|
作者：Sarvesh Pimpalkar，ADI系統應用工程師 摘要 本文重點介紹了慣性測量單元(IMU)傳感器對于機器人定位的重要性，并概述了其主要優點。IMU可提供關鍵的運動數據，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，通過提供實時響應，使機器人能夠準確地確定其方向、位置和運動，從而使機器人能夠在動態變化的環境中導航。傳感器融合技術將IMU數據與其他傳感器（例如攝像頭或LIDAR）相結合，通過整合多個數據源來提高定位精度。IMU廣泛應用于移動機器人、人形機器人、無人機(UAV)以及虛擬/增強現實。它們在實現精確定位方面發揮了重要作用，使機器人能夠自主執行復雜任務并與周圍環境有效互動。本文探討了在頗具挑戰性的AMR運行環境中，IMU具有哪些應用案例，以及IMU在實現精確定位方面如何發揮關鍵作用。 簡介 自主移動機器人(AMR)對于未來的智能工廠和倉儲至關重要，在塑造未來自動化、可持續和清潔的工廠方面發揮著關鍵作用。AMR可提高效率、減少浪費并優化工業環境中的利用率。雖然未來可能會專門為AMR建造和優化工廠，但讓這些機器人適應現有的倉庫和工廠仍面臨諸多挑戰。AMR面臨的主要障礙涉及兩個關鍵部分：高效路徑規劃（確定最佳路徑）和精確定位（不斷更新其在環境中的位置）。1 本文主要討論GPS無法覆蓋的封閉環境下的室內導航。AMR利用一系列傳感器和算法進行定位和導航。其中包括攝像頭、LIDAR和雷達等視覺傳感器，以及車輪編碼器和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勢。這些傳感器的組合可確保提供全面的數據，從而在動態環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，但本文重點介紹IMU在具有挑戰性的AMR運行環境中的應用案例，以及IMU如何幫助實現精確定位，這對于導航和自主性至關重要。 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的加速度。在IMU中，三軸加速度計用于測量x、y和z軸（見圖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，提供三個軸上每個軸的角速度。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：提供磁場測量，對于在具有挑戰性的環境中準確估計方向至關重要。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？ ► 高刷新速率的實時定位：自主性和實時導航是機器人操作環境中的關鍵要素。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提高了系統在動態環境中快速適應方向快速變化時的可靠性，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。因此，IMU在實現實時定位方面發揮著關鍵作用，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。IMU可隨著時間推移不斷提供位置、方向和速度數據，從而實現精確估計，有助于AMR實現可靠導航。 ► 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，又不會影響機器人的機動性。 ► 在不同環境中的可靠性：IMU具有一定的抗電磁干擾能力，可以在多種環境中運行，包括室外和室內環境。因此，它們適合廣泛的應用。 ► 通過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，具有顯著的優勢。更高的刷新速率增強了可靠性，特別是在動態環境中，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。
圖3.IMU的典型功能框圖。 已經有視覺傳感器的情況下，為什么IMU對AMR來說仍然必不可少
圖4.AMR的傳感器堆棧。 如圖4所示，AMR通常具有多種視覺傳感器，例如飛行時間(ToF)、攝像頭、LIDAR等。盡管視覺測程提供了豐富的數據集，但IMU仍有存在的必要性。以下場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)算法本質上通過匹配觀察到的傳感器數據來工作，這些數據存儲在地圖中以便在地圖內進行定位。當AMR穿越長走廊時（見圖5），會很快迷失定位。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可通過提供航向和方向信息來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測程能力。 2. 在廣闊的開放環境中導航：范圍限制：當在大型開放空間（如50 m×50 m的大型倉庫）中工作時，AMR難以定位，因為各個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，由于空間過大，AMR的測程功能無法發揮作用。此外，倉庫通常具有統一的特征，因此也給視覺傳感器造成困難。在這種情況下，IMU和車輪編碼器是精確局部定位的唯一可靠來源。
圖6.傳感器的視場(FoV)有限，AMR無法在寬闊的開放空間內進行定位。 3. 在斜坡上行駛：當在斜坡上行駛時，傳統的SLAM算法依靠LIDAR時會遇到挑戰，因為2D點數據不顯示坡度信息。因此，斜坡會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效。IMU可通過提取坡度信息（圖7）來幫助解決這一難題，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和方向估計
4. 導航時的環境因素：對環境因素的敏感性：LIDAR傳感器對各種環境因素很敏感，例如環境光、灰塵、霧和雨。這些因素會降低傳感器數據的質量，進而影響SLAM算法的性能。類似地，其他傳感器模塊也會受到反射表面和動態移動物體（其他AMR或工人）的影響，導致SLAM進一步混淆。表1總結了環境對不同傳感器模塊的影響。IMU可以在各種環境中可靠運行，因而成為移動機器人在發揮多功能性時的合適選擇。 然而，沒有十全十美的傳感器！ 盡管IMU有其優勢，但也存在風險并會帶來一些挑戰2： 1. 噪聲：IMU測量容易受到噪聲的影響，這會降低機器人導航和控制的準確性。為了補償噪聲，IMU通常采用先進的濾波技術，例如卡爾曼濾波或FIR。 2. 偏置：IMU傳感器會隨著時間的推移積累偏置，這會導致方向和運動估計出現誤差。為了解決這個問題，采用了偏置估計算法來不斷更新IMU傳感器讀數。 3. 非線性度：IMU傳感器表現出非線性行為，這會進一步加劇數據處理和解釋的復雜性。為了對非線性度進行補償，需要對其進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。 ■ 提高數據質量。 ■ 更好地估計未測量的狀態。 ■ 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估計技術可以糾正常規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未知，也支持對過去、現在和未來狀態的估計。圖8顯示了簡化的EKF算法。 ■ 隨著時間的推移,觀察到的測量值包含高斯白噪聲或其他不準確性，并通過以下方式估計測量的真實值 ■ 同步傳感器之間的測量 ■ 預測姿態和誤差估計 ■ 估計和更新預測值的不確定性
圖8.EKF算法（簡化）。 ► 傳感器融合： ■ 在典型的基于機器人操作系統(ROS)的系統中，視覺傳感器以及IMU和車輪里程計（圖9）使用流行的基于ROS的開源軟件包robot_localization3進行融合，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給出的姿態輸出包括機器人位置和方向的3D估計以及線/角速度和加速度，這些信息都會輸入到SLAM算法中。姿態輸出表達如下： 姿態狀態 = (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公司為包括移動機器人在內的各種應用提供了多種IMU。提供的特有價值主張如下： ► 內置校準：ADI IMU具有經過充分出廠校準的加速度計和陀螺儀尋址參數，例如靈敏度、偏置、對準、線性加速度的陀螺儀偏置和加速度計。內置動態偏移校正功能可補償電源電壓、溫度和磁場干擾的變化并具有降噪功能4。這可以顯著減少系統集成時間和采集成本，從而簡化在不同條件下工業應用中精確傳感器測量的整體實施。 ► 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，確保可靠、靈敏的運行。 ► 高精度：ADI IMU提供精確的方向、運動和速度測量，使機器人能夠做出明智的決策并精確地在周圍環境中移動。 ► 低功耗：移動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重要。ADI IMU能效高，可最大程度降低功耗并最大程度延長電池續航時間。 ► 緊湊尺寸：為了安裝到移動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，而不會影響性能。 ► 易于集成：與機器人控制系統的輕松集成對于無縫操作至關重要。ADI的IMU測試板與開源ROS節點相結合，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跟蹤，并以高刷新速率提供實時響應，使得AMR能夠在動態環境中行駛。借助卡爾曼濾波器等傳感器融合技術，可以組合其他傳感器模塊來彌補彼此的局限性。ADI提供豐富多樣的IMU來滿足各種移動機器人應用的特定要求。 參考文獻 1 Shoudong Huang和Gamini Dissanayake。“機器人定位：簡介”。John Wiley & Sons, Inc.，2016年8月。 2 Oliver J. Woodman。“慣性導航簡介”。劍橋大學，2007年8月。 3 robot_localization 2.6.12文檔。Tom Moore，2016年。 4 Randy Carver和Mark Looney。“MEMS加速度計校準可優化工業應用的精度”。EE Times，2007年10月。 作者簡介 Sarvesh Pimpalkar是一名系統應用工程師，在ADI公司的工業邊緣、運動和機器人團隊工作，專注于研發移動機器人。他的專業領域是Linux和嵌入式系統的軟件系統設計和產品開發。他擁有都柏林城市大學電子與計算機工程碩士學位、印度管理學院班加羅爾分校青年領袖高管綜合管理課程認證以及孟買大學電子工程學士學位。在加入ADI公司之前，Sarvesh曾擔任設計工程師，負責開發各種工業產品的硬件、固件和自動化。 |
