ويعد إدماج بيانات الاستشعار أمرا أساسيا لتعزيز دقة وموثوقية التمركز الآلي المتنقل، ويتيح الجمع بين المعلومات المستمدة من أجهزة الاستشعار المتعددة للآليات فهم بيئتها ووضعها على نحو أفضل في إطارها، وتستكشف هذه المادة تقنيات مشتركة وتقدم أمثلة على تكامل البيانات المستشعرة في الروبوتات المتنقلة.

التقنيات الخاصة بإدماج البيانات الحساسة

عدة طرق تستخدم لكشف بيانات أجهزة الاستشعار في الآليين المتنقلين هذه التقنيات تهدف إلى الجمع بين مسارات البيانات لإنتاج تقدير أكثر دقة لموقع وتوجه الروبوت

كالمان

إن مرشح كالمان هو خوارزمية تستخدم على نطاق واسع لتجميع بيانات أجهزة الاستشعار، ويقدر حالة النظام بتقليل متوسط الخطأ المربع إلى أدنى حد، ويجمع بشكل فعال بين قياسات أجهزة الاستشعار المسببة للمرض بمرور الوقت، ومن المفيد بشكل خاص إدماج البيانات من أجهزة القياس والأجهزة الاستشعار غير الشرعية.

فرز الجسيمات

مرشحات الجسيمات أو أساليب (مونتي كارلو) تمثل مواقع الروبوت المحتملة مع مجموعة من الجسيمات كل جزيئات لها وزن على أساس قياسات أجهزة الاستشعار، والمرشح يستكمل هذه الأوزان لتنقية موقع الروبوت المقدّر، وهذه التقنية تتعامل مع النظم غير الخطية وغير الجيوية بفعالية.

أمثلة على إدماج البيانات المستشعرة

وفي الممارسة العملية، كثيرا ما تجمع الروبوتات المتنقلة البيانات من أجهزة الاستشعار المختلفة مثل نظام تحديد المواقع، والجهاز الليداري، والكاميرات، ووحدات القياس غير الداخلي، مثلا، يمكن للآليات التي تبحر في الهواء الطلق أن تبث بيانات النظام العالمي لتحديد المواقع مع مسحات الدي آر لتحسين دقة التدفئة المحلية في البيئات المعقدة، وبالمثل، يمكن للآليات الداخلية أن تعتمد على أجهزة المسح الليزري ووحدات الإزالة للحفاظ على مواقع دقيقة حيث توجد إشارات غير قابلة للنظم العالمية.

  • GPS and LiDAR fusion for outdoor navigation
  • إدماج الكاميرات ووحدة الرصد الدولي في القياسات البصرية
  • مقاييس وأجهزة استشعار فوق الصوتيات للحيلولة دون حدوث عقبات