Een drone die (automatisch) wil rondvliegen, moet weten waar hij is en heeft dus lokalisatie nodig. Zoals u al kon lezen in onze blog ‘Welke technieken bestaan er voor drone-lokalisatie?’, bestaan er allerlei technologieën voor lokalisatie, maar het meest toegepast is lokalisatie aan de hand van GNSS. In indoor omgevingen kunnen we hier echter geen gebruik van maken, en moeten we op zoek naar (een combinatie van) alternatieve oplossingen.

De meeste toepassingen voor drones bevinden zich momenteel buitenshuis, maar ook binnen zijn er allerhande toepassingen te vinden, zoals inspectie, beveiliging, inventarisatie en meer. Hoewel gebruikt gemaakt kan worden van een piloot die de drone naar de juiste positie stuurt, is het voor sommige toepassingen gewenst om het proces te automatiseren zodat de drone zijn eigen weg kan vinden.

Voor indoor lokalisatie bestaan verschillende technologieën, zoals Ultra-wideband lokalisatie, visuele markers zoals ArUco markers en SLAM. Hoewel een drone op basis van één van deze technologieën zich indoor zou kunnen lokaliseren, hebben ze allen ook enkele nadelen:

  • Visuele markers moeten zich in het zicht van de onboard camera’s bevinden om op basis hiervan lokalisatie te doen. Er moeten dus voldoende markers in de omgeving geplaatst te worden om te zorgen dat er altijd één zichtbaar is. Ook is het best dat de afstand tussen de drone en de markers niet te groot is om voldoende nauwkeurigheid te bekomen.
  • Ultra-wideband meet de afstand tussen een tag op de drone en een anchor op een gekende plaats in de omgeving gebruik makende van radiogolven. Tag en anchor hoeven zich niet in elkaars zichtveld te bevinden gezien het signaal tot op zekere hoogte doorheen objecten kan propageren, al kan dit wel een negatieve impact hebben op de nauwkeurigheid, zeker in omgevingen met veel metaal. De anchors hebben echter wel een hogere kost vergeleken met visuele markers, en moeten bovendien van elektriciteit voorzien worden via bekabeling of batterijen.
  • SLAM (Simultaneous Localization And Mapping) is een technologie die een drone kan lokaliseren gebruik makende van sensoren die de omgeving van de drone observeren (bvb. camera’s, lidars of 3D camera’s). Het doet dit door natuurlijke kenmerken van de omgeving te detecteren in opeenvolgende sensor-metingen en hiervan een kaart te maken. De opgebouwde kaart wordt opnieuw gebruikt om de drone in te lokaliseren. Tegenwoordig wordt er veel gebruik gemaakt van camera’s om aan SLAM te doen, gezien camera’s in een licht gewicht toch veel informatie over de omgeving capteren. Een nadeel van SLAM is echter dat er, zelfs in de meest nauwkeurige SLAM systemen, een drift van enkele meters kan optreden over trajecten van 50-100 meter. In omgevingen met weinig of herhalende natuurlijke kenmerken kan dit zelfs nog erger worden.

Om de tekortkomingen van de verschillende technologieën te overbruggen kan gebruikt gemaakt worden van sensor fusie, waarin de metingen van verschillende technologieën gecombineerd worden om de drone te lokaliseren. De meest gekende techniek voor sensor fusie is de Kalman filter, die ook in verschillende varianten bestaan voor niet-lineaire systemen zoals een drone. De Kalman filter is reeds ontwikkeld in de jaren ’60, en onder andere gebruikt voor de Apollo missies. Hoewel er ondertussen ook andere sensor fusie technieken bestaan zoals de particle filter of moving horizon estimation, wordt de Kalman filter nog het meest toegepast omwille van zijn eenvoud en beperkte vereisten naar rekenkracht.

Om deze sensor fusie op een drone uit te voeren heeft Flanders Make een toolbox ontwikkeld, genaamd ‘OASE’ (Online Asynchronous State Estimation). Hoewel deze toolbox een traditionele Kalman filter implementeert, heeft hij enkele handige voordelen:

  • Gebruiksvriendelijk: Er is een handige interface naar de gebruiker toe, en vaak gebruikte modellen (bvb. een systeemmodel voor een drone, en meetmodellen voor GPS, UWB, Aruco markers…) zijn reeds geïmplementeerd in OASE. Voor modellen die nog niet in OASE zitten dient de gebruiker enkel de modellen zelf mee te geven. Jacobianen worden intern analytisch uitgerekend
  • Complexe data schema’s: OASE kan omgaan met complexe data-schema’s, waarbij metingen aan verschillende frequenties en potentieel met vertraging (bvb. in het geval van camera-metingen) binnenkomen. OASE zorgt ervoor dat hier op een correcte manier mee wordt omgegaan.
  • Efficiënt: Door gebruik te maken van automatische C-code generatie zorgt OASE dat de code op een efficiënte manier wordt uitgevoerd, ook op platformen met beperkte rekenkracht.

Een specifieke toepassing waar OASE reeds voor is ingezet is voor indoor lokalisatie in een magazijn voor het uitvoeren van automatische inventarisatie. De lokalisatie-oplossing bestaat uit een mix van visuele markers, UWB en SLAM. De visuele markers worden gebruikt voor lokalisatie tussen de rekken. Hiertoe worden ArUco markers geplaatst op de rekken. Doordat de rekken zeer gestructureerd zijn, is de positie van de markers gekend wanneer we ze op de leggers van de rekken plaatsen. Wanneer de camera een marker ziet kan hij de positie van de drone bepalen. Door visuele SLAM te gebruiken om afstanden van enkele meters te overbruggen tussen 2 markers in, en wanneer de drone dus geen marker ziet, kunnen we het aantal markers dat geplaatst moet worden sterk reduceren. In de open ruimtes in het magazijn, bijvoorbeeld in de laad- en losruimtes, maken we gebruik van UWB, gezien hier een viertal UWB anchors een groot gebied kunnen dekken. Door het slim combineren van deze verschillende technologieën bekomen we een totaaloplossing die de voordelen van de ene technologie gebruikt om de nadelen van de andere te overwinnen.

Bovenstaande toepassing focuste op de combinatie van verschillende technologieën voor indoor lokalisatie, maar ook voor outdoor toepassingen kan sensor fusie aangewezen zijn. In bepaalde omgevingen zoals onder bruggen, tussen hoge gebouwen, in bossen of onder grote kranen, of in het geval van GPS jamming kan de GNSS ontvangst ook buiten slecht of onbestaande zijn. Door ook in dit soort omgevingen bijvoorbeeld GNSS te combineren met (visuele) SLAM kan de robuustheid van de lokalisatieoplossing verhoogd worden.

Auteur
KURT GEEBELEN
Kurt Geebelen is onderzoeker bij Flanders Make met een specialisatie in de controle, lokalisatie, padplanning en navigatie van autonome systemen zoals AGVs en drones.

Contacteer EUKA/Flanders Make voor meer informatie
Updates en nieuwe artikels ontvangen in je mailbox? Schrijf je dan snel in voor onze nieuwsbrief!

 

Pin It on Pinterest