Беспилотные транспортные средства - это интеллектуальные автономные транспортные средства, способные выполнять планирование маршрута и восприятие окружающей среды, и стали популярным объектом исследований в области разработки интеллектуальных транспортных средств. Беспилотные транспортные средства могут определять окружающую обстановку и свои собственные условия с помощью бортовых датчиков и выполнять навигационные и позиционные расчеты для планирования маршрутов к определенным целям.
В различных условиях один навигационный датчик не в состоянии обеспечить точные данные для навигации с высокой степенью точности. Поэтому на беспилотные транспортные средства устанавливают различные датчики. В настоящее время наиболее используемыми датчиками являются инерциальные измерительные блоки (ИИБ), ультракоротковолновые (UWB) и колесные одометры.
Для повышения адаптивности и надежности системы беспилотного транспортного средства исследователи Харбинского института технологии изучали многодатчиковую навигационную систему и стремились решить проблему асинхронного сбора данных в случае отказа датчика. Исследователи абстрагировали информацию датчика в факторы и использовали модель графа факторов для создания многодатчиковой структуры, затем использовали инкрементальный алгоритм оптимизации сглаживания и картографирования (iSAM2) на основе байесовского дерева для обработки и синхронизации информации датчика. Этот метод гарантирует, что точность близка к методу наименьших квадратов, сохраняя при этом вычислительную эффективность, что может значительно повысить устойчивость и надежность навигационной системы.
Исследование сосредоточилось на интеграции данных ИМС, UWB и одометра в помещении с беспилотным транспортным средством, двигающимся с относительно низкой скоростью. Для проверки производительности алгоритма навигации исследователи построили многосенсорную платформу, оснащенную мобильным квадрокоптером Scout 2.0, оснащенным MTi-G-700 (ИМС), LinkTrack S (UWB) и одометром (ODOM) для его бортовых датчиков. Платформа работала на системе Ubuntu и использовала Robot Operation System (ROS) для синхронизированного сбора данных.
Расположение базовой станции UWB
Расположение установки IMU и UWB
Для получения фактического положения платформы исследователи использовали систему захвата движения NOKOV. К платформе было прикреплено три отражающих идентификационных точки и отслеживались 16 оптическими линзами Mars, установленными над испытательным полем 5м × 5м. Поскольку точность позиционирования системы захвата движения NOKOV достигает уровня меньше миллиметра, она обеспечила надежную информацию о фактическом положении и траектории движения тележки.
Рисунок 3 Система захвата движения NOKOV
Рис. 4 Расположение отражающих маркеров
Для анализа производительности системы навигации эксперимент сравнивал данные ИМС+UWB+ODOM с фактическими параметрами, записанными системой захвата движения, затем сравнивал эти данные с данными, полученными отдельным датчиком.
Исследователи пришли к выводу, что у одиночных датчиков есть определенные ограничения, в то время как многосенсорный алгоритм существенно улучшает производительность по сравнению с одиночной системой датчиков. Они также проанализировали эффективность и надежность многосенсорной системы, доказав, что метод значительно улучшил вычислительную эффективность и надежность системы навигации, которая также способна получать более точную информацию о позиционировании при отказе датчика, чем это было возможно ранее.
Ссылки:
Shen Hebing. Исследование технологии навигации по слиянию информации многоисточникового датчика БПЛА [D]. Харбинский технический университет, 2021. DOI: 1027061 / d.cnki.ghgdu.2021.004020.
Применение систем захвата движения в изучении технологии интегрированной внутренней позиционирования
Гибкий робот для реабилитации верхних конечностей с использованием технологии виртуальной реальности
Пожалуйста, свяжитесь с нами
-
Мы прилагаем все усилия для того, чтобы помочь вам в ваших запросах и предоставить полную информацию.
Поделитесь с нами своими проблемами, и мы быстро направим вас к наиболее эффективному решению.
-
-
- Объем захвата * m m m
-
Объекты для отслеживания *
- Количество целей (необязательно)
-
Тип камеры (по желанию)
-
Количество камер (необязательно)
- Отправить