センシング技術、インテリジェント技術、コンピューティング技術の継続的な改善により、インテリジェントモバイルロボットは生産と生活において人間的な役割を果たすことができるでしょう。モバイルロボットポジショニング技術の主な側面は何でしょうか?現在、移動ロボットは主にこれら5つの測位技術を有すると結論づけている。
移動ロボット用超音波ナビゲーションと位置決め技術
超音波のナビゲーションと位置の作業原理は、レーザーや赤外線のそれと同様です。通常、超音波は超音波センサの送信プローブから発され、超音波は媒質内で障害物に遭遇した場合に受信装置に戻る。
それ自体で送信される超音波反射信号を受信することにより、超音波送受信とエコー受信の時差と伝搬速度に応じて伝搬距離sを算出することにより、障害物からロボットまでの距離が得られ、すなわち、式S=TV/2、T-超音波送受信との時間差がある。V - 媒体で伝播する超音波の波速。
もちろん、多くの移動ロボットは、ナビゲーションとポジショニング技術で個別の送受信デバイスを使用しています。環境マップには複数の受信装置が配置され、移動ロボットに送信プローブが設置されています。
移動ロボットのナビゲーションや位置決めでは、反射反射やビーム角の制限などの超音波センサの欠陥により、周囲の環境情報を完全に取得することが困難です。したがって、複数のセンサからなる超音波センサシステムは、通常、対応する環境モデルを確立するために使用され、センサによって収集された情報は、シリアル通信を通じて移動ロボットの制御システムに送信される。そして、制御システムは、収集された信号と確立された数理モデルに従って対応するデータを処理する特定のアルゴリズムを採用し、ロボットの位置環境情報を取得することができる。
低コスト、高速情報取得率、高範囲分解能の利点により、超音波センサは、携帯ロボットのナビゲーションと位置決めに長い間広く使用されてきました。また、環境情報を収集する際に複雑な画像技術を必要としないため、高速な範囲の高速化と優れたリアルタイム性能を備えています。
移動ロボットの視覚ナビゲーションと位置決め技術
視覚ナビゲーション・ポジショニングシステムでは、現地の視界に基づいてロボットに車両カメラを設置するナビゲーションモードが国内外で広く使用されています。このナビゲーションモードでは、制御装置やセンシング装置をロボット本体に搭載し、画像認識やパス計画などの高レベルの決定をオンボード制御コンピュータで行います。
視覚的なナビゲーションおよび位置決めシステムは主に含む:カメラ(またはCCDイメージセンサー)、ビデオ信号デジタル化装置、DSPに基づく高速信号プロセッサ、コンピュータおよびその周辺機器、等。現在、多くのロボットシステムはCCDイメージセンサを使用しています。基本的な要素は、シリコンイメージング素子の列です。感光要素および電荷移動装置は、基板上に構成されている。電荷の順次転送を通じて、複数のピクセルのビデオ信号は、タイムシェアリングと順次取り出されます。例えば、領域CCDセンサによって収集される画像の解像度は、32×32から1024×1024ピクセルなどとすることができる。
視覚ナビゲーションおよび位置決めシステムの働く原則は、単にロボットの周囲の環境を光学的に処理することです。まず、カメラを使用して画像情報を収集し、収集した情報を圧縮し、ニューラルネットワークと統計的手法で構成される学習サブシステムに送り返し、学習サブシステムは収集した画像情報をロボットの実際の位置に接続してロボットの自律的なナビゲーションと位置決め機能を完成させる。
グローバル位置決めシステム
今日では、インテリジェントロボットナビゲーションと位置決め技術の応用において、擬似範囲差動動測位法が一般的に採用されている。基準受信機とダイナミックレシーバは、4つのGPS衛星を一緒に観測するために使用され、特定のアルゴリズムに従って、一定の時間と瞬間におけるロボットの3次元位置座標を得ることができます。差動動的ポジショニングは、衛星クロックエラーを排除します。リファレンスステーションから1000km離れたユーザーにとっては、衛星時計誤差や対流圏誤差を解消できるため、ダイナミックポジショニング精度を大幅に向上させることができます。
しかし、移動式ナビゲーションでは、移動式GPS受信機の測位精度は、衛星信号条件や道路環境、ならびにクロックエラー、伝播エラー、受信機ノイズおよび他の多くの要因の影響を受けます。そのため、GPSナビゲーション単体の測位精度と信頼性は低い。そのため、ナビゲーション用の磁気コンパスと光符号ディスクとGPSデータ。また、GPSナビゲーションシステムは、屋内や水中ロボットナビゲーションや高い位置精度のロボットシステムには適していません。
移動ロボット用光学反射ナビゲーションと位置決め技術
典型的な光学的な反射の運行および位置の方法は距離を測定するためにレーザーか赤外線センサーを主に使用する。レーザーと赤外線の両方がナビゲーションと位置決めに光反射技術を使用します。
レーザー全地球測位システムは、一般に、レーザー回転機構、ミラー、光電受信装置、データ取得および伝送装置から構成される。
動作中、レーザーは回転ミラー機構を通して外側に放出されます。逆反射器で構成される協調道路標識がスキャンされると、反射光が検出信号として光電受信機によって処理され、データ取得プログラムが開始され、回転機構のコードディスクデータ(目標の計測角度値)を読み込み、通信を通じてデータ処理用上位コンピュータに送信し、 道路標識の既知の位置および検出情報によれば、道路標識座標系におけるセンサの現在位置および方向を算出することができ、さらなる航法及び位置決めの目的を達成する。
レーザ測距は、狭いビーム、良好な平行度、小さな散乱、高い範囲の方向分解能の利点を有するが、それはまた、環境要因によって大きく乱される。そのため、レーザ測距を使用する際に収集した信号のノイズを取り下げ、大きな問題も発生します。また、レーザー測距にはブラインド領域があり、レーザー単独でナビゲーションや位置決めを実現することは困難であるため、産業用途では、パイプラインの亀裂検出などの特定の範囲内での産業現場検出に一般的に使用されている。
赤外線センシング技術は、ロボットアームの表面を覆い、ロボットアームの操作で遭遇する様々な物体を検出できるロボット「敏感肌」の広い領域を形成するために、多くの場合、ロボット障害物回避システムで使用されます。
典型的な赤外線センサには、赤外線を発光できる固体発光ダイオードと、受信機として使用されるソリッドステートフォトダイオードが含まれます。変調された信号は赤外線発光管によって伝達され、赤外線感光管はターゲットによって反射された赤外線変調信号を受ける。周囲の赤外線による干渉の除去は信号変調および特別な赤外線フィルターによって保証される。出力信号VOは反射光強度の電圧出力を表し、次にVOはプローブとワークピース間の距離の関数である:VO = f(x、P)、ここでp -ワークの反射係数。Pはターゲットの表面色や粗さに関係している。X - プローブとワークピースの間の距離。
ワークピースが同じp値を持つ類似のターゲットである場合、XとVOは1つずつ対応します。Xは、各種標的の近接測定の実験データを補間することによって得ることができる。このようにして、対象物からのロボットの位置を赤外線センサで測定し、移動ロボットを他の情報処理方法でナビゲートし、位置決めすることができる。
赤外線センサーの位置決めは、高感度、シンプルな構造、低コストという利点もありますが、高い角度分解能と低距離分解能の点から、移動ロボットの近接センサとして近接センサとして接近や急進の障害物を検出する場合が多く、緊急時に障害物を止めるのに便利です。
スラムテクノロジー
業界をリードするサービスロボット企業のほとんどは、スラム技術を採用しています。スラム技術とは何ですか?要するに、スラム技術は、未知の環境におけるロボットの位置付け、マッピング、パス計画のプロセス全体を指します。
スラム(同時ローカリゼーションとマッピング)は、1988年に提案されて以来、主にロボットの動きの知能を研究するために使用されます。LIDARなどのコアセンサーを搭載した全く未知の屋内環境では、スラム技術はロボットが屋内環境マップを構築し、ロボットが独立して歩くのを助けることができます。
SLAMの問題は、ロボットが未知の環境で未知の位置から移動し始め、位置推定とセンサーデータに従って自分自身を見つけ、同時に増分マップを構築する、と言えます。
スラム技術の実装アプローチには、主にvSLAM、WiFiスラム、LIDARスラムが含まれます。
1. VSLAM (ビジュアルスラム)
屋内環境におけるカメラやKinectなどの深度カメラによるナビゲーションと探査を指します。その動作原理は、単にロボットの周囲の環境に光学処理を行う.まず、カメラを使用して画像情報を収集し、収集した情報を圧縮し、ニューラルネットワークと統計手法で構成される学習サブシステムに送り返し、学習サブシステムは収集した画像情報をロボットの実際の位置に接続し、ロボットの自律的なナビゲーションと位置決め機能を完成させます。
しかし、屋内vSLAMはまだ研究段階にあり、実用的なアプリケーションから遠く離れています。一方で、計算量が大きすぎて、ロボットシステムの高性能が必要です。一方、vSLAM(主に点群)によって生成されたマップは、さらなる探査と研究を必要とするロボットパス計画には使用できません。
2.無線LAN-スラム
これは、WiFi、GPS、ジャイロスコープ、加速度計、磁力計など、スマートフォンでのさまざまなセンシングデバイスを使用し、機械学習、パターン認識、その他のアルゴリズムを通じて取得したデータから正確な屋内地図を描画することを指します。この技術のプロバイダは、2013年にリンゴによって買収されました。アップルがWiFiスラム技術をiPhoneに適用したかどうかは不明なので、すべてのiPhoneユーザーは小型描画ロボットを運ぶのと同等です。より正確な位置決めがマップに役立つだけでなく、すべての位置依存アプリケーション(LBS)をより正確にすることは間違いありません。
3.ライダースラム
これは、マップデータを取得するためのセンサーとしてのLIDARの使用を指し、ロボットが同期位置決めと地図構築を実現できるようにします。技術自体に関する限り、それは何年もの検証の後にかなり成熟していますが、LIDARの高コストのボトルネックは緊急に解決する必要があります。
グーグルの無人運転車はこの技術を使用しています。屋根に設置されたライダーは、米国のベロダイン会社から来ており、70000ドル以上で販売されています。このLIDARは、高速で回転する場合、周囲に64のレーザービームを放出することができます。レーザーが周囲の物体に触れ、戻ると、車体と周囲の物体との距離を計算できます。次に、コンピュータシステムは、これらのデータに従って細かい3D地形図を描画し、高解像度マップと組み合わせて、オンボードコンピュータシステムのさまざまなデータモデルを生成します。LIDARは車両全体のコストの半分を占めているため、Googleの無人車両を大量生産できない理由の1つでもある可能性があります。
LIDARは、ナビゲーションの精度を効果的に確保し、屋内環境に適応することができる強力なダイレクト性の特性を有する。しかし、LIDARの価格が高すぎるため、LIDARスラムはロボット屋内ナビゲーションの分野ではうまくいっていません。