|
作者：Sarvesh Pimpalkar，ADI系統應用工程師 摘要 本文重點(diǎn)介紹了慣性測量單元(IMU)傳感器對于機器人定位的重要性，并概述了其主要優(yōu)點(diǎn)。IMU可提供關(guān)鍵的運動(dòng)數據，已成為機器人精確定位的重要組成部分。IMU集成了加速度計、陀螺儀和磁力計，通過(guò)提供實(shí)時(shí)響應，使機器人能夠準確地確定其方向、位置和運動(dòng)，從而使機器人能夠在動(dòng)態(tài)變化的環(huán)境中導航。傳感器融合技術(shù)將IMU數據與其他傳感器（例如攝像頭或LIDAR）相結合，通過(guò)整合多個(gè)數據源來(lái)提高定位精度。IMU廣泛應用于移動(dòng)機器人、人形機器人、無(wú)人機(UAV)以及虛擬/增強現實(shí)。它們在實(shí)現精確定位方面發(fā)揮了重要作用，使機器人能夠自主執行復雜任務(wù)并與周?chē)h(huán)境有效互動(dòng)。本文探討了在頗具挑戰性的AMR運行環(huán)境中，IMU具有哪些應用案例，以及IMU在實(shí)現精確定位方面如何發(fā)揮關(guān)鍵作用。 簡(jiǎn)介 自主移動(dòng)機器人(AMR)對于未來(lái)的智能工廠(chǎng)和倉儲至關(guān)重要，在塑造未來(lái)自動(dòng)化、可持續和清潔的工廠(chǎng)方面發(fā)揮著(zhù)關(guān)鍵作用。AMR可提高效率、減少浪費并優(yōu)化工業(yè)環(huán)境中的利用率。雖然未來(lái)可能會(huì )專(zhuān)門(mén)為AMR建造和優(yōu)化工廠(chǎng)，但讓這些機器人適應現有的倉庫和工廠(chǎng)仍面臨諸多挑戰。AMR面臨的主要障礙涉及兩個(gè)關(guān)鍵部分：高效路徑規劃（確定最佳路徑）和精確定位（不斷更新其在環(huán)境中的位置）。1 本文主要討論GPS無(wú)法覆蓋的封閉環(huán)境下的室內導航。AMR利用一系列傳感器和算法進(jìn)行定位和導航。其中包括攝像頭、LIDAR和雷達等視覺(jué)傳感器，以及車(chē)輪編碼器和IMU等測程傳感器。每種傳感器模式在范圍、準確性和傳感信息方面都各有優(yōu)勢。這些傳感器的組合可確保提供全面的數據，從而在動(dòng)態(tài)環(huán)境中有效定位機器人。雖然全面自主性必須要依靠一系列傳感器，但本文重點(diǎn)介紹IMU在具有挑戰性的AMR運行環(huán)境中的應用案例，以及IMU如何幫助實(shí)現精確定位，這對于導航和自主性至關(guān)重要。 什么是IMU？ IMU是由微機電系統(MEMS)器件構成的微型器件。其中通常包括： ► 三軸加速度計：加速度計用于測量相對于地球重力場(chǎng)的加速度。在IMU中，三軸加速度計用于測量x、y和z軸（見(jiàn)圖1）。 
圖1.x、y和z軸上的加速度測量。 ► 三軸陀螺儀：陀螺儀用于測量旋轉速率，提供三個(gè)軸上每個(gè)軸的角速度。三軸陀螺儀可以測量機器人在x、y和z軸上的角速度（ωx、ωy、ωz）（見(jiàn)圖2）。
圖2.x、y和z軸上的陀螺儀測量。 ► 高性能磁力計：提供磁場(chǎng)測量，對于在具有挑戰性的環(huán)境中準確估計方向至關(guān)重要。盡管并不流行，但一些傳統的IMU中配備了磁力計。 ► 其它：溫度傳感器用于補償溫度變化，氣壓計用于測量壓力。 IMU功能框圖 ► 典型的IMU不僅包括陀螺儀、加速度計和溫度傳感器，還包括模數轉換以提取測量值和溫度補償（見(jiàn)圖3）。 ► IMU采用板載初步濾波算法，例如板載FIR（有限脈沖響應）。 ► 校準和補償可糾正任何錯位或傳感器偏置。 ► 用戶(hù)可以選擇在傳輸最終數據之前從IMU模塊內部軸旋轉(dƟ)以匹配機器人的參考框架。 為何IMU對AMR有益？ ► 高刷新速率的實(shí)時(shí)定位：自主性和實(shí)時(shí)導航是機器人操作環(huán)境中的關(guān)鍵要素。然而，感知傳感器的刷新速率通常受到限制，大概在10 Hz到30 Hz的范圍內。相比之下，IMU擁有提供高保真位置輸出的能力，最高可達200 Hz。更高的刷新速率顯著(zhù)提高了系統在動(dòng)態(tài)環(huán)境中快速適應方向快速變化時(shí)的可靠性，從而有助于快速響應。憑借加速的刷新速率，AMR還能夠在其他測量之間的短暫間隔內提供估計姿態(tài)。因此，IMU在實(shí)現實(shí)時(shí)定位方面發(fā)揮著(zhù)關(guān)鍵作用，其刷新速率比感知傳感器快10倍。 ► 航位推算：IMU是航位推算的支柱，航位推算是一種根據先前已知的位置估計當前位置的導航技術(shù)。IMU可隨著(zhù)時(shí)間推移不斷提供位置、方向和速度數據，從而實(shí)現精確估計，有助于A(yíng)MR實(shí)現可靠導航。 ► 緊湊的尺寸和重量：IMU具有緊湊的尺寸和輕便的設計，非常適合集成到各種移動(dòng)機器人配置中。例如，ADI公司的ADIS16500的尺寸只有33.25 mm × 30.75 mm，既可確保高效放置，又不會(huì )影響機器人的機動(dòng)性。 ► 在不同環(huán)境中的可靠性：IMU具有一定的抗電磁干擾能力，可以在多種環(huán)境中運行，包括室外和室內環(huán)境。因此，它們適合廣泛的應用。 ► 通過(guò)加快刷新速率提高可靠性：感知傳感器的刷新速率通常限制在約10 Hz至30 Hz之間，而IMU可提供高達4 kHz原始數據的高保真位置輸出，具有顯著(zhù)的優(yōu)勢。更高的刷新速率增強了可靠性，特別是在動(dòng)態(tài)環(huán)境中，使AMR能夠快速響應并有助于在其他測量之間的短期間隔內估計姿態(tài)。
圖3.IMU的典型功能框圖。 已經(jīng)有視覺(jué)傳感器的情況下，為什么IMU對AMR來(lái)說(shuō)仍然必不可少
圖4.AMR的傳感器堆棧。 如圖4所示，AMR通常具有多種視覺(jué)傳感器，例如飛行時(shí)間(ToF)、攝像頭、LIDAR等。盡管視覺(jué)測程提供了豐富的數據集，但IMU仍有存在的必要性。以下場(chǎng)景探討了其背后的一些原因： 1. AMR在特征稀疏的走廊中導航：同步定位與地圖繪制(SLAM)算法本質(zhì)上通過(guò)匹配觀(guān)察到的傳感器數據來(lái)工作，這些數據存儲在地圖中以便在地圖內進(jìn)行定位。當AMR穿越長(cháng)走廊時(shí)（見(jiàn)圖5），會(huì )很快迷失定位。由于缺乏獨特特征，例如，具有均勻顏色、紋理或反射率的直墻，SLAM難以精確定位。在這種情況下，IMU可通過(guò)提供航向和方向信息來(lái)充當重要的引導系統。
圖5.AMR在特征不明顯的走廊中失去視覺(jué)測程能力。 2. 在廣闊的開(kāi)放環(huán)境中導航：范圍限制：當在大型開(kāi)放空間（如50 m×50 m的大型倉庫）中工作時(shí)，AMR難以定位，因為各個(gè)獨特特征超出了傳感器范圍（LIDAR的最大范圍通常約為10 m到15 m）。如圖6所示，由于空間過(guò)大，AMR的測程功能無(wú)法發(fā)揮作用。此外，倉庫通常具有統一的特征，因此也給視覺(jué)傳感器造成困難。在這種情況下，IMU和車(chē)輪編碼器是精確局部定位的唯一可靠來(lái)源。
圖6.傳感器的視場(chǎng)(FoV)有限，AMR無(wú)法在寬闊的開(kāi)放空間內進(jìn)行定位。 3. 在斜坡上行駛：當在斜坡上行駛時(shí)，傳統的SLAM算法依靠LIDAR時(shí)會(huì )遇到挑戰，因為2D點(diǎn)數據不顯示坡度信息。因此，斜坡會(huì )被誤解為墻壁或障礙物，導致地圖成本更高。因此，采用2D系統的傳統SLAM方法在斜坡上變得無(wú)效。IMU可通過(guò)提取坡度信息（圖7）來(lái)幫助解決這一難題，從而有效地在斜坡上導航。
圖7.AMR在斜坡上行駛。 表1.各種用于定位的傳感器模塊的姿態(tài)和方向估計
4. 導航時(shí)的環(huán)境因素：對環(huán)境因素的敏感性：LIDAR傳感器對各種環(huán)境因素很敏感，例如環(huán)境光、灰塵、霧和雨。這些因素會(huì )降低傳感器數據的質(zhì)量，進(jìn)而影響SLAM算法的性能。類(lèi)似地，其他傳感器模塊也會(huì )受到反射表面和動(dòng)態(tài)移動(dòng)物體（其他AMR或工人）的影響，導致SLAM進(jìn)一步混淆。表1總結了環(huán)境對不同傳感器模塊的影響。IMU可以在各種環(huán)境中可靠運行，因而成為移動(dòng)機器人在發(fā)揮多功能性時(shí)的合適選擇。 然而，沒(méi)有十全十美的傳感器！ 盡管IMU有其優(yōu)勢，但也存在風(fēng)險并會(huì )帶來(lái)一些挑戰2： 1. 噪聲：IMU測量容易受到噪聲的影響，這會(huì )降低機器人導航和控制的準確性。為了補償噪聲，IMU通常采用先進(jìn)的濾波技術(shù)，例如卡爾曼濾波或FIR。 2. 偏置：IMU傳感器會(huì )隨著(zhù)時(shí)間的推移積累偏置，這會(huì )導致方向和運動(dòng)估計出現誤差。為了解決這個(gè)問(wèn)題，采用了偏置估計算法來(lái)不斷更新IMU傳感器讀數。 3. 非線(xiàn)性度：IMU傳感器表現出非線(xiàn)性行為，這會(huì )進(jìn)一步加劇數據處理和解釋的復雜性。為了對非線(xiàn)性度進(jìn)行補償，需要對其進(jìn)行校準以表征傳感器的行為并應用適當的校正。 4. 隨機游走：IMU易受到外部熱機械事件的影響，導致ARW（角度隨機游走（陀螺儀中））和VRW（速度隨機游走（加速度計中））出現誤差。 如何降低這些風(fēng)險？答案是傳感器融合！ ► 傳感器融合有何幫助？ ■ 提高可靠性。 ■ 提高數據質(zhì)量。 ■ 更好地估計未測量的狀態(tài)。 ■ 增加覆蓋范圍從而確保安全。 ► 傳感器融合算法意義： ■ 擴展卡爾曼濾波等狀態(tài)估計技術(shù)可以糾正常規AMR運行期間的噪聲、ARW和偏置不穩定性誤差。 ■ 通過(guò)測量地球引力加速度，可以消除IMU中的俯仰和滾轉陀螺儀誤差。 ■ 該算法會(huì )跟蹤和糾正偏置漂移，并糾正ARW誤差。 ► 擴展卡爾曼濾波器(EKF)： ■ 即使建模系統的確切性質(zhì)未知，也支持對過(guò)去、現在和未來(lái)狀態(tài)的估計。圖8顯示了簡(jiǎn)化的EKF算法。 ■ 隨著(zhù)時(shí)間的推移,觀(guān)察到的測量值包含高斯白噪聲或其他不準確性，并通過(guò)以下方式估計測量的真實(shí)值 ■ 同步傳感器之間的測量 ■ 預測姿態(tài)和誤差估計 ■ 估計和更新預測值的不確定性
圖8.EKF算法（簡(jiǎn)化）。 ► 傳感器融合： ■ 在典型的基于機器人操作系統(ROS)的系統中，視覺(jué)傳感器以及IMU和車(chē)輪里程計（圖9）使用流行的基于ROS的開(kāi)源軟件包robot_localization3進(jìn)行融合，該軟件包以EKF算法為核心。該軟件包可以融合不限數量的傳感器和各種傳感器輸入，如IMU、輪速和里程計。robot_localization給出的姿態(tài)輸出包括機器人位置和方向的3D估計以及線(xiàn)/角速度和加速度，這些信息都會(huì )輸入到SLAM算法中。姿態(tài)輸出表達如下： 姿態(tài)狀態(tài) = (X, Y, Z, 滾轉, 俯仰, 偏航, X˙, Y˙, Z˙, 滾轉˙, 俯仰˙, 偏航˙, X¨, Y¨, Z¨)。
圖9.使用ROS的典型傳感器融合系統。 ADI IMU如何幫助解決這些挑戰？ ADI公司為包括移動(dòng)機器人在內的各種應用提供了多種IMU。提供的特有價(jià)值主張如下： ► 內置校準：ADI IMU具有經(jīng)過(guò)充分出廠(chǎng)校準的加速度計和陀螺儀尋址參數，例如靈敏度、偏置、對準、線(xiàn)性加速度的陀螺儀偏置和加速度計。內置動(dòng)態(tài)偏移校正功能可補償電源電壓、溫度和磁場(chǎng)干擾的變化并具有降噪功能4。這可以顯著(zhù)減少系統集成時(shí)間和采集成本，從而簡(jiǎn)化在不同條件下工業(yè)應用中精確傳感器測量的整體實(shí)施。 ► 低噪聲、高帶寬模數轉換器(ADC)：以高精度和高帶寬捕獲傳感器數據，確�？煽�、靈敏的運行。 ► 高精度：ADI IMU提供精確的方向、運動(dòng)和速度測量，使機器人能夠做出明智的決策并精確地在周?chē)h(huán)境中移動(dòng)。 ► 低功耗：移動(dòng)機器人通常依靠電池供電，因此低功耗對于增加行駛里程至關(guān)重要。ADI IMU能效高，可最大程度降低功耗并最大程度延長(cháng)電池續航時(shí)間。 ► 緊湊尺寸：為了安裝到移動(dòng)機器人有限的空間中，ADI IMU采用了緊湊的外形設計，因此可以輕松集成到各種機器人配置中，而不會(huì )影響性能。 ► 易于集成：與機器人控制系統的輕松集成對于無(wú)縫操作至關(guān)重要。ADI的IMU測試板與開(kāi)源ROS節點(diǎn)相結合，可以輕松集成以構建AMR。 結論 IMU是AMR定位的必備元件，因為IMU可以提供方向估計和運動(dòng)跟蹤，并以高刷新速率提供實(shí)時(shí)響應，使得AMR能夠在動(dòng)態(tài)環(huán)境中行駛。借助卡爾曼濾波器等傳感器融合技術(shù)，可以組合其他傳感器模塊來(lái)彌補彼此的局限性。ADI提供豐富多樣的IMU來(lái)滿(mǎn)足各種移動(dòng)機器人應用的特定要求。 參考文獻 1 Shoudong Huang和Gamini Dissanayake�！皺C器人定位：簡(jiǎn)介”。John Wiley & Sons, Inc.，2016年8月。 2 Oliver J. Woodman�！皯T性導航簡(jiǎn)介”。劍橋大學(xué)，2007年8月。 3 robot_localization 2.6.12文檔。Tom Moore，2016年。 4 Randy Carver和Mark Looney�！癕EMS加速度計校準可優(yōu)化工業(yè)應用的精度”。EE Times，2007年10月。 作者簡(jiǎn)介 Sarvesh Pimpalkar是一名系統應用工程師，在A(yíng)DI公司的工業(yè)邊緣、運動(dòng)和機器人團隊工作，專(zhuān)注于研發(fā)移動(dòng)機器人。他的專(zhuān)業(yè)領(lǐng)域是Linux和嵌入式系統的軟件系統設計和產(chǎn)品開(kāi)發(fā)。他擁有都柏林城市大學(xué)電子與計算機工程碩士學(xué)位、印度管理學(xué)院班加羅爾分校青年領(lǐng)袖高管綜合管理課程認證以及孟買(mǎi)大學(xué)電子工程學(xué)士學(xué)位。在加入ADI公司之前，Sarvesh曾擔任設計工程師，負責開(kāi)發(fā)各種工業(yè)產(chǎn)品的硬件、固件和自動(dòng)化。 |
