Integration of Scan-Matching-based LiDAR Odometry with INS and GNSS for UAVs in Unstructured Natural Environments
Questo articolo propone un'architettura di navigazione in tempo reale basata su un filtro di Kalman dello stato dell'errore che accoppia strettamente il GNSS a doppia differenziazione con l'odometria LiDAR a scansione debolmente accoppiata per ottenere un posizionamento a livello di centimetri e un miglioramento significativo della stima dell'assetto per UAV operanti in ambienti naturali non strutturati dove i segnali GNSS sono degradati dalla vegetazione.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Immaginate un drone che vola appena sopra un fiume sinuoso, con la missione di mappare la superficie dell'acqua, misurarne la portata e monitorarne la salute. Per farlo con precisione, il drone deve sapere esattamente dove si trova, quanto velocemente si muove e in che direzione è orientato. Nel cielo aperto, questo è facile: il drone riceve segnali dai satelliti di navigazione per individuare la propria posizione. Ma i fiumi sono raramente a cielo aperto. Sono spesso fiancheggiati da alberi alti e vegetazione fitta che bloccano i segnali satellitari, lasciando che il compasso interno e i sensori di movimento del drone ipotizzino la propria posizione. Senza i segnali satellitari, queste ipotesi divergono rapidamente, come un orologio che perde un minuto ogni ora, portando infine alla perdita di controllo o a uno schianto. La sfida per gli scienziati è mantenere il drone stabile e preciso anche quando il cielo è nascosto dalle foglie e l'acqua sottostante non offre punti di riferimento chiari.
Un team di ricercatori della Danimarca e del Regno Un Unido ha sviluppato un nuovo modo per risolvere questo problema combinando tre diversi tipi di sensori in un unico sistema intelligente. Hanno preso un drone dotato di uno scanner laser, un sensore di movimento e un ricevitore satellitare, e lo hanno fatto volare sopra veri fiumi e laghi in Danimarca. L'obiettivo era vedere se potevano usare lo scanner laser per "vedere" il mondo quando i segnali satellitari erano deboli, e poi fondere quell'informazione con il sensore di movimento e i dati satellitari per creare un'immagine di navigazione perfetta. Il loro approccio è diverso dai metodi precedenti perché non cerca di trovare forme specifiche, come tronchi d'albero o rocce, su cui agganciarsi. Invece, si limita a far corrispondere il modello complessivo dei punti laser da un momento all'altro, una tecnica che funziona anche quando la superficie del fiume è liscia e gli alberi sono sfocati.
I ricercatori hanno testato il loro sistema in due ambienti molto diversi. Il primo era un tratto del fiume Suså, dove il drone volava basso sull'acqua, circondato da rive alte e alberi che frequentemente bloccavano i segnali satellitari. Il secondo test era un volo di "stress test" che iniziava sopra un lago aperto, dove i segnali satellitari erano perfetti ma lo scanner laser non vedeva quasi nulla perché l'acqua assorbe la luce laser, e poi si spostava in un sentiero stretto e coperto dagli alberi dove i segnali satellitari svanivano ma lo scanner laser veniva inondato dai dati della densa vegetazione. In entrambi i casi, il computer del drone doveva passare dal fare affidamento sui satelliti, al fare affidamento sul laser, o al fare affidamento su un mix di entrambi, il tutto mentre volava ad alta velocità.
I risultati hanno dimostrato che questo nuovo metodo funzionava significativamente meglio dei modi standard di navigare un drone in queste condizioni difficili. Quando i ricercatori hanno confrontato il loro sistema con i migliori metodi esistenti, che si basano sulla ricerca di caratteristiche geometriche specifiche come bordi o angoli, il loro approccio è risultato più accurato in ogni categoria. Nel test sul fiume, il nuovo sistema ha mantenuto la posizione del drone accurata entro pochi centimetri, un livello di precisione difficile da raggiungere anche in condizioni ideali. Ha inoltre migliorato la capacità del drone di sapere in che direzione fosse rivolto, riducendo gli errori di rotta di due terzi rispetto al metodo standard. Questo è fondamentale perché conoscere la direzione è spesso la parte più difficile della navigazione quando ci si muove in un ambiente privo di caratteristiche distintive.
Lo studio ha anche rivelato perché i vecchi metodi fallivano in questi contesti. I ricercatori hanno scoperto che i sistemi che cercavano di agganciarsi a caratteristiche specifiche, come il bordo di un albero o di una roccia, spesso si confondevano quando il vento o le eliche stesse del drone facevano scuotere le foglie, o quando la superficie dell'acqua era troppo liscia per riflettere un modello chiaro. Ignorando le caratteristiche specifiche e invece facendo corrispondere la nuvola complessiva di punti laser, il nuovo sistema rimaneva stabile anche quando l'ambiente era caotico. È stato in grado di gestire il passaggio improvviso dal cielo aperto alla foresta densa senza perdere la strada, una capacità con cui altri sistemi hanno lottato. Il sistema era anche abbastanza veloce da essere eseguito in tempo reale su un normale laptop, il che significa che poteva essere installato su un drone per il lavoro sul campo senza la necessità di un supercomputer.
Sebbene il sistema sia stato altamente efficace nel mantenere il drone in rotta orizzontale, i ricercatori hanno notato un'ulteriore limitazione: era leggermente meno preciso nel determinare l'altezza esatta sopra l'acqua. Questo perché lo scanner laser vede molto bene i lati degli alberi e delle rive, il che aiuta a fissare la posizione destra-sinistra e avanti-indietro, ma la superficie dell'acqua stessa offre pochissimo su cui il laser possa aggrapparsi per misurare l'altezza. Nonostante ciò, la prestazione complessiva è stata un grande passo avanti per l'uso dei droni nello studio dei fiumi e di altri ambienti naturali. Il lavoro dimostra che permettendo a un drone di "sentire" la propria strada attraverso una foresta usando una semplice tecnica di corrispondenza di modelli, piuttosto che cercare di "vedere" oggetti specifici, possiamo mantenere queste macchine in volo in modo sicuro e accurato anche negli angoli più impegnativi e poveri di segnale del mondo naturale.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.