Внедрение

Навигация по естественным функциям может работать для мобильных роботов

23 Ноября 2021
Навигация по естественным функциям может работать для мобильных роботов

Для функционирования управляемых автоматами транспортных средств и автономных мобильных роботов (AMR) им необходимо знать, где они находятся, куда им нужно идти и как туда добраться.

Хотя простые технологии «следования за линией» имеют своё место, они связаны с высокими накладными расходами на установку и, поскольку требуют изменений в постоянной инфраструктуре, плохо поддаются адаптации к новым требованиям.

Навигация по естественному сопоставлению функций основана на использовании постоянных функций на маршруте AMR, её проще установить и она более гибкая для будущих нужд. Но как это работает и почему так хорошо работает?

Тип навигационной технологии, используемой в AMR, оказывает самое большое влияние на его производительность. В основном, «естественная» или «свободная» навигация использует одну из двух технологий: сопоставление сканирования (иногда называемое SLAM – одновременная локализация и картирование) или сопоставление функций.

Обе технологии должны иметь возможность «видеть», чтобы соответствовать функциям окружающей среды. Разница между ними заключается в ссылках, которые робот использует для того, чтобы вычислить, где он находится.

В навигации по сканированию с сопоставлением используются лазеры для измерения площади вокруг робота и сравнения (сопоставления) с предварительно подготовленной справочной картой на основе сетки. Это похоже на сравнение пикселей между изображениями, чтобы увидеть, совпадают ли они.

AMR вычисляет своё местоположение на основе найденных совпадающих точек, при этом используя датчики движения для определения изменения своего положения (одометрии) по мере движения относительно идентифицированной точки.

Проблема с навигацией с сопоставлением сканирования заключается в плотности карты сетки и в количестве точек, которые необходимо распознать для точного позиционирования. Робот использует SLAM как для создания карты, так и для её регулярного обновления.

Представьте себе лес с деревьями, листьями и животными. Робот будет сканировать всё это, чтобы составить свою справочную карту. Однако в следующий раз, когда робот пройдет мимо, животные и листья переместятся, создавая множество обновлений карты и затрудняя определение местоположения AMR. Любая среда может незначительно измениться, и при сканировании, соответствующем AMR, необходимо будет определить около 60% точек вокруг неё для точной и надёжной локализации.

При использовании навигационной технологии сопоставления функций сканированные изображения, полученные с помощью лазеров робота, сравниваются с постоянными элементами, такими как колонны или стены.

Размер и угол каждого объекта позволяют роботу легко его идентифицировать, и, хотя исходная карта создаётся с использованием технологии SLAM при ручном перемещении робота по площадке, интегратор удаляет все динамические объекты, чтобы оставить простую карту для робота.

В приведённом выше примере с лесом функция, соответствующая AMR, будет использовать только фиксированные точки: стволы деревьев. Вместо плотного изображения всех элементов в лесу остается базовый линейный рисунок ключевой инфраструктуры, которому нужно следовать.

Игнорируя все движущиеся части, ему нужно определить лишь небольшой процент (около 5%) своего окружения для точной и эффективной навигации. Он по-прежнему использует одометрию для расчёта своего положения при движении. Таким образом, даже если объекты заблокированы для просмотра или не могут быть сопоставлены в течение короткого времени, он может продолжить движение на несколько метров.

Поскольку постоянные объекты используются в качестве ссылок для расчёта положения робота, а карта никогда не обновляется, это гарантирует высокую точность с течением времени, а карта более надёжна и устойчива к динамическим изменениям в окружающей среде. При согласовании сканирования постоянное обновление карты может означать, что ошибки измерения закрадываются и усугубляются сверхурочно, снижая точность.

При этом лазеры на борту AMR непрерывно контролируют окружающую среду, и, если обнаружено движущееся препятствие, робот может быть запрограммирован либо на остановку и ожидание, пока препятствие не исчезнет, либо на уклонение от препятствия, изменяя свой путь для его обхода.

По мере того, как отрасли повышают уровень автоматизации для повышения эффективности и согласованности процессов, использование AMR растёт, в том числе для наружных приложений. При передвижении на открытом воздухе роботы должны быть рассчитаны на работу в различных и суровых погодных условиях. На открытом воздухе динамические элементы, которые робот должен видеть в прошлом, чтобы обеспечить локализацию, включают пыль, дождь или даже снег.

Как и в примере с лесом, использование навигации по сопоставлению функций упрощает для AMR определение функций, необходимых для надёжной навигации по открытым территориям. Его простой «штриховой рисунок», а не плотное изображение означает, что он может видеть сквозь визуальный шум, создаваемый погодой.


Подписывайтесь на журнал «Вестник ГЛОНАСС» и навигационный Telegram-канал

По материалам Robotics and Automation News 

Короткая ссылка:  vestnik-glonass.ru/~SpDZp
28.03.2024
Без отработки высоких технологий, применяемых и в наши дни, не было бы важных открытий, раздвигающих горизонты наших знаний о Вселенной, таких, например, как открытие и изучение «чёрных дыр» и планетарных систем других звёзд. Для этих наблюдений нужны точные и чувствительные инструменты, в том числе внеатмосферные комплексные обсерватории. Такими выдающимися приборами являются современные телескопы и американской, и российской программ. Такие изделия, как «Великие обсерватории» НАСА, а также российские КА серии «Спектр», обладают точностями и чувствительностями, превышающими все предыдущие проекты на несколько порядков.
27.03.2024
Население Земли растёт невиданными темпами. Вместе с тем меняется и степень урбанизации населения – понятно, в какую сторону. Люди во всём мире непрерывно переезжают из сельских районов в поисках работы, возможностей улучшения условий жизни и ради лучшего будущего для своих детей (в среднем 180 000 ежедневно). Мы ступили на некий рубеж, который вот-вот перейдём и пойдём дальше – впервые в истории большая часть мирового народонаселения проживает в городах.
26.03.2024
В 1957 году советский космический аппарат «Спутник-2» впервые в истории человечества вывел на орбиту астрономические приборы для наблюдения за Вселенной. Идею наблюдать космос с помощью космических обсерваторий полтора века тому назад предложил К.Э. Циолковский. Размещение телескопов вне пределов земной атмосферы дало бы возможность избавиться от искажений, связанных с распространением излучений в воздушных слоях и радиационных поясах нашей планеты.
25.03.2024
По мнению Олега Слепца, эксперта Ассоциации «ГЛОНАСС/ГНСС-Форум», заместителя генерального директора по развитию оператора услуг спутникового мониторинга мобильных объектов с использованием технологий глобального позиционирования ГЛОНАСС/GPS в отраслях народного хозяйства (транспорт, сельское хозяйство) в Орловской области, высокоточное позиционирование у нас – в глухом тупике.

СТАТЬИ ГЛОНАСС

Необходим поиск отечественных специалистов в области кибербезопасности сельского хозяйства
Перспективы реализации дорожной карты одного из направлений Национальной технологической инициативы (НТИ) в области сельского хозяйства, по просьбе журнала «Вестник ГЛОНАСС», оценил эксперт в навигационно-информационной сфере Семён Видный. В современных, быстроизменяющихся условиях особого решения требуют вопросы безопасности (направление SafeNet), тем более на таком значимом для государства агросекторе. В этом направлении на данный момент – огромное количество профессиональных участников. Но большинство из них используют иностранные наработки, что в настоящий момент и на перспективу неприемлемо. Также все профессионалы никогда не занимались этим специфическим сектором экономики – сельским хозяйством. Так что здесь придётся ещё поискать участников.
Аграриям предстоит работать в одной системе координат
Как известно, основой современного цифрового агрокомплекса является картогорафирование. Семён Видный, эксперт в области применения современных навигационно-информационных технологий в сельском хозяйстве поделился с читателями журнала «Вестник ГЛОНАСС» с кругом решаемых проблем при обработке массивов картографических данных. Таким образом, выяснилось, что все используют данные в различных системах координат, но пытаются укладывать их на одну картографическую основу и, соответственно, получают нестыковки и ошибки. Всё это приводит к тому, что используемые данные из Роскадастра, из Центров химизации и от высокоточных источников (данные дистанционного зондирования Земли, данные с беспилотников и высокоточных навигационных или геодезических приборов) не состыковываются друг с другом и только вводят в заблуждение сельхозтоваропроизводителей и собственников сельхозземель. И это также отражается на отношениях со смежными землепользователями.