ناوبری ربات داخلی نیاز به محلی سازی دقیق دارد تا حرکت موثر در محیط های پیچیده را تضمین کند. ترکیب داده ها از LIDAR و IMU دقت سیستم های محلی سازی را افزایش می دهد.این مقاله بررسی موردی است که نشان می دهد چگونه این سنسورها برای بهبود ناوبری داخلی یکپارچه شده اند.

تکنولوژی های سنسور در ناوبری داخلی

سنسورهای تشخیص نور و Ranging اندازه گیری دقیق فاصله را با پالس های لیزر انتشار و اندازه گیری زمان بازگشت خود را ارائه می دهند. IMU (واحد اندازه گیری بی سابقه) سرعت و سرعت زاویه ای را پیگیری می کنند، ارائه داده های حرکت با هم، این سنسورها محدودیت های یکدیگر را جبران می کنند، مانند حساسیت LIDAR به ویژگی های زیست محیطی و IMU در طول زمان حرکت.

تکنیک های Data Fusion

مطالعه موردی از یک فیلتر Kalman برای ادغام LIDAR و IMU داده استفاده کرد، این رویکرد دقت بالا LIDAR را با داده های حرکت با فرکانس بالا از IMU ترکیب می کند. فرآیند همجوش شامل برآورد موقعیت و جهت گیری ربات است، به روز رسانی این برآوردها به عنوان داده های سنسور جدید می رسد.

پیاده سازی و نتایج

این سیستم در یک محیط داخلی با موانع و طرح های مختلف آزمایش شد.نتایج نشان داد که ترکیب سنسور به طور قابل توجهی بهبود دقت محلی سازی در مقایسه با استفاده از LIDAR یا IMU به تنهایی، این ربات موقعیت دقیق حتی در مناطق با ویژگی های LIDAR ضعیف یا حرکات سریع را حفظ کرد.

مزایای کلیدی

  • دقت و دقت: [FLT 1] ترکیب سنسور کاهش خطاهای محلی سازی.
  • بربریت: سیستم به خوبی در شرایط مختلف زیست محیطی عمل می کند.
  • عملکرد زمان واقعی: ترکیب داده ها به روز رسانی سریع برای ناوبری پویا را فعال می کند.