জিপিএস ছাড়াই নিখুঁত অবস্থান


23

কোনও আইএমইউ ব্যবহার করে একটি রোবট এটির বর্তমান অবস্থানের তুলনায় এটির বর্তমান অবস্থানটি অনুমান করতে পারে তবে সময়ের সাথে সাথে ত্রুটি দেখা দেয়। স্থানীয় ত্রুটি সঞ্চার দ্বারা পক্ষপাতদুষ্ট নয় এমন অবস্থানের তথ্য সরবরাহের জন্য জিপিএস বিশেষভাবে কার্যকর। তবে জিপিএস বাড়ির অভ্যন্তরে ব্যবহার করা যায় না, এমনকি বাইরেও এটি দাগযুক্ত হতে পারে।

তাহলে কোন পদ্ধতি বা সেন্সরগুলি কী কী যা কোনও রোবট জিপিএস ব্যবহার না করে স্থানীয়করণের জন্য (রেফারেন্সের কিছু ফ্রেমের তুলনায়) ব্যবহার করতে পারে?


উভয় প্রথম উত্তর যেমন উল্লেখ করা হয়েছে
অ্যান্ড্রু

এই রোবোটটির স্কেল কী ধরণের তা নিশ্চিত নয় তবে এটি যদি কিছু বিশাল হয় এবং ধীরে ধীরে জিপিএসে অগ্রসর হয় তবে অজানা ভূখণ্ডের অভ্যন্তরীণ অঞ্চলগুলি (উদাহরণস্বরূপ: খনি টানেল) অস্বীকার করে আপনি মোট স্টেশন ব্যবহার করে রোবটের যথাযথ অবস্থান অর্জন করতে পারেন এবং ট্র্যাকিং প্রিজম দম্পতি।
জেরোমে

উত্তর:


20

প্রাথমিকভাবে, মৃত গণনা সাধারণত কিছু অন্যান্য কৌশল, যেমন স্ল্যাম-এর মতো ব্যবহৃত হয়। রোবট একটি মানচিত্র তৈরি করে এবং তারপরে সেই মানচিত্রের মধ্যে স্থানীয়করণের চেষ্টা করে। উদাহরণস্বরূপ, লেজার রেঞ্জ স্ক্যানার ব্যবহার করে এবং মৃত গণনার উপর ভিত্তি করে, রোবটটি কোথায় আছে তা সম্পর্কে ধারণা রয়েছে। মানচিত্রের সাথে লেজার রেঞ্জের ডেটা তুলনা করে এটি তার অনুমানটি উন্নত করতে পারে।

প্রাসঙ্গিক সংস্থানগুলি হ'ল:

পদ্ধতিগুলির মধ্যে রয়েছে:

  • এর সাথে স্লাম (বা কমপক্ষে স্থানীয়করণ)
    • লেজার
    • দৃষ্টি (ক্যামেরা, স্টেরিও-ভিশন)
    • কাঠামোগত পরিবেশ
  • সেলুলার সিগন্যাল
  • ওয়াইফাই সংকেত
  • আরএফ (রেডিও ফ্রিকোয়েন্সি) বীকন এবং ত্রিভঙ্গীকরণ ( http://www.wpi.edu/Images/CMS/PPL/ITT.pdf এ আরও তথ্য )।
  • ক্যামেরা ট্র্যাকিং সিস্টেম (একটি স্থানের মধ্যে চিহ্নিতকারীদের অপটিক্যাল ট্র্যাকিং)

রোনালচনে প্রসারিত করার জন্য, মূলত আপনার পরিচিত জায়গাগুলিতে কিছু আকারের বীকনগুলির প্রয়োজন হয় যা কোনও মানচিত্রের থেকে আপেক্ষিক স্থির করতে বা পরিচিত বস্তুগুলি (যেমন দেয়াল বা দরজা) সেন্সিংয়ের উপায় হতে পারে। বীকনগুলি আপনার রোবট বা দ্বৈত ব্যবহারের জন্য নির্দিষ্ট হতে পারে (ওয়াইফাই রাউটার, সেল টাওয়ারের অবস্থানগুলি ইত্যাদি) to
ভিয়েনা মাইক

9

আমি বুঝতে পারছি যে কোনও সমস্যা রেফারেন্স ফ্রেমের মধ্যে আপনার অবস্থান সন্ধানের জন্য জিপিএসের বিভিন্ন উপায় খুঁজে পাওয়া আপনার সমস্যা। বিচ্ছিন্নতার এই সমস্যাটিকে স্থানীয়করণ বলা হয় এবং এটি সম্পাদন করার অনেক উপায় রয়েছে। প্রথমত আপনাকে আপেক্ষিক পদ্ধতির মধ্যে পার্থক্য করতে হবে, সুতরাং পরিমাপগুলি যা পূর্ব পরিচিত অবস্থানে অবস্থানে পরিবর্তন সরবরাহ করে। এই পদ্ধতিটিতে সমস্যা রয়েছে যে কোনও ত্রুটি স্পষ্টতই জমেছে এবং সীমাহীনভাবে বাড়বে।

  • মৃত গণনা সম্ভবত আপেক্ষিক স্থানীয়করণের অন্যতম প্রাচীন উপায়। আপনি যদি শিরোনাম, গতি এবং সময় ব্যবহার করেন (সুতরাং ভ্রমণের দূরত্বের অনুমান করা) আপনি একটি শুরু অবস্থান থেকে আপনার অবস্থানের পরিবর্তনগুলি যোগ করতে পারেন।

  • মৃত গণনা ব্যবহার করা ছাড়াও আপনি কোনও ম্যাপে ল্যান্ডমার্কগুলি ও ট্র্যাক করতে পারবেন না। আবার সেই ল্যান্ডমার্কগুলি সন্ধান করা আপনাকে আপনার আপেক্ষিক অবস্থানের ত্রুটি হ্রাস করতে দেয়। এটি একযোগে স্থানীয়করণ এবং ম্যাপিং (এসএলএম) সমস্যা। এটি এখনও আপেক্ষিক নেভিগেশন।

এখন আপনার নিখুঁত নেভিগেশন প্রশ্নে আসছেন। জিপিএস যা কিছু করে তা আপনাকে ল্যান্ডমার্কগুলিতে আপনার রেফারেন্স ফ্রেমে একটি পরিচিত অবস্থানের তথ্য দিয়ে দূরত্বের অনুমান সরবরাহ করে (এই ক্ষেত্রে ভূ-কেন্দ্রিক)। জিপিএস গ্রহণকারীরা এই তথ্যগুলি নেবে এবং একটি অবস্থান সমাধান তৈরি করবে, এতেও একটি ত্রুটি রয়েছে। তবে ভাল জিনিসটি হ'ল এই ত্রুটিটি আপনার রেফারেন্সের ফ্রেমের মধ্যে আবদ্ধ। এটি এটিকেই একটি পরম অবস্থান ব্যবস্থা করে তোলে। সুতরাং এটি এর অভ্যন্তরে বা বাহিরে হোক এবং আপনার পছন্দসই রেফারেন্স ফ্রেম নির্বিশেষে, আপনার নিখুঁত অবস্থান সিস্টেমগুলির জন্য প্রয়োজনীয় সমস্তগুলি পরিমাপ যা আপনাকে আপনার রেফারেন্স ফ্রেমের মধ্যে কিছু পরিচিত ল্যান্ডমার্ক অবস্থানের সাথে সম্পর্কিত করে। সেই পদ্ধতিগুলির কয়েকটি পূর্ববর্তী উত্তরে দেওয়া হয়েছে । যদিও, যেমনটি আমি বলেছি, এসএলএম কোনও পরম পদ্ধতি নয়।

  • সবচেয়ে সহজ ফর্মটি হ'ল সরাসরি ল্যান্ডমার্ক স্বীকৃতি। আপনি যদি একটি আইফেল-টাওয়ার দেখেন তবে আপনার স্থির অবস্থানের (আপনার আইফেল-টাওয়ারের অবস্থানটি যদি আপনি জানেন তবে) আপনার স্থির অবস্থান সম্পর্কে একটি ধারণা (কমপক্ষে একটি সম্পূর্ণ ত্রুটিযুক্ত বাধা সহ) অন্তর্ভুক্ত হওয়া উচিত। যদিও আপনাকে কিছুটা বিশৃঙ্খলা করতে হবে ।

  • আপনি যদি আপনার নিখুঁত অবস্থান ত্রুটিটি উন্নত করতে চান তবে আপনি একই সময়ে একাধিক ল্যান্ডমার্ক ব্যবহার করতে পারেন। ক্লাসিক্যাল ট্রায়াঙ্গুলেশন এরকম উদাহরণ। অন্য একজন চন্দ্র বংশোদ্ভূত গাড়ির জন্য খড়ক ব্যবহার করছে। ল্যান্ডমার্কগুলি ভিজ্যুয়াল হতে হবে না এবং আপনি ওয়াইফাই বা সেলুলার স্থানীয়করণের মতো পরিচিত সংকেতের জন্য আরএফ সংকেত শক্তির মতো জিনিস ব্যবহার করতে পারেন।

  • উপরের সমস্ত পদ্ধতির জন্য ল্যান্ডমার্কগুলির প্রয়োজন, যা সনাক্ত এবং অনন্যভাবে সম্পর্কিত হওয়া দরকার। যদি এটি সমস্যা হয় তবে আপনি বিভিন্ন পদ্ধতি যেমন টেরিনের প্রোফাইলও ব্যবহার করতে পারেন । উদাহরণস্বরূপ এটি প্রাথমিক ক্রুজ ক্ষেপণাস্ত্র নেভিগেশন জন্য প্রয়োগ করা হয়েছে । আমি একটি উত্থানের মানচিত্রে স্থানীয়করণের জন্যও এই পদ্ধতিটি ব্যবহার করেছি ভিজ্যুয়াল বা রেঞ্জ সেন্সিং ছাড়াই

উপরের সমস্ত পদ্ধতির সাথে: যতক্ষণ না আপনার মানচিত্রের যে কোনও উপাদানতে জিও-রেফারেন্সযুক্ত তথ্য যুক্ত থাকে, আপনি অবশ্যই জিপিএস ব্যবহার না করে নিজেকে ভূ-রেফারেন্স করতে পারেন। পদ্ধতিগুলি পৃথক করার জন্য সবচেয়ে গুরুত্বপূর্ণ বিষয়টি হ'ল তাদের ত্রুটি বৈশিষ্ট্য।


4

আমি জানি এটি একটি পুরানো প্রশ্ন তবে আমি বর্তমানে বিদ্যমান উত্তরের সাথে কিছুটা যুক্ত করব। প্রথমত, এটি একটি অত্যন্ত জটিল সমস্যা যার সমাধানের চেষ্টা করছেন সকলেই তাদের ট্যাঙ্গো প্রকল্পের সাথে গুগল । সাধারণভাবে, অন্দরকে স্থানীয়করণের জন্য আপনাকে নিজের অভ্যন্তরীণ সেন্সরগুলির উপর নির্ভর করতে হবে, বা আপনাকে নিজের অবস্থান নির্ধারণে সহায়তা করার জন্য স্থাপন করা অভ্যন্তরীণ অবকাঠামো থেকে সহায়তা নিতে হবে।

  • অনবোর্ড সেন্সরগুলির উপর নির্ভরশীল:
    • লিডার / লেজার, ক্যামেরা, আরজিবিডি সেন্সর, আইএমইউগুলির মতো সেন্সর ব্যবহার করে
    • নির্ভুল পুনরাবৃত্তীয় স্থানীয়করণের জন্য কিছু জটিল অ্যালগরিদমিক সংবেদক ফিউশন সঞ্চালন করুন। স্ল্যাম (একযোগে স্থানীয়করণ এবং মানচিত্রের বিল্ডিং) সাধারণত ব্যবহৃত হয়। আমি এর আগে একটি সাধারণ, তবে ত্রুটিযুক্ত প্রবণ স্থানীয়করণ করতে এমআরআইসিপি (মানচিত্রের রেফারেন্স আইট্রেটিভ ক্লোজস্ট পয়েন্ট) নামে একটি পদ্ধতি তৈরি করেছি । সাহিত্যের প্রচুর, যে সামনে তাকান সাম্প্রতিক একচক্ষুবিশিষ্ট এবং ঘনদর্শনমূলক চাক্ষুষ odometry যা বেশ প্রতিশ্রুতি হয় (পরীক্ষা ষষ্ঠ সংবেদক থেকে সহ skybotix বা svo )।
  • অবকাঠামো নির্ভর:
    • বীকন (ব্লুটুথ, আল্ট্রাব্যান্ড, ওয়্যারলেস ...)
    • মোকেপ (মোশন ক্যাপচার ক্যামেরা: উইকন, ভিসুয়ালিয়েজ ...)
    • হালকা বাল্বগুলিতে এনকোড পজিশনিং (ফিলিপস সম্প্রতি এটি ব্যবহার করছে)

সাধারণভাবে এটি নির্ভর করে আপনি কোন নির্ভুলতা অর্জনের চেষ্টা করছেন তার উপর। মোবাইল রোবোটিক্সে, আমার অভিজ্ঞতা থেকে, আপনাকে সত্যই বিশ্বব্যাপী সামঞ্জস্যপূর্ণ মানচিত্র এবং স্থানীয়ভাবে সঠিক অবস্থানে মনোনিবেশ করা উচিত। এর অর্থ আপনি উচ্চ-স্তরের টপোলজিকাল পদ্ধতিতে কোথায় রয়েছেন তা মোটামুটিভাবে জানতে হবে (এই ঘরটি বামের অন্য কক্ষের সাথে যুক্ত, বাম পাশের ঘরটি ২.৩২৩ মিটার দূরে রয়েছে), তবে স্থানীয়ভাবে আপনার সঠিক হওয়া উচিত অবস্থান অনুমান (লেজার + আইএমইউগুলি এটি সঠিকভাবে করতে পারে)।

আশাকরি এটা সাহায্য করবে.


3

যদি আপনার লক্ষ্যটি জিওরফারেন্সযুক্ত স্থানীয়করণ হয়, তবে আপনাকে কোনও এক সময় জিপিএস ব্যবহার করতে হবে । অন্যান্য কৌশল (মৃত গণনা, এসএলএম, ...) কেবলমাত্র "ব্রিজ" স্পটিটি জিপিএস / ইনডোর পরম পজিশনিং সংবর্ধনার জন্য দরকারী।


2

আপনি আরও ভাল অবস্থানের পরিমাপ করতে কীভাবে একটি ত্বরণ সেন্সর ব্যবহার করবেন তা জিজ্ঞাসা করছেন। আপনি সঠিকভাবে চিহ্নিত করেছেন যে, এই সময়ের সাথে ত্রুটি জমা।

এটিকে উন্নত করার একটি উপায় হ'ল জিপিএস এর মতো পর্যায়ক্রমিক পরম-অবস্থান আপডেট হওয়া বা এখানে উত্তরগুলির অনেকগুলি কৌশল থেকে।

তবে আপনাকে নিখুঁত-বেগের আপডেট পেতে হতে পারে এমন কোনও দক্ষতা উপেক্ষা করবেন না। যে কোনও গতি-ওভার-গ্রাউন্ড সেন্সর, বা চাকাগুলি থেকে কেবল কাঁচা অবস্থান / বেগের ডেটা (যদি আপনার চাকা থাকে) আপনার মৃত গণনা নির্ভুলতার উন্নতি করতে পারে।


2

http://www.locatacorp.com/ আপনি সন্ধান করছেন এমন সমাধান হতে পারে। তারা একটি অভ্যন্তরীণ স্থানীয় নক্ষত্র তৈরি করার জন্য প্রযুক্তি সরবরাহ করে। এটি ইনডোর জিপিএস অ্যাপ্লিকেশনগুলির জন্য উপগ্রহগুলির অনুকরণ করে। আমি বিশ্বাস করি যে এটি রোবটগুলিতে অতিরিক্ত হার্ডওয়্যার প্রয়োজন ছাড়াই অভ্যন্তরীণ জিপিএস রিসিভারগুলি ব্যবহার করতে পারে।


2

অপটিক্যাল ফ্লো সেন্সর (যেমন কম্পিউটারের মাউসগুলিতে ব্যবহৃত হয়) এই পরিস্থিতির জন্য ভাল। বেশিরভাগ অনুবাদের ক্ষেত্রে আউটপুট দেবে।

বিকল্পভাবে, আপনি কেবলমাত্র একটি বেসিক ক্যামেরা ব্যবহার করতে পারেন এবং ডেটাতে কিছু অপটিক্যাল ফ্লো অ্যালগরিদম চালাতে পারেন। এটি আপনাকে একই বেসিক তথ্য দেবে। এইভাবে এটি করার সময়, সহজ হতে পারে এমন একটি অ্যালগরিদমকে অভিযোজিত করুন যা রোটাল গতির পাশাপাশি অনুবাদও দেবে।

কিছু অপটিক্যাল ফ্লো আইসিগুলিতে আপনাকে চিত্রের ডেটা দেওয়ার ক্ষমতা রাখে (যেমন ADNS-3080), যা আপনি ঘূর্ণন সম্পর্কিত তথ্যের জন্য আরও বিশ্লেষণ করতে পারেন।


1

একচেটিয়া দৃষ্টিভিত্তিক এসএলএম (ওআরবিএসএমএলএম, এলএসডি_স্লাম, এসভিও) এর সাম্প্রতিক অগ্রগতিগুলি একটি ক্যামেরার ভঙ্গুর ইচ্ছাকে নির্বিচারে স্কেল এবং আবর্তিত প্রাথমিক ফ্রেম নির্ধারণ করা সম্ভব করেছে। আপনি যদি এই তথ্যটি কোনও আইএমইউ এবং ইকেএফ সিস্টেমের সাথে যেমন ইটিএইচ (ইথজাসল_এমএসএফ) এর সাথে একত্রিত করেন তবে জিপিএস না থাকলেও আপনি অবস্থান নির্ণয় করতে পারবেন। আরও ভাল, আপনি বেশ কয়েকটি পোজ / অবস্থান / দৃষ্টিভঙ্গি / ইত্যাদি একত্রিত করতে পারেন। এমএসএফ সেন্সর।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.