Améliorer la précision de localisation des robots autonomes grâce à la fusion de capteurs et aux IMU avancées

Les unités de mesures inertielles (IMU) sont fondamentales dans un large éventail de systèmes mobiles, notamment la robotique industrielle, les robots humanoïdes, les véhicules aériens sans pilote (UAV) et les systèmes immersifs de réalité mixte. Bien que les exigences spécifiques de ces systèmes varient selon les applications, les concepteurs sont constamment mis au défi de fournir des données d'orientation et de mouvement en temps réel de plus en plus précises pour la catégorie applicative générale appelée robots mobiles autonomes (AMR).

Cet article aborde brièvement les défis uniques de la localisation des AMR. Il présente ensuite des IMU avancées d'Analog Devices et montre comment elles peuvent être utilisées pour relever ces défis dans les environnements intérieurs dépourvus de système GPS, tout en tirant des enseignements d'une utilisation plus large dans d'autres domaines.

Pourquoi la localisation est un défi pour les développeurs d'AMR

Les AMR sont essentiels à la productivité des usines et des entrepôts intelligents où ils contribuent à rationaliser le flux de matériaux, à réduire les déchets et à améliorer l'utilisation. Pour réussir, il est essentiel de garantir leur localisation précise au sein de l'installation. Dans les installations spécialement conçues, les défis de localisation des AMR peuvent être atténués grâce à des repères (marqueurs de référence) stratégiquement placés ou à des configurations optimisées, mais la plupart des AMR peuvent fonctionner dans les installations existantes. Dans de telles installations, la combinaison d'un éclairage variable, de surfaces réfléchissantes et d'une géométrie complexe complique considérablement la localisation.

De plus, l'absence d'infrastructures cohérentes, telles que des largeurs d'allées standardisées ou des marquages au sol explicites, implique que les robots sont confrontés à des tâches de navigation et de cartographie plus complexes.

La nature de l'environnement de navigation pose deux défis opérationnels majeurs.¹

• Tout d'abord, le robot doit effectuer une planification efficace de la trajectoire afin de déterminer l'itinéraire optimal dans son environnement en fonction des conditions réelles.
• Deuxièmement, il doit exécuter une localisation précise, en mettant à jour en permanence sa propre position et son orientation en temps réel à mesure qu'il se déplace.

Dans les environnements intérieurs dépourvus de GPS, ces deux objectifs doivent être entièrement atteints grâce aux ressources de calcul et aux capacités de détection embarquées.

Pour relever ces défis, les AMR utilisent une combinaison de modalités de capteurs. Les systèmes de perception visuelle, tels que caméras, LiDAR et radars, fournissent de nombreuses données environnementales. Les systèmes d'odométrie, tels que les codeurs de roue et les IMU, suivent le mouvement directement à partir du déplacement du robot. Chaque type de capteur offre des avantages distincts : certains excellent dans la détection à longue portée, d'autres dans la détection de précision, mais chacun présente également des limites. En les combinant intelligemment, les AMR peuvent atteindre la redondance et la couverture nécessaires pour maintenir la précision dans des conditions dynamiques et imprévisibles.

Ce que mesure une IMU et pourquoi c'est important

Une IMU intègre des capteurs MEMS (microsystèmes électromécaniques) pour mesurer l'accélération et la vitesse angulaire en trois dimensions. Un accéléromètre triaxial mesure le mouvement le long des axes x, y et z par rapport à la gravité terrestre, capturant à la fois les forces statiques, telles que l'inclinaison, et les forces dynamiques, telles que l'accélération pendant le mouvement (Figure 1).

Figure 1 : Un accéléromètre triaxial mesure l'accélération le long des axes x, y et z, fournissant à la fois des données de mouvements dynamiques et une référence de gravité statique. (Source de l'image : Analog Devices)

Un gyroscope triaxial mesure la vitesse angulaire (ωx, ωy, ωz) pour chaque axe (Figure 2), permettant au robot de suivre les changements d'orientation.

Figure 2 : Un gyroscope triaxial mesure la vitesse angulaire pour chaque axe, permettant un suivi précis des changements d'orientation. (Source de l'image : Analog Devices)

Au cœur des accéléromètres et des gyroscopes dans les IMU modernes, les structures MEMS se déforment ou vibrent lorsqu'elles sont soumises à une accélération ou à une rotation, et les changements de capacité ou de fréquence de vibration qui en résultent sont convertis en signaux électriques. L'avantage des IMU basées MEMS réside dans leur combinaison de format compact, de basse consommation et de taux de mesure élevés, ce qui les rend pratiques pour l'intégration dans les plateformes mobiles.

Certaines IMU incluent également des capteurs supplémentaires qui étendent leurs capacités. Un magnétomètre hautes performances fournit des mesures de champ magnétique qui facilitent l'estimation de l'orientation dans les environnements difficiles, bien que les magnétomètres soient plus fréquents dans les IMU plus anciennes. Un capteur de température intégré permet la compensation thermique des données d'accéléromètre et de gyroscope. Un baromètre peut également être inclus pour mesurer la pression atmosphérique et estimer l'altitude.

Au-delà de leur réseau de capteurs, les IMU avancées intègrent également des chaînes de signaux d'acquisition de données étendues pour la conversion analogique-numérique, le filtrage à réponse impulsionnelle finie préliminaire et l'étalonnage en usine pour corriger le biais des capteurs et le désalignement des axes (Figure 3). Ces dispositifs permettent souvent la rotation (dƟ) du système de coordonnées interne de l'IMU afin de l'adapter à celui du robot avant la sortie, réduisant ainsi la charge de calcul sur le processeur principal.

Figure 3 : Le schéma fonctionnel d'une IMU avancée présente une chaîne de signaux de capteurs complète, fournissant la détection, l'étalonnage, la compensation et le filtrage dans un seul dispositif compact. (Source de l'image : Analog Devices)

Comment les IMU renforcent la localisation là où les autres capteurs échouent

Certaines caractéristiques des différents environnements physiques peuvent affecter l'efficacité des modalités de capteurs individuels. Pour atténuer les limitations des différents systèmes sensoriels, un AMR typique s'appuie sur une pile de capteurs diversifiée qui peut inclure des capteurs de vision, des systèmes de temps de vol (ToF), un LiDAR, un radar, des codeurs de roue et une IMU (Figure 4).

Figure 4 : La pile de capteurs d'un AMR combine généralement des capteurs de vision, une IMU et des codeurs de roue pour fournir des informations complémentaires de localisation. (Source de l'image : Analog Devices)

Dans un couloir présentant peu de caractéristiques, par exemple (Figure 5), la longue étendue de murs manque des éléments distinctifs nécessaires aux algorithmes visuels de localisation et cartographie simultanées (SLAM) pour faire correspondre les images à une carte stockée. En l'absence de repères visuels uniques, l'estimation de pose du robot peut rapidement dériver, entraînant la perte de position de l'AMR. Dans ce scénario, les informations de cap et d'orientation fournies par une IMU permettent de maintenir la navigation du robot malgré la perte d'odométrie visuelle.

Figure 5 : Dans un long couloir sans relief, l'odométrie visuelle du robot peut rapidement s'avérer défaillante, entraînant la perte de position de l'AMR en l'absence d'informations de cap et d'orientation fournies par une IMU. (Source de l'image : Analog Devices)

Dans les grands espaces ouverts, comme un entrepôt de 50 m × 50 m, de nombreuses caractéristiques visuelles dépassent la portée efficace du LiDAR (Figure 6), qui offre typiquement une portée maximum de 10 m à 15 m. Une disposition uniforme, telle que des étagères ou des racks de stockage régulièrement espacés, peut perturber l'odométrie visuelle en raison de la similitude de plusieurs emplacements différents. Dans ce scénario, la combinaison des mesures IMU et des données de codeurs de roue permet au robot de conserver des estimations de pose locales.

Figure 6 : Dans une grande zone ouverte, où les limites de portée des capteurs et l'absence de caractéristiques visuelles distinctives dégradent la détection visuelle, les mesures IMU et l'odométrie des roues peuvent maintenir la localisation. (Source de l'image : Analog Devices)

Les surfaces en pente constituent un autre défi (Figure 7). Un LiDAR bidimensionnel standard capture des points sur un plan plat ; par conséquent, une pente peut apparaître comme un obstacle vertical. Cette interprétation erronée peut perturber la navigation ou conduire le robot à éviter les chemins praticables. Dans ce cas, les données de tangage et de roulis de l'IMU peuvent fournir des informations de gradient pour atténuer cette mauvaise interprétation LiDAR, permettant aux algorithmes SLAM de résoudre le gradient et de faire la distinction entre les pentes franchissables et les véritables obstacles.

Figure 7 : Les mesures de tangage et de roulis de l'IMU peuvent révéler le gradient d'une pente, corrigeant ainsi les erreurs d'interprétation SLAM 2D et permettant la navigation sûre de l'AMR. (Source de l'image : Analog Devices)

Les facteurs environnementaux dégradent également les performances de localisation des différentes modalités de capteurs (Tableau 1). Des facteurs tels qu'un éclairage médiocre, des environnements dynamiques, des surfaces réfléchissantes et la nécessité d'une géométrie de scène riche peuvent avoir un impact sur la plupart des modalités sensorielles.

Tableau 1 : Impact des divers facteurs environnementaux sur l'efficacité du capteur. (Source du tableau : Analog Devices)

Comment les capacités de performances uniques des IMU profitent aux AMR

Les IMU s'actualisent à des rythmes plus rapides que les capteurs de perception, permettant une réponse rapide aux changements dynamiques de l'environnement. Contrairement aux systèmes de perception, qui fonctionnent généralement de 10 Hz à 30 Hz, les IMU peuvent fournir des données traitées à 200 Hz et des données brutes jusqu'à 4 kHz. Avec son taux de rafraîchissement 10 fois plus rapide, une IMU peut fournir des estimations de pose actualisées dans les intervalles plus longs entre les mesures de perception. Ce taux de rafraîchissement plus élevé se traduit par des temps de réaction plus rapides aux changements de mouvement soudains et augmente la fiabilité du système dans des environnements dynamiques.

Les IMU constituent la base de la navigation à l'estime de l'AMR, où un AMR estime sa position en cours à partir d'une position de départ connue, sur la base de l'intégration des mesures angulaires et d'accélération de l'IMU. En fournissant les données nécessaires à la mise à jour continue de la position, de l'orientation et de la vitesse, les IMU permettent une estimation de pose précise pour la navigation fiable de l'AMR.

Le format compact et le faible poids favorisent également l'intégration des IMU dans les AMR. Par exemple, l'IMU ADIS16500AMLZ d'Analog Devices (Figure 8) est fournie en boîtier BGA mesurant seulement 15 mm × 15 mm × 5 mm, mais elle intègre un gyroscope, un accéléromètre, un capteur de température et une chaîne de signaux complète pour l'acquisition de données et la mise en forme des signaux. Ce niveau d'intégration lui permet de fournir des données de mouvement complètes au processeur hôte tout en permettant son utilisation dans des configurations mécaniques à espace restreint sans compromettre la manœuvrabilité du robot.

Figure 8 : L'IMU ADIS16500AMLZ intègre un gyroscope, un accéléromètre, un capteur de température et une chaîne de signaux complète pour l'acquisition de données et la mise en forme des signaux. (Source de l'image : Analog Devices)

Grâce à la plage dynamique du gyroscope de ±2000°/s, l'ADIS16500AMLZ capture les rotations rapides sans saturation, ce qui est essentiel pour les AMR naviguant dans des espaces restreints ou effectuant des évitements d'obstacles rapides. La plage dynamique de l'accéléromètre de ±392 m/s² capture à la fois les mouvements fluides et les chocs à fort impact. La stabilité de biais du gyroscope de 8,1°/h et la stabilité de biais de l'accéléromètre de 125 μm/s² réduisent la dérive pour améliorer la navigation à l'estime entre les corrections.

L'étalonnage en usine fournit une correction intégrée pour la sensibilité, le biais et l'alignement des axes, tandis que la correction du décalage dynamique tient compte des changements de température, des variations de tension d'alimentation, des interférences magnétiques et de la réduction du bruit.² La tolérance aux chocs mécaniques de 19 600 m/s² de l'IMU et une plage de fonctionnement de −25°C à +85°C permettent le déploiement en environnements exigeants, tandis que les CAN à faible bruit et à large bande passante garantissent une capture de données précise et continue aux taux d'actualisation élevés requis dans les systèmes de contrôle réactifs.

Les IMU sont en général relativement résistantes aux interférences électromagnétiques (EMI) et peuvent fonctionner dans des conditions d'éclairage et d'environnement variées. Par conséquent, ces dispositifs peuvent être utilisés dans un large éventail d'applications.

Atténuer les limitations de performances des IMU

Malgré leurs avantages en termes de performances, les IMU présentent certaines limitations inhérentes.³ Le bruit non filtré peut affecter les mesures IMU, ce qui réduit la précision de navigation. Les biais dans les capteurs d'accéléromètre et de gyroscope s'accumulent au fil du temps, entraînant une dérive dans les estimations d'orientation et de mouvement. Le comportement non linéaire des capteurs déforme les mesures, et les événements thermoélectriques peuvent entraîner des erreurs de dérive aléatoire de l'orientation (Angle Random Walk, ARW) dans les gyroscopes et des erreurs de dérive aléatoire de la vitesse (Velocity Random Walk, VRW) dans les accéléromètres, ce qui dégrade davantage les performances à long terme. Si ces problèmes ne sont pas atténués, ils réduisent la fiabilité de la localisation au fil du temps.

La fusion de capteurs permet de surmonter les limites de l'IMU en intégrant les données de l'IMU à celles d'autres entrées de capteurs pour augmenter la qualité et la fiabilité des données, améliorer l'estimation des états non mesurés et accroître la couverture pour améliorer la sécurité. Les techniques d'estimation d'état telles que le filtre de Kalman étendu (EKF) (Figure 9) peuvent corriger le bruit, la dérive aléatoire et l'instabilité du biais pendant le fonctionnement normal de l'AMR. En mesurant l'accélération due à la gravité terrestre, les erreurs de tangage et de roulis du gyroscope peuvent être éliminées. Enfin, la dérive de biais peut être suivie et corrigée. En fonctionnement, l'EKF permet d'estimer efficacement les états passés, présents et futurs même en l'absence de connaissances complètes sur la nature du système modélisé.

Figure 9 : Un algorithme EKF simplifié traite les mesures de capteurs bruyants au fil du temps pour produire une estimation continue et corrigée de la pose et du mouvement du robot. (Source de l'image : Analog Devices)

L'EKF est largement utilisé car il peut modéliser la dynamique du système et les incertitudes de mesure, puis mettre à jour l'estimation de l'état lorsque de nouvelles données arrivent. Les mesures susceptibles de contenir du bruit blanc gaussien ou d'autres inexactitudes sont observées au fil du temps et utilisées pour la correction. Le filtre estime la valeur réelle des mesures en synchronisant les mesures entre les capteurs, en anticipant les estimations de pose et d'erreur, et en estimant et en actualisant l'incertitude de la valeur anticipée.

Les algorithmes de fusion de capteurs sont intégrés dans le pack open-source robot_localization⁴ du système d'exploitation de robot (ROS), qui implémente la fusion basée sur EKF et utilise l'algorithme EKF en son cœur (Figure 10).

Figure 10 : Une architecture logicielle de fusion de capteurs basée ROS typique combine plusieurs entrées de capteurs via le pack robot_localization pour produire une estimation de pose robuste et continue. (Source de l'image : Analog Devices)

Ce pack ROS permet la fusion d'un nombre illimité de capteurs et peut accepter une variété de types d'entrées, y compris les données IMU, la vitesse des roues et l'odométrie. La sortie fusionnée inclut la position et l'orientation 3D complètes, les vitesses linéaires et angulaires et l'accélération, qui alimentent directement les algorithmes de navigation et SLAM. À l'aide de ces entrées, robot_localization génère un état de pose estimé, exprimé sous forme de vecteur de mesures réelles et dérivées :

État de pose = (X, Y, Z, roulis, tangage, lacet, X˙, Y˙, Z˙, roulis˙, tangage˙, lacet˙, X¨, Y¨, Z¨)

Accélérer le développement de la localisation AMR précise

L'IMU ADIS16500AMLZ démontre comment la détection de précision et le traitement intégré peuvent améliorer les performances de localisation de l'AMR. Pour aider les développeurs à accélérer le développement d'applications, Analog Devices fournit la carte Breakout ADIS16500/PCBZ (Figure 11, à gauche) et le système d'évaluation EVAL-ADIS-FX3Z qui l'accompagne (Figure 11, à droite).

Figure 11 : La carte Breakout ADIS16500/PCBZ (à gauche) et le kit d'évaluation EVAL-ADIS-FX3Z (à droite) permettent le développement rapide d'applications basées sur l'IMU ADIS16500. (Source de l'image : Analog Devices.)

La carte Breakout comprend l'IMU et une embase à 16 broches qui se raccorde à des câbles plats de 2 mm pour la connexion au système d'évaluation. Le système d'évaluation permet l'échantillonnage en temps réel de l'IMU à la pleine fréquence d'échantillonnage et il est alimenté via son port USB. Tous les logiciels requis peuvent être téléchargés depuis la page de ressources.

Conclusion

Les IMU sont essentielles pour maintenir la localisation précise dans les AMR, en fournissant des estimations d'orientation et un suivi de mouvement à des taux d'actualisation élevés, même lorsque d'autres modalités sensorielles échouent en raison des conditions environnementales. En utilisant la fusion de capteurs pour compenser les limitations des différents types de capteurs, les AMR peuvent effectuer une navigation précise même dans les environnements dynamiques qui perturbent généralement la localisation des AMR. Grâce à la disponibilité d'IMU hautement intégrées et de cartes Breakout et de systèmes d'évaluation associés, les développeurs peuvent rapidement concevoir des AMR capables d'atteindre la localisation précise et fiable requise pour une navigation de précision.

Références

1. Shoudong Huang et Gamini Dissanayake, Robot Localization: An Introduction, John Wiley & Sons, août 2016.
2. Randy Carver et Mark Looney, MEMS Accelerometer Calibration Optimizes Accuracy for Industrial Applications, EE Times, octobre 2007.
3. Oliver J. Woodman, An Introduction to Inertial Navigation, Université de Cambridge, août 2007.
4. Documentation robot_localization, v2.6.12, Tom Moore, 2016.