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

Tänk dig detta: medan du pendlar hem från jobbet, slutar din smartphone oväntat att fungera som navigationsenhet. Kan du fortfarande ta dig hem? GNSS (Global Navigation Satellite System) teknik kan verka oansenlig, men den är avgörande för att lokalisera oss själva, navigera och utforska vår omgivning. Dess noggrannhet och bekvämlighet är djupt rotade i våra dagliga liv.

Inspirerad av detta har RTK (Real-Time Kinematic), som förlitar sig på GNSS-satellitsignaler som sin primära källa för positionsdata, blivit allmänt antagen i robotgräsklippare. Denna teknik gör det möjligt för dessa klippare att uppnå centimeterprecision, vilket förändrar gräsklippningsprocessen. Men kan dagens RTK-positioneringssystem vara lika "smarta" som den GNSS-teknik som används i smartphones? Kan de effektivt hjälpa robotklippare att noggrant lokalisera sina positioner och göra gräskötsel mer effektivt? Låt oss ta en närmare titt.

1. Vilka effektiva positioneringsteknologier finns tillgängliga för robotgräsklippare?

1.1 RTK Positioneringsteknik

RTK, eller Real-Time Kinematics, är en bärarfasdifferentiell positioneringsteknik som kan uppnå centimeter-nivå noggrannhet, vilket skiljer den från andra positioneringssystem. Anledningen till att RTK kan uppnå realtids centimeter-nivå positioneringsnoggrannhet ligger i tre huvudfaktorer:

1.1.1 Det använder bärarfasmätningar som avståndsinformation, vilket avsevärt förbättrar noggrannheten med 2 till 3 ordningar av magnitud jämfört med traditionella pseudorangesmätningar.

1.1.2 Genom att utföra differentialberäkningar med data från närliggande basstationer kan olika systematiska fel effektivt elimineras.

1.1.3 Även om bärarfasmätningar är mycket exakta, kan osäkerheten i den initiala fasen leda till problemet med "heltalambiguitet", vilket innebär att man inte vet hur många kompletta cykler av bärarvågen som ingår under signalöverföringen. Men RTK-algoritmen kan noggrant bestämma antalet kompletta cykler, vilket gör att den kan uppnå positionsnoggrannhet på centimeter-nivå.

Sammanfattningsvis kombinerar RTK bärarfas differentierad positionering högprecisionsbärarfasobservationer, differentierade korrigeringar, heltalsambiguitetslösning och undertryckande av multipath-effekter för att möjliggöra centimeter-nivå högprecisionspositionering. För att illustrera, om den tidigare noggrannheten var längden av två Cadillacs, är den nuvarande noggrannheten jämförbar med storleken på en nagel - exceptionellt precis för en bakgård. Följaktligen kan robotgräsklippare nu noggrant trimma angivna områden, liknande moderna robotdammsugare.

Dessutom kan de differentialsignaler som finns mellan basstationen och roveran beräknas i realtid för att tillhandahålla korrigeringsinformation, och högfrekvent datatransmission (vanligtvis mellan 1 Hz och 20 Hz) möjliggör snabba uppdateringar av positioneringen, vilket resulterar i att RTK-system har en mycket snabb responstid och uppnår noggrannhet på millisekundsnivå. Vidare hjälper den breda täckningen av differentialsignaler effektivt till att korrigera fel orsakade av multipath-effekter och miljöinterferens (såsom byggnader och träd), vilket minskar påverkan av lokala förhållanden på den övergripande positioneringsprocessen.

Men detta betyder inte att RTK-teknik är ofelbar. Den höga beroendet av RTK-system på satellitsignaler från basstationen och rover gör dem sårbara för positionsfel, särskilt i områden med otillräcklig basstations täckning eller när det finns hinder som träd. Dessutom kan installationen och driften av RTK-system vara ganska komplex, vilket kräver specialiserad kunskap och färdigheter för konfiguration och underhåll, vilket kan hindra den breda adoptionen av denna teknik.

Ändå förblir denna teknik den mest använda positioneringsmetoden för robotgräsklippare, medan teknikföretag fortsätter att utforska ytterligare optimeringsalternativ, såsom följande metoder.

1.2 VSLAM

Som en annan allmänt använd positioneringsteknik utforskas VSLAM (Visuell Samtidig Lokalisering och Kartläggning) alltmer av många teknikföretag på grund av dess låga kostnad och snabba anpassning till miljöförändringar.

VSLAM är en teknik som utnyttjar visuell information för miljölokalisering och kartläggning. Den integrerar datorsyn, robotik och sensordata, vilket möjliggör realtidskartläggning samtidigt som den noggrant bestämmer sin position i okända miljöer. Vanligtvis använder VSLAM olika typer av kameror—såsom monokulära, stereokameror eller RGB-D-kameror—för att fånga bilddata från omgivningen, och extraherar nyckelfunktioner som hörn och kanter från dessa bilder. Den använder bildbehandlingsalgoritmer, såsom SIFT och ORB, för att matcha dessa funktioner och beräknar därefter robotens position—dess läge och orientering i rymden—vilket gör att den gradvis kan konstruera antingen en 2D- eller 3D-miljökarta.

Det kan verka invecklat, men kärnidéen är enkel: roboten använder sina kameror för att observera omgivningen medan den rör sig. När den navigerar samlar den visuell data för att skapa en exakt realtidskarta över sin omgivning. Denna kartläggning gör det möjligt för roboten att fatta informerade beslut om sina nästa åtgärder baserat på miljöns utformning. Denna teknik kan hittas i olika mobila robotar, inklusive drönare, robotdammsugare och autonoma fordon.

Men VSLAM har sina nackdelar. Teknologin kräver betydande beräkningskraft för realtidsbearbetning av stora bilddataset, vilket kräver effektiva algoritmer och stark hårdvarustöd. Till skillnad från RTK-teknologi är VSLAM också sårbart för miljöfaktorer som ljusförändringar, färger och landskap. Regn, snö och damm kan orsaka felaktigheter i kartläggningen, vilket kan hindra robotens navigering. Dessutom, eftersom det enbart är beroende av de monterade kamerorna, är dess operativa räckvidd något begränsad.

1.3. Lidar Slam

Lidar SLAM är en realtidslokaliserings- och kartläggningsmetod som använder laserradarteknik. Den kan producera realtids 2D- eller 3D-kartor, som vanligtvis representeras som tredimensionella punktmoln eller nätmodeller. Du kanske har märkt att denna metod liknar VSLAM, eftersom båda involverar miljökartläggning. Men till skillnad från VSLAM, där roboten använder kameror för att fånga den omgivande miljön, fungerar Lidar SLAM baserat på en Lidar-sensor som är monterad på roboten. Lidar-sensorer mäter avstånd genom att sända ut laserpulser och ta emot de reflekterade signalerna, vilket genererar högprecisions punktmolndata av miljön.

När roboten rör sig genom sin omgivning, fångar den kontinuerligt punktmolnsdata från varje skanning för att skapa en karta över den aktuella miljön, vilket hjälper roboten att uppnå bättre lokalisering.

Jämfört med VSLAM levererar Lidar SLAM högre upplösning på miljödata, särskilt i komplexa miljöer som stadsgator och inomhusmiljöer, där det uppnår större noggrannhet än kamerasensorerna som används i VSLAM. Dessutom, eftersom Lidar använder lasrar för avståndsmätning, påverkas det inte av ljusförhållanden, och fungerar pålitligt i både svagt och extremt starkt ljus. Sammanfattningsvis utmärker sig Lidar SLAM i lokaliseringsförmågor och visar stark motståndskraft mot miljöinterferens.

Så, vad är nackdelarna? Tja, det handlar främst om kostnader. De stora mängderna data från Lidar-sensorn kräver betydande bearbetningskraft och resurser, vilket kan komplicera mjukvaruutvecklingen och driva upp kostnaderna. I jämförelse förlitar sig VSLAM vanligtvis på etablerade visuella algoritmer, och överflödet av visuella sensorer erbjuder många alternativ för öppen källkod. På grund av detta kan ett Lidar SLAM-system—inklusive Lidar-sensorn, datorkomponenter och mjukvara—vara flera gånger till många gånger dyrare än en VSLAM-installation. Därför är VSLAM vanligtvis mer tillgängligt för tillverkare och vanliga användare.

1.4. UWB

UWB (Ultra-Wideband) positionering är en teknik som använder ultrabreda frekvenssignaler för relativ positionering och avståndsmätning. Den tillämpas främst i inomhuspositioneringsscenarier och uppnår submeter- eller centimeter-nivå positioneringsnoggrannhet. UWB har starka penetrationsförmågor, vilket effektivt gör att den kan passera genom väggar och andra hinder samtidigt som den bibehåller god prestanda i komplexa inomhusmiljöer, såsom tillgångsspårning, personallokalisering och navigering. En särskilt anmärkningsvärd egenskap hos UWB är dess förmåga att stödja positionering och kommunikation av flera enheter samtidigt. Tack vare dessa fördelar har UWB också börjat användas i utomhusrobotgräsklippare.

Men dess effektiva kommunikationsområde är vanligtvis ganska kort, vanligtvis mellan tiotals och hundra meter. Denna begränsning kan kräva att ytterligare basstationer eller reläutrustning installeras för större gräsmattor, vilket kan vara begränsande. Dessutom kräver UWB-positionering installation av flera basstationer eller ankarenheter inom det övervakade området för att uppnå noggrann positionering, vilket ökar komplexiteten och kostnaden för installation och underhåll. Sammanfattningsvis, medan det kan vara effektivt inomhus, finns det många begränsningar när det används utomhus.

Vid det här laget kanske du känner dig lite förvirrad: det verkar som om ingen av dessa lösningar är verkligen pålitliga?

2. Finns det en optimal positioneringstekniklösning för robotgräsklippare?

Genom analysen av fördelarna och nackdelarna med de olika populära positioneringsteknologierna som nämnts ovan, är det tydligt att varje teknologi har sina nackdelar. Som ett resultat väljer vissa företag inom gräsklipparrobotik att kombinera flera teknologier för att uppnå den bästa lösningen. Bland de diskuterade alternativen spelar RTK-teknologin utan tvekan en central roll på grund av sina mest betydande fördelar och minst nackdelar. Vi behöver helt enkelt bygga vidare på denna grund och integrera andra teknologier för att maximera positioneringsmöjligheterna för robotgräsklippare.

2.1. RTK + UWB? Inte optimalt

Först, låt oss överväga om kombinationen av RTK och UWB kan lösa problemen. Med RTK, så länge problemen med basstationstäckning för att ta emot GNSS-signaler och signalstörningar hanteras, bör positioneringsförmågorna för RTK inte ifrågasättas. Basstationsproblemet är hanterbart; så länge det finns tillräckligt med GNSS-satelliter tillgängliga i området kan vi sätta upp ett tillräckligt antal basstationer baserat på gräsklipparens behov för att hantera potentiella signalöverföringsproblem över stora gräsytor. Men kan UWB hantera problemet med signalstörningar? Det är lite osäkert.

För det andra kräver UWB-positionering att flera basstationer eller ankare installeras inom det operativa området för att uppnå noggrann positionering. Detta kan innebära höga installationskostnader och tid i stora grönområden eller komplexa miljöer, vilket förklarar varför det är mer lämpligt för inomhuspositionering. För det andra, även om UWB-signaler har en viss grad av penetrationsförmåga, kan de fortfarande blockeras eller dämpas i vissa situationer (såsom tät vegetation eller byggnader), vilket påverkar positioneringsprestanda.

2.2.  RTK + Laser? För dyrt

Vad händer när RTK-positioneringsteknik kombineras med laserpositioneringsteknik? Från tidigare diskussioner vet vi att RTK-positionering erbjuder centimeter-nivå noggrannhet. Mogna teknologier som Lidar SLAM har också utmärkt precision och motståndskraft mot störningar, vilket innebär att deras kombination potentiellt kan uppnå en positioneringsnoggrannhet där 1 + 1 > 2. Men de tekniska och underhållskostnader som är förknippade med sådana resultat är oöverkomligt höga, vilket gör det nästan omöjligt för den genomsnittliga konsumenten att ha råd. Således får vi vänta ett tag till.

2.3.  RTK + VSLAM? Ja!

Så, kan kombinationen av RTK och VSLAM skapa ett visuellt fusionspositionssystem som slutligen löser problemet? Ur ett tekniskt perspektiv adresserar VSLAM RTK:s oundvikliga signalstörningar orsakade av hinder i robotens väg, eftersom det kontinuerligt kan bygga en karta för att hjälpa maskinen att undvika hinder, vilket minskar signalstörningar. Ur ett kostnadsperspektiv använder VSLAM mogna visuella algoritmer som har antagits brett inom olika sektorer, vilket sänker kostnaderna avsevärt. Därför löses båda problemen! Samtidigt kan RTK effektivt mildra nackdelarna med VSLAM-teknologin, skydda mot potentiell miljöstörning orsakad av regn, snö eller damm, och därigenom maximera de positionsresultat som uppnås genom deras kombination.

Vi kan ta EFLS 2.0 som används i Navimow robotgräsklippare som ett exempel för att specifikt undersöka tillämpningen av denna teknik.

EFLS, eller Exact Fusion Locating System, kräver minst 10 satelliter för stabil drift. Det kombinerar satellitpositionering med signaler från flera sensorer för att beräkna robotgräsklipparens realtidspositionering, vilket uppnår centimeter-nivå noggrannhet. Satellitsignalerna för EFLS hämtas från RTK-positionering, där både Navimow robotgräsklipparen och en antenn tar emot dessa signaler. Laddningsstationen underlättar överföringen av signaler från antennen till klipparen, vilket möjliggör synkrona beräkningar som minskar positionsfel.

Men satellitsignaler kan blockeras under ogynnsamma väderförhållanden, såsom regn eller snö. För att upprätthålla noggrann positionering i sådana situationer integreras visuella landmärken i systemet. I områden med dålig satellit täckning träder kameran in för att ge roboten mer pålitlig positionering. Den visuella kartläggningsprocessen består av tre nyckelsteg:

Steg 1: Visuell datainsamling

Under sin initiala kartläggning och den första kompletta klippcykeln samlar gräsklipparen in visuell data.

Steg 2: Visuell Karta Optimering När gräsklipparen återvänder till laddstationen optimerar den automatiskt den visuella kartan. Denna optimering tar flera timmar och pausas om gräsklipparen lämnar stationen.

Steg 3: Visuell Lokalisering

När RTK-signalerna är svaga under gräsklippningsoperationer jämför robotgräsklipparen realtids visuella funktioner med de visuella kartdata för att beräkna sin plats, vilket säkerställer oavbruten klippning.

Dessutom, med hjälp av Visionfence, kan roboten snabbt reagera på hinder framför sig inom kort tid, vilket säkerställer en effektiv klippningsprocess.

Nu, låt oss njuta av den förbättrade effektiviteten och den exceptionella gräsmatteunderhållsupplevelsen som kombinationen av båda RTK-teknologierna i Navimow robotgräsklipparen erbjuder.