Verbesserung der Roboterlokalisierung und Erreichung präziser Navigation mit IMU

IMUs liefern kritische Bewegungsdaten und sind zu einer wesentlichen Komponente für die präzise Lokalisierung von Robotern geworden. Die Sensorfusionstechnologie kombiniert IMU-Daten mit anderen Sensoren (wie Kameras oder LIDAR) und verbessert die Lokalisierungsgenauigkeit durch die Integration mehrerer Datenquellen. IMUs werden häufig in mobilen Robotern, humanoiden Robotern, unbemannten Luftfahrzeugen (UAVs) und Anwendungen der virtuellen/erweiterten Realität eingesetzt. Sie spielen eine entscheidende Rolle bei der Erzielung präziser Lokalisierung und ermöglichen es Robotern, komplexe Aufgaben autonom auszuführen und effektiv mit ihrer Umgebung zu interagieren.
 
AMRs sind entscheidend für die Zukunft von intelligenten Fabriken und Lagerhäusern und spielen eine Schlüsselrolle bei der Gestaltung automatisierter, nachhaltiger und sauberer Fabriken. Sie verbessern die Effizienz, reduzieren Abfall und optimieren die Ressourcennutzung in industriellen Umgebungen. Obwohl Fabriken letztendlich speziell für AMRs gebaut und optimiert werden könnten, stellt die Anpassung dieser Roboter an bestehende Lagerhäuser und Fabriken immer noch zahlreiche Herausforderungen dar. Die primären Hindernisse, denen AMRs gegenüberstehen, betreffen zwei kritische Aspekte: effiziente Pfadplanung (Ermittlung des optimalen Wegs) und präzise Lokalisierung (kontinuierliche Aktualisierung ihrer Position innerhalb der Umgebung).
 
Da GPS in überdachten oder geschlossenen Umgebungen für die Indoor-Navigation nicht praktikabel ist, verlassen sich AMRs auf eine Kombination aus Sensoren und Algorithmen für Lokalisierung und Navigation. Diese umfassen visuelle Sensoren wie Kameras, LIDAR und Radar sowie Odometrie-Sensoren wie Raddrehgeber und IMUs. Jeder Sensormodus hat seine Vorteile in Bezug auf Reichweite, Genauigkeit und die Art der erfassten Informationen. Die Kombination dieser Sensoren stellt sicher, dass umfassende Daten verfügbar sind, wodurch Roboter in dynamischen Umgebungen effektiv lokalisiert werden können.

Hochleistungs-IMUs verbessern die Lokalisierungs- und Navigationsfähigkeiten von AMR

IMUs sind Miniaturgeräte, die aus mikro-elektromechanischen Systemen (MEMS) bestehen. Diese beinhalten typischerweise triaxiale Beschleunigungssensoren, triaxiale Gyroskope und hochleistungsfähige Magnetometer. Der triaxiale Beschleunigungssensor misst die Beschleunigung in Bezug auf das Gravitationsfeld der Erde. Triaxiale Gyroskope messen die Rotationsrate und liefern die Winkelgeschwindigkeit in jeder der drei Achsen. Hochleistungsfähige Magnetometer bieten Messungen des Magnetfelds, die entscheidend für die genaue Schätzung der Orientierung in herausfordernden Umgebungen sind. Zusätzlich können andere Arten von IMUs Temperatursensoren zur Kompensation von Temperaturschwankungen und Barometer für die Druckmessung umfassen.
 
Die Echtzeit-Lokalisierungsfähigkeiten von IMUs, ermöglicht durch ihre hohen Aktualisierungsraten, sind Schlüsselelemente für Autonomie und Echtzeitnavigation in robotischen Betriebsumgebungen. Wahrnehmungssensoren arbeiten im Allgemeinen mit Aktualisierungsraten von etwa 10 Hz bis 30 Hz. Im Gegensatz dazu können IMUs hochauflösende Positionsausgaben mit Aktualisierungsraten von bis zu 200 Hz liefern. Höhere Aktualisierungsraten verbessern die Systemzuverlässigkeit in dynamisch wechselnden Umgebungen erheblich, ermöglichen eine schnelle Anpassung an schnelle Orientierungsänderungen und erlauben schnelle Reaktionen. Mit beschleunigten Aktualisierungsraten können AMRs auch während kurzer Intervalle zwischen anderen Messungen geschätzte Haltungen bereitstellen. Somit spielen IMUs eine entscheidende Rolle in der Echtzeit-Lokalisierung, mit Aktualisierungsraten, die 10 Mal schneller sind als diejenigen von Wahrnehmungssensoren.
 
Andererseits sind IMUs das Fundament der Koppelnavigation, einer Navigationsmethode, die die aktuelle Position basierend auf zuvor bekannten Positionen schätzt. IMUs liefern kontinuierlich Daten zu Position, Orientierung und Geschwindigkeit über die Zeit, was präzise Schätzungen ermöglicht und AMRs bei der Erreichung zuverlässiger Navigation unterstützt.
 
Zusätzlich zeichnen sich IMUs durch kompakte Größen und leichte Designs aus, wodurch sie sich bestens für die Integration in verschiedene mobile Roboterkonfigurationen eignen. Sie müssen auch Robustheit in unterschiedlichen Umgebungen aufweisen, einschließlich der Resistenz gegen elektromagnetische Interferenzen, wodurch sie sowohl in Innen- als auch in Außenbereichen effektiv funktionieren können. Daher sind sie ideal für eine breite Palette von Anwendungen.
 
IMUs können die Zuverlässigkeit weiter verbessern, indem sie die Aktualisierungsraten beschleunigen. Während Wahrnehmungssensoren normalerweise auf Aktualisierungsraten von etwa 10 Hz bis 30 Hz beschränkt sind, können IMUs hochauflösende, rohe Positionsausgabedateien mit Aktualisierungsraten von bis zu 4 kHz liefern. Diese Fähigkeit bietet bedeutende Vorteile, insbesondere in dynamischen Umgebungen, indem sie AMRs ermöglicht, schnell zu reagieren und während kurzer Intervalle zwischen anderen Messungen Haltungen zu schätzen.
 
Selbst in Anwesenheit von Vision-Sensoren bleiben IMUs für AMRs unverzichtbar. Dies liegt daran, dass AMRs oftmals mehrere Vision-Sensoren verwenden, wie Time-of-Flight (ToF), Kameras und LIDAR. Auch wenn visionbasierte Odometrie reichhaltige Datensätze bereitstellt, sind IMUs weiterhin notwendig.
 
Beispielsweise können AMRs in merkmalarmen Korridoren navigieren. Algorithmen zur gleichzeitigen Lokalisierung und Kartenerstellung (SLAM) arbeiten grundsätzlich, indem sie die beobachteten Sensordaten mit gespeicherten Karten zur Lokalisierung abgleichen. IMUs ermöglichen auch die Navigation in weiten offenen Umgebungen. Beim Betrieb in großen offenen Räumen, wie einem 50 m×50 m großen Lagerhaus, können AMRs auf Herausforderungen stoßen, da einzigartige Merkmale außerhalb der Sensorreichweite liegen (die maximale Reichweite von LIDAR beträgt typischerweise etwa 10 m bis 15 m). In solchen Fällen kann die reichweitenbasierte Lokalisierung versagen.
 
Beim Überqueren von Steigungen stehen konventionelle SLAM-Algorithmen, die auf LIDAR basieren, vor Schwierigkeiten, da 2D-Punktwolkendaten keine Gradienteninformationen vermitteln. IMUs beheben dieses Problem, indem sie Neigungsinformationen extrahieren und so eine effektive Navigation auf geneigten Flächen ermöglichen.
 
Bei der Navigation mit IMUs ist die Empfindlichkeit gegenüber Umweltfaktoren entscheidend. LIDAR-Sensoren sind besonders empfindlich gegenüber verschiedenen Umweltfaktoren wie Umgebungslicht, Staub, Nebel und Regen. Diese Faktoren können die Qualität der Sensordaten beeinträchtigen und folglich die Leistung des SLAM-Algorithmus beeinflussen. Im Gegensatz dazu arbeiten IMUs zuverlässig in unterschiedlichen Umgebungen, was sie zu einer idealen Wahl für mobile Roboter macht, um Vielseitigkeit zu bewahren.

Sensorfusion verbessert die Zuverlässigkeit und Datenqualität von IMUs

Allerdings gibt es keinen perfekten Sensor auf der Welt. Während IMUs ihre Vorteile haben, sind sie auch mit Risiken und Herausforderungen verbunden. Zum Beispiel sind IMU-Messungen anfällig für Rauschen, was die Genauigkeit der Roboternavigation und -steuerung beeinträchtigen kann. Um Rauschen zu kompensieren, verwenden IMUs in der Regel fortschrittliche Filtertechniken wie Kalman-Filter oder FIR.
 
Auf der anderen Seite akkumulieren IMU-Sensoren im Laufe der Zeit Verzerrungen, die zu Fehlern in der Orientierungs- und Bewegungsschätzung führen können. Um dieses Problem zu lösen, werden Verzerrungs-Schätzalgorithmen eingesetzt, um die IMU-Sensormessungen kontinuierlich zu aktualisieren. Zudem zeigen IMU-Sensoren nichtlineares Verhalten, was die Komplexität der Datenverarbeitung und -interpretation weiter erhöht. Um die Nichtlinearität zu kompensieren, ist eine Kalibrierung erforderlich, um das Sensorverhalten zu charakterisieren und geeignete Korrekturen anzuwenden.
 
Das Phänomen des Zufallsdrifts ist ein weiteres Anliegen. IMUs sind empfindlich gegenüber externen thermomechanischen Ereignissen, die zu ARW- (Angular Random Walk in Gyroskopen) und VRW-Fehlern (Velocity Random Walk in Beschleunigungssensoren) führen können. Wie können diese Risiken gemildert werden? Sensorfusion ist die Schlüsseltechnologie!
 
Die Sensorfusion erhöht die Zuverlässigkeit, verbessert die Datenqualität, schätzt nicht gemessene Zustände besser und erweitert die Abdeckung, um die Sicherheit zu gewährleisten. Sensorfusion stützt sich auf Algorithmen für die Unterstützung. Zustandsschätztechniken wie die erweiterte Kalman-Filterung können während typischer AMR-Betriebe Rausch-, ARW- und Bias-Instabilitätsfehler korrigieren. Durch die Messung der Erdgravitationsbeschleunigung können IMUs Pitch- und Roll-Gyroskopfehler eliminieren. Diese Algorithmen verfolgen und korrigieren Driftverzerrungen, während sie ARW-Fehler angehen.
 
Der Erweiterte Kalman-Filter (EKF) kann vergangene, gegenwärtige und zukünftige Zustände schätzen, selbst wenn die genaue Natur des modellierten Systems unbekannt ist. Im Laufe der Zeit enthalten beobachtete Messungen Gaußsches weißes Rauschen oder andere Ungenauigkeiten. Der EKF verwendet Methoden wie die Synchronisierung von Messungen zwischen Sensoren, die Vorhersage von Pose- und Fehlerabschätzungen, die Schätzung und Aktualisierung von Unsicherheiten in vorhergesagten Werten, um den wahren Wert der Messungen zu schätzen.

Hochpräzise Miniatur-MEMS-Inertialmesseinheit

Der ADIS16500, eingeführt von ADI, ist eine präzise, miniaturisierte mikroelektromechanische System (MEMS) Inertial Measurement Unit (IMU), die einen dreiachsigen Kreisel und einen dreiachsigen Beschleunigungssensor umfasst. Jeder Inertialsensor im ADIS16500 integriert Signalaufbereitungsfunktionen, um die dynamische Leistung zu optimieren. Die Werkskalibrierung charakterisiert die Empfindlichkeit, den Versatz, die Ausrichtung, die lineare Beschleunigung (Kreiselversatz) und den Schlagpunkt (Beschleunigungssensorposition) jedes Sensors. Daher ist jeder Sensor mit Formeln zur dynamischen Kompensation ausgestattet, um unter verschiedenen Bedingungen genaue Messungen zu liefern.
 
Der ADIS16500 bietet einen vereinfachten und kostengünstigen Ansatz zur Integration präziser Multi-Achsen-Inertialsensortechnologie in industrielle Systeme, insbesondere im Vergleich zur Komplexität und den Investitionen, die mit diskreten Designs verbunden sind. Alle notwendigen Bewegungstests und Kalibrierungen werden während der Produktion im Werk abgeschlossen, was die Systemintegrationszeit erheblich reduziert. In Navigationssystemen vereinfacht die enge orthogonale Ausrichtung die Ausrichtung des Inertialrahmens. Das Serial Peripheral Interface (SPI) und die Registerstruktur bieten eine einfache Schnittstelle für die Datenerfassung und Konfigurationssteuerung.
 
Das integrierte dreiachsige digitale Gyroskop des ADIS16500 hat einen Dynamikbereich von ±2000°/Sek, eine Stabilität des In-Run-Offsets von 8,1°/Stunde, einen zufälligen Winkelgang der x-Achse und y-Achse von 0,29°/√Stunde (1σ) und einen Achsenfehlerrat von ±0,25°. Der integrierte dreiachsige digitale Beschleunigungssensor hat einen Dynamikbereich von ±392 m/s², eine Stabilität des In-Run-Offsets von 125 μm/s² und unterstützt dreiachsige Delta-Winkel- und Delta-Geschwindigkeitsausgaben. Er ist werkskalibriert für Empfindlichkeit, Versatz und axiale Ausrichtung, mit einem Kalibrierungstemperaturbereich von −10°C bis +75°C.
 
Der ADIS16500 unterstützt SPI-kompatible Datenkommunikation, programmierbaren Betrieb und Steuerung, automatische und manuelle Versatzkorrektursteuerungen sowie einen Datenbereit-Indikator für synchronisierte Datenerfassung. Es bietet externe Synchronisationsmodi für direkte, skalierte und Ausgangsdaten sowie bedarfsabhängige Selbsttests für Inertialsensoren und Flash-Speicher. Das Gerät arbeitet mit einer einzigen Stromversorgung (VDD) von 3,0 V bis 3,6 V, kann mechanischen Stößen von 19.600 m/s² standhalten und arbeitet innerhalb eines Temperaturbereichs von −25°C bis +85°C. Der ADIS16500 ist in einem 100-Ball Ball Grid Array (BGA) Gehäuse untergebracht, mit Abmessungen von ca. 15 mm × 15 mm × 5 mm. Anwendungen für den ADIS16500 umfassen Navigation, Stabilisierung und Instrumentierung; unbemannte und autonome Fahrzeuge; intelligente Land- und Baumaschinen; Fabrik-/Industrieautomation; Robotik; virtuelle/erweiterte Realität; und Internet of Moving Things.

Fazit

Ein IMU ist ein wesentliches Element für die AMR-Positionierung, da es Orientierungsschätzungen und Bewegungserfassung liefert und Echtzeitreaktionen bei hohen Aktualisierungsraten ermöglicht. Dies ermöglicht es AMRs, in dynamischen Umgebungen zu navigieren. Mit Sensortechnologien wie Kalman-Filtern können IMUs mit anderen Sensormodulen kombiniert werden, um die jeweiligen Einschränkungen zu ergänzen. ADI bietet eine vielfältige Palette von IMUs an, um den spezifischen Anforderungen verschiedener mobiler Roboteranwendungen gerecht zu werden.