जीपीएस के बिना पूर्ण स्थिति


23

एक IMU का उपयोग करके एक रोबोट अपनी प्रारंभिक स्थिति के सापेक्ष अपनी वर्तमान स्थिति का अनुमान लगा सकता है, लेकिन यह समय के साथ त्रुटि उत्पन्न करता है। जीपीएस स्थानीय त्रुटि संचय द्वारा पक्षपाती नहीं होने की स्थिति की जानकारी प्रदान करने के लिए विशेष रूप से उपयोगी है। लेकिन जीपीएस का उपयोग घर के अंदर नहीं किया जा सकता है, और यहां तक ​​कि बाहर भी धब्बेदार हो सकता है।

तो क्या कुछ तरीके या सेंसर हैं जो एक रोबोट जीपीएस का उपयोग किए बिना स्थानीयकरण (संदर्भ के कुछ फ्रेम के सापेक्ष) का उपयोग कर सकते हैं?


जोड़ा गया स्लैम (एक साथ स्थानीयकरण और मानचित्रण) टैग, दोनों के रूप में पहले दो जवाब पर गौर
एंड्रयू

निश्चित नहीं है कि इस रोबोट का पैमाना क्या है, लेकिन अगर यह कुछ भारी है और जीपीएस में धीरे-धीरे चलता है, तो अज्ञात इलाकों के इनडोर इलाकों (पूर्व: मेरा सुरंग) से इनकार कर दिया है, तो आप कुल स्टेशन का उपयोग करके रोबोट की सटीक स्थिति देख सकते हैं और ट्रैकिंग प्रिज्म के जोड़े।
जेरोमे

जवाबों:


20

मुख्य रूप से, मृत रेकिंग का उपयोग कुछ अन्य तकनीक के साथ किया जाता है, आमतौर पर एसएलएएम-जैसे। रोबोट एक नक्शा बनाता है, और फिर उस नक्शे के भीतर स्थानीयकरण करने की कोशिश करता है। उदाहरण के लिए, लेजर रेंज स्कैनर का उपयोग करना, और मृत रेकनिंग के आधार पर, रोबोट को यह पता है कि वह कहां है। लेजर रेंज डेटा की तुलना नक्शे से करने पर यह अपने अनुमान में सुधार कर सकता है।

प्रासंगिक संसाधन हैं:

विधियों में शामिल हैं:

  • SLAM (या कम से कम स्थानीयकरण) के साथ
    • लेज़र
    • दृष्टि (कैमरे, स्टीरियो-दृष्टि)
    • संरचित वातावरण
  • सेलुलर सिग्नल
  • वाईफाई सिग्नल
  • RF (रेडियो फ़्रीक्वेंसी) बीकन और ट्राइजंक्शन ( http://www.wpi.edu/Images/CMS/PPL/ITT.pdf पर अधिक जानकारी )।
  • कैमरा ट्रैकिंग सिस्टम (एक स्थान के भीतर मार्करों की ऑप्टिकल ट्रैकिंग)

Ronalchn पर विस्तार करने के लिए, मूल रूप से आपको ज्ञात स्थानों पर कुछ प्रकार के बीकन की आवश्यकता होती है ताकि किसी मानचित्र या रिश्तेदार वस्तुओं (जैसे दीवारों या दरवाजों) को सेंस करने का एक तरीका हो। बीकन आपके रोबोट या दोहरे उपयोग (ज्ञात वाईफाई राउटर, सेल टॉवर स्थानों आदि) के लिए विशिष्ट हो सकता है
वियनामाइक

9

मैं समझता हूं कि आपको दिए गए संदर्भ फ्रेम में अपनी स्थिति का पता लगाने के लिए जीपीएस के विभिन्न साधनों को खोजने में समस्या है। अलगाव में इस समस्या को स्थानीयकरण कहा जाता है, और प्रदर्शन करने के कई तरीके हैं। सबसे पहले आपको सापेक्ष तरीकों में अंतर करना होगा, इसलिए माप जो स्थिति में पहले से ज्ञात स्थिति में बदलाव प्रदान करते हैं। इस पद्धति में समस्या है, कि कोई भी त्रुटि स्पष्ट रूप से जमा हो जाती है, और अनबाउंड हो जाएगी।

  • मृत रेकिंग संभवतः स्थानीयकरण के सबसे पुराने तरीकों में से एक है। यदि आप हेडिंग, गति और समय का उपयोग करते हैं (इसलिए यात्रा की गई दूरी का अनुमान लगाते हैं) तो आप एक प्रारंभिक स्थिति से स्थिति में परिवर्तन कर सकते हैं।

  • डेड रेकिंग का उपयोग करने के अलावा आप लैंडस्केप भी नहीं कर सकते हैं और उन्हें मैप में ट्रैक भी कर सकते हैं। उन स्थलों को फिर से खोजने से आप अपने रिश्तेदार की स्थिति को कम कर पाएंगे। यह एक साथ स्थानीयकरण और मानचित्रण (SLAM) समस्या है। यह अभी भी सापेक्ष नेविगेशन है।

अब पूर्ण नेविगेशन पर आपके वास्तविक प्रश्न पर आ रहा है। जीपीएस जो कुछ भी करता है वह आपको लैंडमार्क के लिए आपके संदर्भ फ्रेम में एक ज्ञात स्थिति की जानकारी (इस मामले में जियोसेंट्रिक) के साथ दूरी का अनुमान प्रदान करता है। जीपीएस रिसीवर इन सूचनाओं को ले लेंगे और एक स्थिति समाधान उत्पन्न करेंगे, जिसमें एक त्रुटि भी है। हालाँकि अच्छी बात यह है कि यह त्रुटि आपके संदर्भ के दायरे में बंधी है। यह वह है जो इसे एक पूर्ण स्थिति बनाता है। तो चाहे इसके घर के बाहर या आपके वांछित संदर्भ फ्रेम की परवाह किए बिना, आप सभी को पूर्ण स्थिति प्रणालियों की आवश्यकता होती है, जो आपके संदर्भ फ्रेम के भीतर कुछ ज्ञात ऐतिहासिक स्थिति के संबंध में माप हैं। उनमें से कुछ तरीके पिछले उत्तर में दिए गए हैं । यद्यपि, जैसा कि मैंने कहा, SLAM एक पूर्ण विधि नहीं है।

  • सबसे सरल रूप प्रत्यक्ष लैंडमार्क मान्यता है। यदि आप एक एफिल-टॉवर देखते हैं, तो आपको पृथ्वी की निश्चित सीमा के भीतर अपनी पूर्ण स्थिति (कम से कम पूर्ण त्रुटि के साथ) की एक अच्छी धारणा होनी चाहिए (यदि आप एफिल-टॉवर की स्थिति जानते हैं)। हालाँकि आपको कुछ ना- नुकुर करनी पड़ सकती है ।

  • यदि आप अपनी पूर्ण स्थिति त्रुटि को सुधारना चाहते हैं, तो आप एक ही समय में कई स्थलों का उपयोग कर सकते हैं। शास्त्रीय त्रिकोणासन एक ऐसा उदाहरण है। एक और एक चंद्र वंश वाहन के लिए craters का उपयोग कर रहा है। लैंडमार्क को दृश्य नहीं होना चाहिए, और आप वाईफाई या सेलुलर स्थानीयकरण जैसे ज्ञात संकेतों के लिए आरएफ सिग्नल की ताकत जैसी चीजों का उपयोग कर सकते हैं।

  • उपरोक्त सभी विधियों को स्थलों की आवश्यकता थी, जिन्हें पहचानने और विशिष्ट रूप से संबद्ध करने की आवश्यकता है। यदि यह एक समस्या है, तो आप विभिन्न तरीकों का भी उपयोग कर सकते हैं, जैसे इलाके प्रोफ़ाइल । यह उदाहरण के लिए प्रारंभिक क्रूज मिसाइल नेविगेशन के लिए लागू किया गया है । मैंने दृश्य या श्रेणी संवेदन के बिना ऊंचाई वाले नक्शे पर स्थानीयकरण के लिए भी इस पद्धति का उपयोग किया है ।

उपरोक्त सभी विधियों के साथ: जब तक आपके किसी भी मानचित्र सामग्री में जियो-संदर्भित जानकारी जुड़ी होती है, आप स्पष्ट रूप से जीपीएस के उपयोग के बिना खुद को जियो-संदर्भ कर सकते हैं। विधियों में अंतर करने के लिए सबसे महत्वपूर्ण कारक उनकी त्रुटि विशेषताएँ हैं।


4

मुझे पता है कि यह एक पुराना सवाल है, लेकिन मैं वर्तमान में मौजूदा उत्तरों में थोड़ा सा जोड़ दूंगा। सबसे पहले, यह एक बहुत ही जटिल समस्या है जिससे हर कोई निपटने की कोशिश कर रहा है, जिसमें उनके टैंगो प्रोजेक्ट के साथ Google भी शामिल है । सामान्य तौर पर, इनडोर का स्थानीयकरण करने के लिए या तो आपको अपने आंतरिक सेंसर पर भरोसा करने की आवश्यकता होती है, या अपने आप को खोजने के लिए एक इनडोर बुनियादी ढांचे से सहायता प्राप्त करने के लिए तैनात किया जाता है।

  • जहाज पर सेंसर पर भरोसा करना:
    • LIDAR / लेजर, कैमरा, RGBD सेंसर, IMU जैसे सेंसर का उपयोग करना
    • जटिल पुनरावृत्त स्थानीयकरण के कुछ प्रकार के प्रदर्शन के लिए जटिल एल्गोरिथम सेंसर संलयन करें। एसएलएएम (एक साथ स्थानीयकरण और मानचित्र निर्माण) का आमतौर पर उपयोग किया जाता है। मैंने पहले एक सरल, लेकिन त्रुटि प्रवण स्थानीयकरण करने के लिए MRICP (Map Reference Iterative Closest Point) नामक विधि विकसित की थी । उस मोर्चे पर देखने के लिए साहित्य के बहुत सारे, हाल के एककोशिकीय और स्टीरियोस्कोपिक दृश्य ओडोमेट्री सहित, जो काफी आशाजनक है ( स्काईबॉटिक्स या एसवो से चेक सेंसर )।
  • आधारभूत संरचना पर भरोसा:
    • बीकन (ब्लूटूथ, अल्ट्राबैंड, वायरलेस ...)
    • मोकैप (मोशन कैप्चर कैमरे: विकॉन, विजुअलज ...)
    • प्रकाश बल्बों में एन्कोडेड पोजिशनिंग (हाल ही में इस पर प्रयोग किया गया है)

सामान्य तौर पर यह वास्तव में निर्भर करता है कि आप किस सटीकता को प्राप्त करने की कोशिश कर रहे हैं। मोबाइल रोबोटिक्स में, मेरे अनुभव से, आपको वास्तव में विश्व स्तर पर निरंतर मानचित्रों और स्थानीय रूप से सटीक स्थिति पर ध्यान देने की आवश्यकता है। इसका मतलब है कि आपको मोटे तौर पर यह जानने की जरूरत है कि आप उच्च-स्तरीय टोपोलॉजिकल तरीके से हैं (यह कमरा बाईं ओर दूसरे कमरे से जुड़ा है, बनाम बाईं तरफ का अगला कमरा 2.323 मी दूर है), लेकिन स्थानीय स्तर पर आपको एक सटीक होना चाहिए स्थिति का अनुमान (लेज़र + IMUs इसे सटीक रूप से कर सकते हैं)।

उम्मीद है की यह मदद करेगा।


3

यदि आपका लक्ष्य एक भू-संदर्भित स्थानीयकरण है, तो आपको कुछ बिंदु पर जीपीएस का उपयोग करना होगा । अन्य तकनीकें (मृत गणना, SLAM, ...) केवल "ब्रिज" धब्बेदार जीपीएस / इनडोर पूर्ण स्थिति रिसेप्शन के लिए उपयोगी होगी।


2

आप पूछ रहे हैं कि बेहतर स्थिति माप बनाने के लिए त्वरण सेंसर का उपयोग कैसे करें। जैसा कि आपने सही ढंग से बताया है, ये समय के साथ त्रुटि जमा करते हैं।

इसे सुधारने का एक तरीका यह है कि समय-समय पर निरपेक्ष-स्थिति अपडेट, जैसे जीपीएस से, या यहाँ के कई उत्तरों में तकनीकों से।

हालाँकि, ऐसी किसी भी क्षमता को अनदेखा न करें, जो आपको पूर्ण-वेग अपडेट प्राप्त करने के लिए हो सकती है। किसी भी स्पीड-ओवर-ग्राउंड सेंसर, या पहियों से केवल कच्ची स्थिति / वेग डेटा (यदि आपके पास पहिए हैं) आपकी मृत गणना सटीकता में सुधार कर सकते हैं।


2

http://www.locatacorp.com/ वह समाधान हो सकता है जिसे आप ढूंढ रहे हैं। वे एक स्थानीय नक्षत्र इनडोर बनाने के लिए प्रौद्योगिकी की पेशकश करते हैं। यह इनडोर जीपीएस अनुप्रयोगों के लिए उपग्रहों का अनुकरण करता है। मेरा मानना ​​है कि यह रोबोट पर अतिरिक्त हार्डवेयर की आवश्यकता के बिना इनडोर रिसीवर का उपयोग कर सकता है।


2

इस स्थिति के लिए ऑप्टिकल फ्लो सेंसर (जैसे कि कंप्यूटर पति-पत्नी में इस्तेमाल होने वाले) अच्छे होते हैं। अधिकांश अनुवाद के संदर्भ में आउटपुट देंगे।

वैकल्पिक रूप से, आप बस एक बुनियादी कैमरे का उपयोग कर सकते हैं और डेटा पर कुछ ऑप्टिकल प्रवाह एल्गोरिदम चला सकते हैं। इससे आपको वही बुनियादी जानकारी मिलेगी। इसे इस तरह से करना आसान हो सकता है, एक एल्गोरिथ्म को अनुकूलित करने के लिए जो कि घूर्णी गति और साथ ही अनुवाद की पेशकश करेगा।

कुछ ऑप्टिकल प्रवाह आईसीएस में आपको छवि डेटा (जैसे ADNS-3080) देने की क्षमता होती है, जिसे आप घूर्णी जानकारी के लिए और विश्लेषण कर सकते हैं।


1

एसओएएम (ORB_SLAM, LSD_SLAM, SVO) पर आधारित मोनोक्युलर दृष्टि में हालिया प्रगति ने कैमरे के पोज़ राइट को एक मनमाने ढंग से बढ़ाया और घुमाए गए प्रारंभिक फ्रेम को निर्धारित करना संभव बना दिया है। यदि आप इस जानकारी को IMU और EKF प्रणाली जैसे ETH (ethzasl_msf) से जोड़ते हैं, तो आप GPS उपलब्ध न होने पर भी स्थिति का अनुमान प्राप्त कर सकते हैं। इससे भी बेहतर, आप कई मुद्रा / स्थिति / रवैया / आदि जोड़ सकते हैं। MSF में सेंसर।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.