首頁 >> 技術(shù)資料 >>技術(shù)課堂 >> IMU在AGV小車SLAM建圖中的應(yīng)用淺析
详细内容

IMU在AGV小車SLAM建圖中的應(yīng)用淺析

IMU在AGV小車SLAM建圖中的應(yīng)用淺析

        導(dǎo)引與控制是AGV小車的關(guān)鍵部分。AGV小車依靠導(dǎo)引可以沿一定路線自動行駛。根據(jù)導(dǎo)航方式不同,可以分為直接坐標(biāo)導(dǎo)引、電磁導(dǎo)引、磁帶導(dǎo)引、光學(xué)導(dǎo)引、激光導(dǎo)引、慣性導(dǎo)航、圖象識別導(dǎo)引、GPS(全球定位系統(tǒng))導(dǎo)航等,通過導(dǎo)航方式AGV確定自身位置,按照預(yù)先規(guī)定的路徑行走。

       其中慣性導(dǎo)航是在AGV小車上安裝陀螺儀,在行駛區(qū)域的地面上安裝定位塊,AGV可通過對陀螺儀偏差信號的計算及地面定位塊信號的采集來確定自身的位置和方向,從而實(shí)現(xiàn)導(dǎo)引。此項技術(shù)在軍方運(yùn)用較早,其主要優(yōu)點(diǎn)是技術(shù)先進(jìn),定位準(zhǔn)確性高,靈活性強(qiáng),便于組合和兼容,適用領(lǐng)域廣,已被國外的許多AGV生產(chǎn)廠家采用。其缺點(diǎn)是制造成本較高,導(dǎo)引的精度和可靠性與陀螺儀的制造精度及使用壽命密切相關(guān)。

而目前比較研究比較多且較先進(jìn)的激光導(dǎo)引是采用SLAM機(jī)器人定位技術(shù)(實(shí)時定位與地圖生成)實(shí)現(xiàn)AGV的路徑地圖。簡單來講當(dāng)AGV機(jī)器人在一個陌生環(huán)境走一圈即自動掃描并生成該場景電子地圖,該電子地圖是AGV的激光器每秒幾萬個坐標(biāo)點(diǎn)拼接生成,然后在已知地圖任意創(chuàng)建工作站點(diǎn)即屬性,AGV在行駛運(yùn)動過程中實(shí)時與已知的基準(zhǔn)地圖坐標(biāo)進(jìn)行匹配,從而實(shí)現(xiàn)AGV高精度地位。部分廠家的激光AGV通過多種傳感器融合優(yōu)化算法其重復(fù)運(yùn)行精度達(dá)到5毫米,并且環(huán)境動態(tài)移動的人和物對其沒有任何影響。

激光牽引AGV.jpg


激光導(dǎo)引AGV

 

1.0 IMU指的是慣性測量單元。

IMU大多用在需要進(jìn)行運(yùn)動控制的設(shè)備,如汽車和機(jī)器人上。也被用在需要用姿態(tài)進(jìn)行精密位移推算的場合,如潛艇、飛機(jī)、導(dǎo)彈和航天器的慣性導(dǎo)航設(shè)備等。

     慣性測量單元是測量物體三軸姿態(tài)角(或角速率)以及加速度的裝置。一般的,一個IMU包含了三個單軸的加速度計和三個單軸的陀螺,加速度計檢測物體在載體坐標(biāo)系統(tǒng)獨(dú)立三軸的加速度信號,而陀螺檢測載體相對于導(dǎo)航坐標(biāo)系的角速度信號,測量物體在三維空間中的角速度和加速度,并以此解算出物體的姿態(tài)。

 

1.1 IMU的優(yōu)點(diǎn)

   IMU 有輸出頻率高、能輸出6DoF自由度測量信息等優(yōu)點(diǎn) 。視覺 SLAM 存在輸出頻率低、旋轉(zhuǎn)運(yùn)動時、或運(yùn)動速率加快時定位易失敗等問題,

 

1.2 IMU的不足

      IMU的數(shù)據(jù)必須經(jīng)過標(biāo)定,至少要將零偏等數(shù)據(jù)計算出來;

      IMU的零偏包括固定零偏(受到應(yīng)力和其他因素的影響)和啟動零偏(每次啟動不一樣,啟動之后就固定不變);

      標(biāo)定一般標(biāo)定的是固定零偏和啟動零偏,班寧傳感出品的IMU在算法上進(jìn)行了優(yōu)化,目前已經(jīng)做到了很高的精度,完全滿足了AGV的應(yīng)用場景。同時班寧的IMU在-40℃-85℃范圍內(nèi)進(jìn)行校準(zhǔn),滿足全溫區(qū)的使用。

 

1.3 用IMU定位難點(diǎn)分析

IMU定位原理

     對于acc+gyr方式:acc+gyr得到比較準(zhǔn)確姿態(tài),去除acc重力分量影響;二次積分可以得到位置;

     對于acc+gyr+mag方式:需要acc+gyr+mag方式得到比較準(zhǔn)確姿態(tài),其他處理方式一樣;

難點(diǎn)分析

IMU定位不準(zhǔn),主要由于3點(diǎn)造成:

a. 姿態(tài)不準(zhǔn)導(dǎo)致重力影響去除不了,誤差不斷累積;

b. 器件本身漂移不能去除,如acc從靜止到運(yùn)動再到靜止,acc積分得到的速度應(yīng)該為0, 而實(shí)際不為0;

c. 通過筆者的測試,班寧的BNS系列IMU,在本身漂移方面有著優(yōu)異的表現(xiàn);

 

現(xiàn)對上述3點(diǎn)進(jìn)行說明:

重力影響:可以采用一定的方法(如MahonyAHRS、MadgwickAHRS、Kalman,具體可參見xio):對于acc+gyr方式,acc只能在靜止時得到姿態(tài),運(yùn)動時不能,因而在運(yùn)動情況下姿態(tài)不準(zhǔn)確,重力影響去除不了;對于acc+gyr+mag,可以用mag得到姿態(tài),提高姿態(tài)準(zhǔn)確性,當(dāng)有磁場干擾時,該方式效果也存在問題;

本身漂移:對于此問題,一般的處理方法為用高通濾波去除,但高通濾波后得到的只是相對運(yùn)動關(guān)系,不能得到準(zhǔn)確的位置信息;因而在實(shí)際應(yīng)用中可以根據(jù)實(shí)際情況設(shè)計相應(yīng)的處理方法,如步態(tài)定位中,可以采用運(yùn)動靜止判斷,如下圖所示為步態(tài)數(shù)據(jù)運(yùn)動靜止判斷矯正后的效果:

靜止與運(yùn)動.png

      

所以在應(yīng)用中,IMU定位存在不可避免的漂移,需針對具體應(yīng)用設(shè)計相應(yīng)的處理算法。

由于大多數(shù)AGV在使用IMU的過程中,都是希望直接得到相對航向角Yaw,俯仰角Pitch,橫滾角Roll,還有加速度的信息,班寧的IMU可以高精度的輸出這些信息。

 

1.4 IMU實(shí)際數(shù)據(jù)

       以班寧的BNS系列IMU為例,提供6DoF自由度的姿態(tài)信息。

 

image.png


image.png

       IMU采用符合CAN輸出特性,CAN總線數(shù)據(jù)速率250KHz,信號更新頻率200Hz。同時支持485和SPI輸出。消息格式報告數(shù)據(jù),以16進(jìn)制輸出結(jié)果表示。

 

圖片.png


      以ID為F02D的加速度三軸方向的數(shù)據(jù)值及算法如下:

圖片.png

  

         IMU在靜止?fàn)顟B(tài)下的部分連續(xù)數(shù)據(jù)記錄如下:

圖片.png


       可以明顯的看到低位值BL的數(shù)據(jù)存在變動,這就是即使在靜止?fàn)顟B(tài)下也會有的零偏。這就需要進(jìn)行標(biāo)定固定零偏以及通過算法估計啟動零偏的殘差值和溫漂。

       未標(biāo)定的SLAM建圖效果對比如下:

      

圖片.png圖片.png

無IMU地圖        有IMU地圖(未標(biāo)定)

       SLAM地圖的好壞有很多因素的綜合疊加影響,譬如建圖的順序,先閉環(huán)后細(xì)節(jié), 激光的距離,移動物體的影響等,所以筆者認(rèn)為結(jié)合激光和IMU各自的優(yōu)點(diǎn),取長補(bǔ)短融合傳感建圖,并在AGV行進(jìn)中定位,利用IMU的特點(diǎn)幫助在高速運(yùn)動和旋轉(zhuǎn)中與地圖匹配定位,并且能夠進(jìn)行多自由度的分析,及姿態(tài)的調(diào)整和極限位置保護(hù)。

 

1.5 視覺傳感器和IMU傳感器融合

       同SLAM發(fā)展過程類似,視覺融合IMU問題也可以分成基于濾波和基于優(yōu)化兩大類。

 同時按照是否把圖像特征信息加入狀態(tài)向量來進(jìn)行分類,可以分為松耦合和緊耦合兩大類。

       松耦合將視覺傳感器和 IMU 作為兩個單獨(dú)的模塊,兩個模塊均可以計算得到位姿信息,然后一般通過 EKF 進(jìn)行融合。

圖片.png

     緊耦合則是指將視覺和 IMU 得到的中間數(shù)據(jù)通過一個優(yōu)化濾波器進(jìn)行處理,緊耦合需要把圖像特征加入到特征向量中,最終得到位姿信息的過程。由于這個原因,系統(tǒng)狀態(tài)向量最終的維度也會非常高,同時計算量也很大。

圖片.png

 

       總體來看,松耦合算法相對簡單,且擴(kuò)展性很強(qiáng),可以加入多種傳感器信息進(jìn)行融合,但融合得到的位姿估計精度相對較差;緊耦合算法實(shí)現(xiàn)起來相對復(fù)雜,可擴(kuò)展性差,但融合得到的位姿估計精度較高。

       總之,IMU和激光傳感器的融合算法是核心,初期建圖的策略及行進(jìn)中的算法誤差補(bǔ)償也是至關(guān)重要的。

       附一下筆者實(shí)測班寧的IMU部分?jǐn)?shù)據(jù):

       image.png

 

部分引用文章及出處:

————————————————

    1. 原文鏈接:https://blog.csdn.net/j05073094/java/article/details/54380188

    2. 原文鏈接:https://www.i-so.cn/agv-news-agvxcdyxt850/

    3. 資料參考:http://www.cnblogs.com/hitcm/p/6327442.html






seo seo