Integration of Scan-Matching-based LiDAR Odometry with INS and GNSS for UAVs in Unstructured Natural Environments
Dieses Paper schlägt eine auf einem Error-State-Kalman-Filter basierende Echtzeit-Navigationsarchitektur vor, die Double-Differenced-GNSS eng mit einer lose gekoppelten, Scan-Matching-basierten LiDAR-Odometrie koppelt, um eine Zentimeter-genaue Positionierung und eine signifikant verbesserte Lagezustimmungsschätzung für UAVs zu erreichen, die in unstrukturierten natürlichen Umgebungen operieren, in denen GNSS-Signale durch Vegetation beeinträchtigt werden.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich eine Drohne vor, die knapp über einem gewundenen Fluss fliegt, deren Mission es ist, die Wasseroberfläche zu kartieren, die Strömung zu messen und die Gesundheit des Flusses zu überwachen. Um dies genau zu tun, muss die Drohne genau wissen, wo sie sich befindet, wie schnell sie sich bewegt und in welche Richtung sie zeigt. Am offenen Himmel ist dies einfach: Die Drohne hört auf Signale von Navigationssatelliten, um ihren Standort zu bestimmen. Doch Flüsse sind selten offen. Sie sind oft von hohen Bäumen und dichtem Gestrüpp gesäumt, die die Satellitensignale blockieren, sodass die internen Kompass- und Bewegungssensoren der Drohne ihre Position nur schätzen können. Ohne die Satellitensignale driften diese Schätzungen schnell ab, wie eine Uhr, die jede Stunde eine Minute verliert, was schließlich zum Kontrollverlust oder zum Absturz führen kann. Die Herausforderung für Wissenschaftler besteht darin, die Drohne stabil und präzise zu halten, selbst wenn der Himmel durch Blätter verborgen und das Wasser unter ihr keine klaren Orientierungspunkte bietet.
Ein Team von Forschern aus Dänemark und dem Vereinigten Königreich hat einen neuen Weg entwickelt, um dieses Problem zu lösen, indem sie drei verschiedene Arten von Sensoren zu einem einzigen, intelligenten System kombinieren. Sie nahmen eine mit einem Laserscanner, einem Bewegungssensor und einem Satellitenempfänger ausgestattete Drohne und flogen sie über echte Flüsse und Seen in Dänemark. Das Ziel war es zu sehen, ob sie den Laserscanner nutzen konnten, um die Welt zu „sehen“, wenn die Satellitensignale schwach waren, und diese Information dann mit dem Bewegungssensor und den Satellitendaten zu verschmelzen, um ein perfektes Navigationsbild zu erstellen. Ihr Ansatz unterscheidet sich von bisherigen Methoden dadurch, dass er nicht versucht, spezifische Formen wie Baumstämme oder Felsen zu finden, an denen er sich festhalten kann. Stattdessen gleicht er einfach das allgemeine Muster der Laserpunkte von einem Moment zum nächsten ab – eine Technik, die selbst funktioniert, wenn die Flussoberfläche glatt und die Bäume verschwommen sind.
Die Forscher testeten ihr System in zwei sehr unterschiedlichen Umgebungen. Der erste Test fand an einem Abschnitt des Suså-Flusses statt, wo die Drohne tief über dem Wasser flog, umgeben von hohen Ufern und Bäumen, die häufig die Satellitensignale blockierten. Der zweite Test war ein „Stresstest“-Flug, der über einem offenen See begann, wo die Satellitensignale perfekt waren, der Laserscanner aber fast nichts sah, da Wasser das Laserlicht absorbiert, und dann in einen schmalen, bewaldeten Pfad überging, in dem die Satellitensignale verschwanden, aber der Laserscanner von der dichten Vegetation überflutet wurde. In beiden Fällen musste der Computer der Drohne zwischen der Abhängigkeit von Satelliten, der Abhängigkeit vom Laser oder einer Mischung aus beidem umschalten, und das alles während eines Hochgeschwindigkeitsflugs.
Die Ergebnisse zeigten, dass diese neue Methode deutlich besser funktionierte als die Standardmethoden zur Navigation einer Drohne unter diesen schwierigen Bedingungen. Als die Forscher ihr System mit den besten existierenden Methoden verglichen, die sich auf das Finden spezifischer geometrischer Merkmale wie Kanten oder Ecken stützen, war ihr neuer Ansatz in jeder Kategorie genauer. Im Fluss-Test hielt das neue System die Position der Drohne auf eine Genauigkeit von wenigen Zentimetern, ein Präzisionsniveau, das selbst unter idealen Bedingungen schwer zu erreichen ist. Es verbesserte auch die Fähigkeit der Drohne, ihre Richtung zu bestimmen, indem es die Fehler in ihrer Ausrichtung im Vergleich zur Standardmethode um zwei Drittel reduzierte. Dies ist entscheidend, da das Wissen über die Richtung oft der schwierigste Teil der Navigation ist, wenn sich die Drohne durch eine merkmalslose Umgebung bewegt.
Die Studie verdeutlichte auch, warum ältere Methoden in diesen Umgebungen scheiterten. Die Forscher fanden heraus, dass Systeme, die versuchten, sich auf spezifische Merkmale wie die Kante eines Baumes oder eines Felsens festzulegen, oft verwirrt wurden, wenn der Wind oder die eigenen Propeller der Drohne die Blätter erschütterten oder wenn die Wasseroberfläche zu glatt war, um ein klares Muster zu reflektieren. Indem sie spezifische Merkmale ignorierten und stattdessen die gesamte Punktwolke der Laserpunkte abglichen, blieb das neue System selbst in chaotischen Umgebungen stabil. Es war in der Lage, den plötzlichen Wechsel von offenem Himmel zu tiefem Wald zu bewältigen, ohne die Orientierung zu verlieren – eine Fähigkeit, mit der andere Systeme zu kämpfen hatten. Das System war zudem schnell genug, um in Echtzeit auf einem Standard-Laptop zu laufen, was bedeutet, dass es für den tatsächlichen Feldeinsatz auf einer Drohne installiert werden kann, ohne einen Supercomputer zu benötigen.
Obwohl das System sehr erfolgreich darin war, die Drohne horizontal auf Kurs zu halten, stellten die Forscher fest, dass eine verbleibende Einschränkung bestand: Es war etwas weniger präzise bei der Bestimmung der exakten Höhe über dem Wasser. Dies liegt daran, dass der Laserscanner die Seiten der Bäume und der Ufer sehr gut sieht, was hilft, die Position in der Längs- und Querrichtung festzulegen, aber die Wasseroberfläche selbst bietet dem Laser nur sehr wenig, woran er sich zur Höhenmessung festhalten kann. Trotz dessen war die Gesamtleistung ein bedeutender Fortschritt für den Einsatz von Drohnen zur Untersuchung von Flüssen und anderen natürlichen Umgebungen. Die Arbeit beweist, dass wir, indem wir eine Drohne „fühlen“ lassen, wie sie sich mit einer einfachen Musterabgleichstechnik durch einen Wald bewegt, anstatt zu versuchen, spezifische Objekte zu „sehen“, diese Maschinen selbst in den anspruchsvollsten, signalarmen Winkeln der natürlichen Welt sicher und präzise fliegen lassen können.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.