnej stanice pre prijímanie GNSS signálov a rušením signálu, by nemali byť pochybnosti o polohovacích schopnostiach RTK. Problém základnej stanice je zvládnuteľný; pokiaľ je v oblasti dostatok GNSS satelitov, môžeme nastaviť dostatočný počet základných staníc na základe potrieb kosačky na trávu, aby sme vyriešili potenciálne problémy s pokrytím signálu na veľkých plochách trávy. Ale dokáže UWB zvládnuť problém s rušením signálu? To je trochu neisté.

Po druhé, UWB polohovanie vyžaduje nasadenie viacerých základňových staníc alebo kotevných bodov v prevádzkovom priestore na dosiahnutie presného polohovania. To môže zahŕňať vysoké náklady na nastavenie a čas v rozsiahlych trávnatých oblastiach alebo zložitých prostrediach, čo vysvetľuje, prečo je to vhodnejšie pre vnútorné polohovanie. Po druhé, hoci UWB signály majú určitú schopnosť prenikania, môžu byť stále v určitých situáciách (ako je hustá vegetácia alebo budovy) blokované alebo oslabené, čo ovplyvňuje výkon polohovania.

2.2.  RTK + Laser? Príliš drahé

Čo sa stane, keď sa technológia RTK polohovania skombinuje s technológiou laserového polohovania? Z predchádzajúcich diskusií vieme, že RTK polohovanie ponúka presnosť na úrovni centimetrov. Zrelé technológie ako Lidar SLAM majú tiež vynikajúcu presnosť a odolnosť voči rušeniu, čo znamená, že ich kombinácia by mohla potenciálne dosiahnuť presnosť polohovania, kde 1 + 1 > 2. Avšak technické a údržbové náklady spojené s takýmito výsledkami sú prohibítne vysoké, čo robí takmer nemožným, aby si to priemerný spotrebiteľ mohol dovoliť. Preto sa budeme musieť zatiaľ zadržať.

2.3. RTK + VSLAM? Áno!

Takže, môže kombinácia RTK a VSLAM vytvoriť systém vizuálnej fúzie polohovania, ktorý nakoniec vyrieši problém? Z technického hľadiska VSLAM rieši nevyhnutné rušenie signálu RTK spôsobené prekážkami na ceste robota, pretože môže neustále vytvárať mapu, aby pomohol stroju pri vyhýbaní sa prekážkam, čím sa znižuje rušenie signálu. Z pohľadu nákladov VSLAM využíva zrelé vizuálne algoritmy, ktoré boli široko prijaté v rôznych sektoroch, čo výrazne znižuje náklady. Preto sú oba problémy vyriešené! Medzitým môže RTK účinne zmierniť nedostatky technológie VSLAM, chrániac pred potenciálnym environmentálnym rušením spôsobeným dažďom, snehom alebo prachom, čím maximalizuje výsledky polohovania dosiahnuté ich kombináciou.

Môžeme vziať EFLS 2.0 použitý v Navimow robotická kosačka na trávu ako príklad na konkrétne preskúmanie aplikácie tejto technológie.

EFLS, alebo Presný systém lokalizácie fúzie, vyžaduje minimálne 10 satelitov pre stabilnú prevádzku. Kombinuje satelitné polohovanie so signálmi z viacerých senzorov na výpočet reálnej polohy robotickej kosačky, dosahujúc presnosť na úrovni centimetrov. Satelitné signály pre EFLS sú získavané z RTK polohovania, pričom robotická kosačka Navimow a anténa prijímajú tieto signály. Nabíjacia stanica uľahčuje prenos signálov z antény do kosačky, čo umožňuje synchronizované výpočty, ktoré znižujú chyby v polohovaní.

Avšak satelitné signály môžu byť počas nepriaznivých poveternostných podmienok, ako je dážď alebo sneh, blokované. Na udržanie presného určovania polohy v takýchto situáciách je do systému integrovaný vizuálny orientačný bod. V oblastiach s slabým pokrytím satelitom zasahuje kamera, aby poskytla robotovi spoľahlivejšie určovanie polohy. Proces vizuálneho mapovania pozostáva z troch kľúčových krokov:

Krok 1: Zber vizuálnych údajov

Počas svojho počiatočného mapovania a prvého kompletného cyklu kosenia kosačka zbiera vizuálne údaje.

Krok 2: Optimalizácia vizuálnej mapy Po návrate na nabíjaciu stanicu kosačka automaticky optimalizuje vizuálnu mapu. Táto optimalizácia trvá niekoľko hodín a pozastaví sa, ak kosačka opustí stanicu.

Krok 3: Vizuálna lokalizácia

Keď sú signály RTK počas kosenia slabé, robotická kosačka porovnáva vizuálne prvky v reálnom čase s vizuálnymi mapovými údajmi, aby vypočítala svoju polohu a zabezpečila nepretržité kosenie.

Okrem toho, s pomocou Visionfence, môže robot rýchlo reagovať na prekážky pred ním v krátkom čase, čím zabezpečuje efektívny proces kosenia.

Teraz si užime zvýšenú efektívnosť a výnimočný zážitok z údržby trávnika, ktorý prináša kombinácia oboch RTK technológií v robotickej kosačke Navimow.