Präzisere Navigation für autonome Roboter mit modernen Trägheitsmesseinheiten und Sensorfusion

Trägheitsmesseinheiten (IMUs) sind für eine Vielzahl mobiler Systeme von grundlegender Bedeutung, darunter Industrieroboter, humanoide Roboter, unbemannte Luftfahrzeuge (UAVs) und immersive Mixed-Reality-Systeme. Obwohl die spezifischen Anforderungen an diese Systeme je nach Anwendung variieren, stehen die Entwickler immer wieder vor der Herausforderung, immer genauere Orientierungs- und Bewegungsdaten in Echtzeit für die allgemeine Anwendungsklasse der autonomen mobilen Roboter (AMRs) zu liefern.

In diesem Artikel wird kurz auf die besonderen Herausforderungen der AMR-Navigation eingegangen. Anschließend werden moderne Trägheitsmesseinheiten von Analog Devices vorgestellt und es wird gezeigt, wie sie zur Bewältigung dieser Herausforderungen in Innenräumen ohne GPS eingesetzt werden können, wobei Lehren aus einer breiteren bereichsübergreifenden Nutzung gezogen werden.

Warum die Navigation eine Herausforderung für AMR-Entwickler ist

AMRs sind von zentraler Bedeutung für die Produktivität von intelligenten Fabriken und Lagern, wo sie zur Optimierung des Materialflusses, zur Verringerung von Abfall und zur Verbesserung der Auslastung beitragen. Ihre genaue Navigation innerhalb der Einrichtung ist entscheidend für den Erfolg. In eigens dafür errichteten Anlagen können die Probleme der AMR-Navigation durch gut platzierte Referenzmarken oder optimierte Layouts gemildert werden, aber die meisten AMRs werden in bestehenden Anlagen betrieben. In solchen Einrichtungen erschwert die Kombination aus unterschiedlicher Beleuchtung, reflektierenden Oberflächen und komplexer Geometrie die Navigation erheblich.

Darüber hinaus bedeutet das Fehlen einer einheitlichen Infrastruktur, wie z. B. standardisierte Gangbreiten oder vorhersehbare Bodenmarkierungen, dass die Roboter mit komplexeren Navigations- und Kartierungsaufgaben konfrontiert werden.

Die Beschaffenheit des Navigationsumfelds führt zu zwei wichtigen operativen Herausforderungen.¹

• Zunächst muss der Roboter eine effiziente Streckenplanung durchführen, um die optimale Route durch seine Umgebung auf der Grundlage der aktuellen Bedingungen zu ermitteln.
• Zweitens muss er eine präzise Ortung durchführen und seine eigene Position und Orientierung während der Bewegung ständig in Echtzeit aktualisieren.

In Innenräumen, in denen kein GPS verfügbar ist, müssen diese beiden Ziele ausschließlich mit den bordeigenen Erfassungsmöglichkeiten und Rechenressourcen erreicht werden.

Um diese Herausforderungen zu meistern, verwenden AMRs eine Mischung aus verschiedenen Sensorarten. Visuelle Wahrnehmungssysteme, darunter Kameras, LiDAR (Light Detection and Ranging) und Radar, liefern umfangreiche Umgebungsdaten. Odometriesysteme, wie z. B. Raddrehgeber und Trägheitsmesseinheiten, verfolgen die Bewegung direkt aus der Bewegung des Roboters. Jeder Sensortyp bietet unterschiedliche Vorteile: Einige zeichnen sich durch eine große Reichweite aus, andere durch eine präzise Erkennung, aber jeder hat auch seine Grenzen. Durch ihre intelligente Kombination können AMRs die Redundanz und Abdeckung erreichen, die für die Aufrechterhaltung der Genauigkeit unter dynamischen, unvorhersehbaren Bedingungen erforderlich sind.

Was eine Trägheitsmesseinheit misst und warum sie wichtig ist

Eine Trägheitsmesseinheit integriert mikroelektromechanische Sensoren (MEMS), um Beschleunigung und Winkelgeschwindigkeit in drei Dimensionen zu messen. Ein triaxialer Beschleunigungsmesser misst die Bewegung entlang der x-, y- und z-Achse relativ zur Schwerkraft der Erde und erfasst sowohl statische Kräfte, wie z. B. die Neigung, als auch dynamische Kräfte, wie die Beschleunigung während der Bewegung (Abbildung 1).

Abbildung 1: Ein triaxialer Beschleunigungsmesser misst die Beschleunigung entlang der x-, y- und z-Achse und liefert sowohl dynamische Bewegungsdaten als auch eine statische Schwerkraftreferenz. (Bildquelle: Analog Devices)

Ein triaxiales Gyroskop misst die Winkelgeschwindigkeit (ωx, ωy, ωz) um jede Achse (Abbildung 2) und ermöglicht es dem Roboter, Orientierungsänderungen zu verfolgen.

Abbildung 2: Ein triaxiales Gyroskop misst die Winkelgeschwindigkeit um jede Achse und ermöglicht so eine genaue Verfolgung von Orientierungsänderungen. (Bildquelle: Analog Devices)

Das Herzstück der Beschleunigungsmesser und Gyroskope in modernen Trägheitsmesseinheiten sind MEMS-Strukturen, die sich bei Beschleunigung oder Drehung verformen oder vibrieren, und die daraus resultierenden Änderungen der Kapazität oder Vibrationsfrequenz werden in elektrische Signale umgewandelt. Der Vorteil von MEMS-basierten Trägheitsmesseinheiten liegt in der Kombination aus geringer Größe, niedrigem Stromverbrauch und hohen Messraten, was sie praktisch für die Integration in mobile Plattformen macht.

Einige Trägheitsmesseinheiten enthalten auch zusätzliche Sensoren, die ihre Fähigkeiten erweitern. Ein Hochleistungsmagnetometer liefert Magnetfeldmessungen, die die Orientierungsbestimmung in schwierigen Umgebungen unterstützen, obwohl Magnetometer eher in älteren Trägheitsmesseinheiten zu finden sind. Ein integrierter Temperatursensor ermöglicht die thermische Kompensation von Beschleunigungsmesser- und Gyroskopdaten. Auch ein Barometer kann vorhanden sein, um den Luftdruck zu messen und die Höhe abzuschätzen.

Moderne Trägheitsmesseinheiten verfügen nicht nur über ein Sensorarray, sondern auch über umfangreiche Signalketten zur Datenerfassung für die Analog/Digital-Wandlung, eine vorläufige Filterung der endlichen Impulsantwort und eine Werkskalibrierung zur Korrektur von Sensorverzerrungen und Achsenfehlern (Abbildung 3). Diese Geräte ermöglichen häufig eine Drehung (dƟ) des internen Koordinatensystems der Trägheitsmesseinheit, um es vor der Ausgabe an das des Roboters anzupassen und so die Rechenlast des Hauptprozessors zu verringern.

Abbildung 3: Das funktionale Blockdiagramm einer modernen Trägheitsmesseinheit zeigt eine umfangreiche Sensorsignalkette, die Erfassung, Kalibrierung, Kompensation und Filterung in einem einzigen kompakten Bauteil vereint. (Bildquelle: Analog Devices)

Wie Trägheitsmesseinheiten die Ortung verbessern, wenn andere Sensoren versagen

Bestimmte Merkmale der verschiedenen physischen Umgebungen können die Wirksamkeit einzelner Sensorarten beeinflussen. Um die Einschränkungen der verschiedenen sensorischen Systeme auszugleichen, stützt sich ein typischer AMR auf einen vielfältigen Sensorstapel, der Bildverarbeitungssensoren, Laufzeitsysteme (ToF), LiDAR, Radar, Rad-Encoder und eine Trägheitsmesseinheit umfassen kann (Abbildung 4).

Abbildung 4: Der Sensorstapel eines AMR kombiniert in der Regel Bildverarbeitungssensoren, eine Trägheitsmesseinheit und Raddrehgeber, um ergänzende Informationen für die Ortung zu liefern. (Bildquelle: Analog Devices)

In einem Korridor mit wenigen Merkmalen (Abbildung 5) fehlen beispielsweise die charakteristischen Elemente, die für visuelle Algorithmen zur simultanen Ortung und Kartierung (SLAM) erforderlich sind, um Bilder mit einer gespeicherten Karte abzugleichen. Ohne eindeutige visuelle Hinweise kann die Lageeinschätzung des Roboters schnell abdriften, so dass ein AMR seine Position verliert. In diesem Szenario können die von einer Trägheitsmesseinheit gelieferten Kurs- und Orientierungsinformationen die Roboternavigation trotz des Verlusts der visuellen Odometrie aufrechterhalten.

Abbildung 5: In einem langen, strukturlosen Korridor kann die visuelle Odometrie des Roboters schnell versagen, so dass der AMR seine Position verliert, wenn Kurs- und Orientierungsinformationen von einer Trägheitsmesseinheit fehlen. (Bildquelle: Analog Devices)

In großen Freiflächen, z. B. in einer 50 m × 50 m großen Lagerhalle, liegen viele visuelle Merkmale außerhalb der effektiven Reichweite von LiDAR (Abbildung 6), das in der Regel eine maximale Reichweite von 10 m bis 15 m bietet. Einheitliche Layouts, wie z. B. gleichmäßig angeordnete Regale, können die visuelle Odometrie verwirren, da mehrere unterschiedliche Orte ähnlich aussehen. In diesem Szenario ermöglicht die Kombination von Messungen über Trägheitsmesseinheiten und Raddrehgeberdaten dem Roboter die Beibehaltung lokaler Lageeinschätzungen.

Abbildung 6: In einem großen offenen Bereich, in dem die Reichweite der Sensoren und das Fehlen von Unterscheidungsmerkmalen die visuelle Erfassung beeinträchtigen, können Messungen durch Trägheitsmesseinheiten und Rad-Odometrie die Ortung unterstützen. (Bildquelle: Analog Devices)

Schräge Flächen stellen eine weitere Herausforderung dar (Abbildung 7). Standardmäßige zweidimensionale LiDAR-Systeme erfassen Punkte in einer flachen Ebene; daher kann ein Abhang wie ein vertikales Hindernis erscheinen. Diese Fehlinterpretation kann die Navigation stören oder dazu führen, dass der Roboter befahrbare Wege meidet. Hier können Neigungs- und Rolldaten der Trägheitsmesseinheit Gradienteninformationen liefern, um diese Fehlinterpretation des LiDAR zu mindern, sodass SLAM-Algorithmen den Gradienten auflösen und zwischen befahrbaren Steigungen und echten Hindernissen unterscheiden können.

Abbildung 7: Neigungs- und Rolldaten der Trägheitsmesseinheit können Gradienteninformationen liefern, die die Neigung eines Hangs aufzeigen, 2D-SLAM-Fehlinterpretationen korrigieren und eine sichere AMR-Navigation ermöglichen. (Bildquelle: Analog Devices)

Auch Umgebungsfaktoren beeinträchtigen die Präzision der Ortsbestimmung der verschiedenen Sensoren (Tabelle 1). Faktoren wie schlechte Beleuchtung, dynamische Umgebungen, reflektierende Oberflächen und die Notwendigkeit einer reichhaltigen Szenengeometrie können die meisten Sensoren beeinflussen.

Tabelle 1: Auswirkungen verschiedener Umgebungsfaktoren auf die Effektivität der Sensoren. (Quelle der Tabelle: Analog Devices)

Wie die einzigartigen Leistungsmerkmale von Trägheitsmesseinheiten den AMRs zugute kommen

Trägheitsmesseinheiten werden schneller aktualisiert als Wahrnehmungssensoren und ermöglichen eine schnelle Reaktion auf dynamische Veränderungen in der Umgebung. Im Gegensatz zu Wahrnehmungssystemen, die in der Regel mit 10 Hz bis 30 Hz arbeiten, können Trägheitsmesseinheiten verarbeitete Daten mit 200 Hz und Rohdaten mit bis zu 4 kHz liefern. Mit ihrer 10-fach höheren Aktualisierungsrate kann eine Trägheitsmesseinheit in den längeren Intervallen zwischen den Wahrnehmungsmessungen aktualisierte Lageeinschätzungen ermöglichen. Diese höhere Aktualisierungsrate führt letztlich zu schnelleren Reaktionszeiten auf plötzliche Bewegungsänderungen und erhöht die Zuverlässigkeit des Systems in dynamischen Umgebungen.

Trägheitsmesseinheiten bilden die Grundlage für die AMR-Totpunktbestimmung, bei der ein AMR seine aktuelle Position ausgehend von einer bekannten Ausgangsposition auf der Grundlage der Integration von Beschleunigungs- und Winkelmessungen der Trägheitsmesseinheit schätzt. Durch die Bereitstellung von Daten, die zur kontinuierlichen Aktualisierung von Position, Orientierung und Geschwindigkeit erforderlich sind, ermöglichen Trägheitsmesseinheiten eine präzise Lagebestimmung für eine zuverlässige AMR-Navigation.

Kompakte Größe und geringes Gewicht begünstigen auch die Integration der Trägheitsmesseinheit in AMRs. Die Trägheitsmesseinheit ADIS16500AMLZ von Analog Devices (Abbildung 8) beispielsweise ist in einem BGA-Gehäuse mit den Abmessungen von nur 15 × 15 × 5 Millimetern untergebracht und verfügt über ein Gyroskop, einen Beschleunigungsmesser, einen Temperatursensor und eine komplette Signalkette für die Datenerfassung und Signalaufbereitung. Dieser Integrationsgrad ermöglicht es, umfassende Bewegungsdaten an den Host-Prozessor zu liefern und gleichzeitig den Einsatz in platzbeschränkten mechanischen Layouts zu ermöglichen, ohne die Manövrierfähigkeit des Roboters zu beeinträchtigen.

Abbildung 8: Die Trägheitsmesseinheit ADIS16500AMLZ integriert ein Gyroskop, einen Beschleunigungsmesser, einen Temperatursensor und eine komplette Signalkette für die Datenerfassung und Signalaufbereitung. (Bildquelle: Analog Devices)

Mit seinem dynamischen Bereich von ±2000˚ pro Sekunde (°/s) erfasst der ADIS16500AMLZ schnelle Drehungen ohne Sättigung, was für AMRs, die auf engem Raum navigieren oder Hindernissen schnell ausweichen, unerlässlich ist. Der dynamische Bereich des Beschleunigungssensors von ±392 m pro Sekunde zum Quadrat (m/s²) erfasst sowohl sanfte Bewegungen als auch starke Erschütterungen. Die Gyroskop-Stabilität von 8,1° pro Stunde (°/h) und die Beschleunigungsmesser-Stabilität von 125 Mikrometern pro Sekunde zum Quadrat (μm/s²) reduzieren die Drift und verbessern so die Genauigkeit der Positionsbestimmung zwischen den Korrekturen.

Die Werkskalibrierung bietet eine integrierte Korrektur für Empfindlichkeit, Bias und Achsenausrichtung, während die dynamische Offsetkorrektur Temperaturverschiebungen, Änderungen der Versorgungsspannung und magnetische Interferenzen berücksichtigt und das Rauschen reduziert.² Die mechanische Stoßtoleranz der Trägheitsmesseinheit von 19.600 m/s² und der Betriebsbereich von -25 °C bis 85 °C ermöglichen den Einsatz in anspruchsvollen Umgebungen, während die rauscharmen ADCs mit hoher Bandbreite eine kontinuierliche, genaue Datenerfassung bei den hohen Aktualisierungsraten gewährleisten, die in reaktionsschnellen Steuerungssystemen erforderlich sind.

Trägheitsmesseinheiten sind im Allgemeinen auch relativ unempfindlich gegenüber elektromagnetischen Störungen (EMI) und können unter verschiedenen Beleuchtungs- und Umgebungsbedingungen arbeiten. Daher können diese Komponenten in einem breiten Spektrum von Anwendungen eingesetzt werden.

Abmilderung der Performanceeinschränkungen von Trägheitsmesseinheiten

Trotz ihrer Performancevorteile weisen Trägheitsmesseinheiten einige inhärente Einschränkungen auf.³ Ungefiltertes Rauschen kann die Messungen der Trägheitsmesseinheit beeinträchtigen, was die Navigationsgenauigkeit verringert. Die Verzerrungen der Beschleunigungs- und Gyroskopsensoren sammeln sich im Laufe der Zeit an und führen zu einer Drift der Orientierungs- und Bewegungsschätzungen. Nichtlineares Sensorverhalten verzerrt die Messungen, und thermoelektrische Ereignisse können bei Gyroskopen zu Winkelfehlern (ARW) und bei Beschleunigungsmessern zu Geschwindigkeitsfehlern (VRW) führen, die die Langzeitperformance weiter beeinträchtigen. Wenn diese Probleme nicht behoben werden, sinkt die Zuverlässigkeit der Ortung mit der Zeit.

Die Sensorfusion kann die Einschränkungen der Trägheitsmesseinheit überwinden, indem Daten der Trägheitsmesseinheit mit anderen Sensoreingaben integriert werden, um die Qualität und Zuverlässigkeit der Daten zu erhöhen, die Schätzung nicht gemessener Zustände zu verbessern und die Abdeckung zu erhöhen, um die Sicherheit zu verbessern. Zustandsschätzungstechniken wie der erweiterte Kalman-Filter (EKF) (Abbildung 9) können Rauschen, Zufallsbewegungen und Bias-Instabilitäten während des normalen AMR-Betriebs korrigieren. Durch die Messung der Beschleunigung aufgrund der Erdanziehungskraft können Neigungs- und Rollfehler des Gyroskops eliminiert werden. Schließlich kann die Bias-Drift verfolgt und korrigiert werden. In der Praxis ermöglicht EKF eine effektive Schätzung vergangener, gegenwärtiger und zukünftiger Zustände, auch wenn keine vollständigen Kenntnisse über die Natur des modellierten Systems vorliegen.

Abbildung 9: Ein vereinfachter EKF-Algorithmus verarbeitet verrauschte Sensormessungen über die Zeit, um eine korrigierte, kontinuierliche Schätzung der Roboterposition und -bewegung zu erstellen. (Bildquelle: Analog Devices)

EKF ist weit verbreitet, weil es die Systemdynamik und Messunsicherheiten modellieren und die Zustandsschätzung aktualisieren kann, wenn neue Daten eintreffen. Messungen, die Gaußsches weißes Rauschen oder andere Ungenauigkeiten enthalten können, werden über die Zeit beobachtet und zur Korrektur verwendet. Der Filter schätzt den wahren Wert der Messungen, indem er die Messungen zwischen den Sensoren synchronisiert, die Lage und Fehlerschätzungen vorhersagt und die Unsicherheit des vorhergesagten Wertes schätzt und aktualisiert.

Die Algorithmen für die Sensorfusion sind in das Open-Source-Paket robot_localization des Robot Operating System (ROS) eingebettet,⁴ das die EKF-basierte Fusion implementiert und den EKF-Algorithmus als Kern verwendet (Abbildung 10).

Abbildung 10: Eine typische ROS-basierte Sensorfusionssoftwarearchitektur kombiniert mehrere Sensoreingänge über das „robot_localization“-Paket, um eine robuste, kontinuierliche Lageschätzung zu erstellen. (Bildquelle: Analog Devices)

Dieses ROS-Paket ermöglicht die Fusion einer unbegrenzten Anzahl von Sensoren und kann eine Vielzahl von Eingabearten akzeptieren, einschließlich Daten der Trägheitsmesseinheit, Radgeschwindigkeit und Odometrie. Die fusionierte Ausgabe umfasst die vollständige 3D-Position und -Orientierung, lineare und Winkelgeschwindigkeiten sowie die Beschleunigung, die direkt in Navigations- und SLAM-Algorithmen einfließen. Anhand dieser Eingaben erzeugt „robot_localization“ einen geschätzten Lage-Zustand, der als Vektor aus aktuellen und abgeleiteten Messungen ausgedrückt wird:

Lage-Zustand = (X, Y, Z, Rollwinkel, Neigungswinkel, Gierwinkel, X˙, Y˙, Z˙, Rollwinkel˙, Neigungswinkel˙, Gierwinkel˙, X¨, Y¨, Z¨)

Beschleunigung der Entwicklung einer präzisen AMR-Ortung

Die Trägheitsmesseinheit ADIS16500AMLZ zeigt, wie Präzisionsmessung und integrierte Verarbeitung die AMR-Ortungsperformance verbessern können. Um die Anwendungsentwicklung zu beschleunigen, bietet Analog Devices das Breakout-Board ADIS16500/PCBZ (Abbildung 11, links) und das dazugehörige Evaluierungskit EVAL-ADIS-FX3Z an (Abbildung 11, rechts).

Abbildung 11: Das Breakout-Board ADIS16500/PCBZ (links) und das Evaluierungskit EVAL-ADIS-FX3Z (rechts) ermöglichen die schnelle Entwicklung von Anwendungen auf der Basis der Trägheitsmesseinheit ADIS16500. (Bildquelle: Analog Devices.)

Das Breakout-Board umfasst die Trägheitsmesseinheit und eine 16-polige Stiftleiste, die mit 2mm-Bandkabeln zum Anschluss an das Evaluierungskit verbunden werden kann. Das Evaluierungskit ermöglicht die Echtzeitabtastung der Trägheitsmesseinheit bei voller Abtastrate und wird über den USB-Anschluss mit Strom versorgt. Die gesamte erforderliche Software kann von der Ressourcenseite heruntergeladen werden.

Fazit

Trägheitsmesseinheiten sind für die Aufrechterhaltung einer präzisen Navigation in AMRs unerlässlich. Sie liefern Orientierungsschätzungen und Bewegungsverfolgung mit hohen Aktualisierungsraten, selbst wenn andere Sensorarten aufgrund von Umgebungsbedingungen versagen. Durch den Einsatz von Sensorfusion zum Ausgleich von Einschränkungen bei verschiedenen Sensortypen können AMRs eine präzise Navigation selbst in dynamischen Umgebungen durchführen, die normalerweise die AMR-Navigation verwirren. Mit der Verfügbarkeit von hochintegrierten Trägheitsmesseinheiten und den dazugehörigen Breakout-Boards und Evaluierungskits können Entwickler schnell AMRs entwerfen, die eine genaue und zuverlässige Positionsbestimmung ermöglichen, die für eine präzise Navigation erforderlich ist.

Referenzen

1. Shoudong Huang und Gamini Dissanayake, Robot Localization: An Introduction, John Wiley & Sons, August 2016.
2. Randy Carver und Mark Looney, „MEMS Accelerometer Calibration Optimizes Accuracy for Industrial Applications“, EE Times, Oktober 2007.
3. Oliver J. Woodman, „An Introduction to Inertial Navigation“, University of Cambridge, August 2007.
4. robot_localization Dokumentation, v2.6.12, Tom Moore, 2016.