Los sistemas de navegación inercial visual (VINS) combinan la percepción basada en cámaras con la detección inercial para proporcionar un posicionamiento, una orientación y una estimación del movimiento precisos a las plataformas autónomas que operan en entornos sin GNSS. Aprovechando la odometría visual inercial (VIO) y la localización y cartografía visuales-inerciales simultáneas (VI-SLAM), estos sistemas fusionan los datos de la cámara y de la IMU para estimar el estado del vehículo, seguir el movimiento y crear conciencia del entorno en tiempo real.
Esta página muestra los principales fabricantes de VINS construidos para su despliegue en UAV, UGV, AUV y plataformas robóticas para cartografía, inspección, ISR y movilidad autónoma.
Sensores de navegación inercial: MEMS IMU, acelerómetros, giroscopios, AHRS, GPS-INS y generación de nubes de puntos
Soluciones de detección inercial de bajo SWaP para sistemas autónomos y no tripulados
Si diseñas, construyes o suministras Sistemas visuales de navegación inercial (VINS), Crea un perfil para mostrar tus capacidades y conectar con visitantes que tengan una necesidad real de tus soluciones.
Los sistemas de navegación visual inercial (VINS) combinan la percepción basada en cámaras con la detección inercial para proporcionar un posicionamiento, una orientación y una estimación del movimiento precisos a las plataformas autónomas. Al fusionar los datos de una o varias cámaras ópticas con las mediciones de una unidad de medición inercial (IMU), los VINS permiten a los vehículos no tripulados calcular su estado cinemático en tiempo real sin depender de señales de posicionamiento externas. Esta capacidad se ha convertido en esencial en todo el sector de los sistemas no tripulados, ya que los operadores buscan salvaguardar las plataformas terrestres, aéreas y marítimas frente a las vulnerabilidades del posicionamiento tradicional basado en satélites.
Aunque el Sistema Mundial de Navegación por Satélite (GNSS) sigue siendo un activo valioso para las coordenadas globales, su vulnerabilidad a la atenuación de la señal, la reflexión multitrayectoria en los cañones urbanos y las interferencias electrónicas intencionadas o la suplantación de identidad presentan una vulnerabilidad crítica. El VINS resuelve este problema actuando como un motor de retroceso autónomo de alta frecuencia que mantiene una estricta disponibilidad operativa en entornos disputados o físicamente oscurecidos. En la actualidad, la tecnología está ampliamente integrada en vehículos aéreos no tripulados (UAV) tácticos, vehículos terrestres no tripulados (UGV) robustos, vehículos submarinos autónomos (AUV) submarinos y robótica industrial localizada para apoyar la cartografía de largo alcance, la inspección de instalaciones y las operaciones militares tácticas.
Sistema de navegación visual-inercial Vision Navigator de Xsens
Para diseñar un marco de localización autónoma eficaz, los desarrolladores deben comprender las capacidades básicas, las interacciones de los sensores y las metodologías de software que definen la navegación visual inercial moderna. Estos elementos trabajan conjuntamente para transformar los datos ambientales brutos en estados de posición procesables.
El elemento visual de una solución VINS puede adoptar varias formas en función de la plataforma y los requisitos de la misión. Los sistemas de cámaras monoculares siguen siendo populares para las plataformas no tripuladas más pequeñas debido a sus reducidos requisitos de tamaño, peso y potencia, mientras que los sistemas de visión estereoscópica proporcionan una percepción directa de la profundidad que puede mejorar la detección de obstáculos y la precisión de la localización.
Las arquitecturas más avanzadas pueden incorporar múltiples cámaras para aumentar el campo de visión, mejorar la redundancia y mantener la visibilidad de las características durante maniobras complejas. Las cámaras basadas en eventos también suscitan un interés creciente en el sector de la autonomía. En lugar de capturar fotogramas de imágenes convencionales, estos sensores detectan los cambios de luminosidad, lo que permite una navegación de alta velocidad con una latencia menor y un desenfoque de movimiento reducido.
El punto fuerte del VINS reside en su capacidad para combinar las ventajas complementarias de los sensores visuales e inerciales. Las cámaras proporcionan abundante información sobre el entorno, pero pueden tener dificultades en condiciones de poca luz o en entornos con escasas características. Las IMU proporcionan mediciones continuas del movimiento independientemente de la visibilidad, pero acumulan errores con el tiempo.
Al sincronizar y fusionar estos flujos de datos, el VINS crea una estimación estable de la posición, la velocidad y la actitud. Los sistemas modernos se basan en sofisticadas arquitecturas de fusión de sensores capaces de procesar grandes volúmenes de datos en tiempo real manteniendo la baja latencia necesaria para la navegación autónoma.
Al desplegar un sistema de navegación visual, los ingenieros suelen elegir entre la odometría localizada y las técnicas de mapeo global en función de las limitaciones de la carga útil y los parámetros de la misión:
Estas capacidades son especialmente valiosas para los sistemas autónomos que operan en entornos desconocidos o cambiantes en los que puede que no se disponga de mapas preexistentes.
Implementar una arquitectura visual inercial fiable exige una cuidadosa selección de capas físicas de hardware y software que puedan hacer frente a factores ambientales exigentes. Cada componente debe equilibrar el rendimiento computacional con estrictas limitaciones de tamaño, peso, potencia y coste.
La selección de la cámara tiene un impacto significativo en el rendimiento de la navegación. A menudo se prefieren las cámaras con obturador global porque capturan una imagen completa simultáneamente, eliminando la distorsión causada por el movimiento rápido. Las cámaras de obturador rodante pueden ofrecer un menor coste y consumo de energía, pero pueden introducir artefactos en la imagen que afecten al seguimiento de las características.
Las cámaras de espectro visible siguen siendo la opción más común, aunque cada vez se utilizan más los sensores de baja luminosidad y las tecnologías de imagen HDR para mejorar el rendimiento en condiciones de iluminación difíciles. Las cámaras térmicas también se están integrando en los sistemas de navegación avanzados, permitiendo el funcionamiento en la oscuridad, el humo, la niebla y otros entornos visualmente degradados.
La unidad de medición inercial (IMU) sirve como componente de detección de movimiento de una arquitectura VINS, midiendo la aceleración y el movimiento de rotación a través de múltiples ejes. Las IMU basadas en sistemas microelectromecánicos (MEMS) dominan el mercado de los sistemas comerciales no tripulados debido a su tamaño compacto y asequibilidad, mientras que los sensores de grado táctico y de navegación proporcionan una mayor estabilidad y una deriva reducida para las aplicaciones de gama más alta.
Al evaluar las IMU para un sistema inercial visual, las consideraciones técnicas clave suelen incluir:
Estos factores influyen directamente en la calidad de la solución de navegación y en la capacidad del sistema para mantener un posicionamiento preciso durante operaciones prolongadas sin GNSS.
La navegación visual-inercial es intensiva desde el punto de vista computacional, ya que requiere importantes recursos de procesamiento para analizar las imágenes, realizar la fusión de sensores y ejecutar los algoritmos de navegación en tiempo real.
Las soluciones VINS modernas utilizan diversas arquitecturas de procesamiento en función de las limitaciones de la plataforma:
El entorno de software desempeña un papel fundamental a la hora de determinar la flexibilidad, escalabilidad y facilidad de integración del sistema. ROS y ROS 2 se han adoptado ampliamente en los sectores de la robótica y los sistemas autónomos, proporcionando un marco común para la integración de sensores y el desarrollo de software.
Muchas implementaciones de VINS también utilizan arquitecturas de comunicación basadas en DDS y sistemas operativos en tiempo real para soportar un rendimiento determinista. Dependiendo de la aplicación, los operadores pueden elegir entre marcos de código abierto que ofrecen flexibilidad y soluciones propietarias optimizadas para los requisitos específicos de la misión.
Los algoritmos de procesamiento que se ejecutan en un ordenador de a bordo dictan la eficacia con la que la plataforma convierte las entradas de datos sensoriales en una estimación precisa de la trayectoria. Los distintos modelos matemáticos proporcionan compensaciones únicas en cuanto al estilo de seguimiento, la velocidad de filtrado y la gestión de la deriva de errores.
La odometría visual inercial basada en características sigue siendo uno de los enfoques más extendidos del VINS. Estos sistemas identifican y rastrean puntos de referencia visuales distintivos a través de imágenes sucesivas, combinando esta información con mediciones inerciales para estimar el movimiento a través del entorno. Las implementaciones avanzadas emplean técnicas como la gestión de puntos de referencia y el ajuste de paquetes para refinar las estimaciones y reducir el error acumulado, mejorando la precisión de la navegación en misiones de mayor duración.
En lugar de rastrear características visuales discretas, los métodos de odometría visual directa utilizan información de intensidad de imagen en porciones más amplias de la escena. Este enfoque puede proporcionar una mayor robustez en entornos en los que la extracción tradicional de características puede suponer un reto y permite que una mayor parte de la información visual disponible contribuya al rendimiento de la navegación.
La estimación precisa del estado es fundamental para cualquier arquitectura VINS. Los sistemas modernos emplean diversos enfoques, como los filtros de Kalman ampliados (EKF), los filtros de Kalman no acentuados (UKF), la optimización del grafo factorial y las técnicas de estimación de ventana deslizante.
La elección del método de estimación depende a menudo del equilibrio deseado entre la eficiencia computacional, la precisión de la navegación y las restricciones de la plataforma. Los filtros de Kalman con restricciones multiestado (MSCKF) propagan el estado del vehículo utilizando datos de IMU de alta velocidad y lo actualizan cuando se rastrean las características visuales a través de múltiples vistas de cámara, manteniendo predecible la sobrecarga computacional. Para trayectorias complejas, los gráficos factoriales basados en la optimización realizan un ajuste no lineal localizado del haz sobre una ventana deslizante de estados recientes para lograr una precisión superior.
El vector de estado central suele estimar los cuaterniones 3D de posición, velocidad y orientación, junto con los sesgos dinámicos del acelerómetro y del giroscopio. La estimación continua de estos sesgos en tiempo real evita que la solución de retroceso muerto se desvíe rápidamente. Los avances en la potencia de procesamiento han permitido desplegar algoritmos de estimación cada vez más sofisticados en plataformas compactas no tripuladas.
Uno de los principales retos de la navegación visual-inercial es la acumulación gradual de errores a lo largo del tiempo. Las técnicas de cierre de bucle abordan este problema reconociendo las ubicaciones visitadas previamente y utilizando esta información para corregir la deriva dentro de la solución de navegación. Estas capacidades son especialmente importantes para las misiones de larga duración, en las que mantener la coherencia global es esencial para una cartografía y una localización precisas.
La inteligencia artificial influye cada vez más en el desarrollo de las tecnologías de navegación visual-inercial. Los algoritmos de aprendizaje automático pueden mejorar la extracción de características, potenciar la comprensión de la escena y apoyar la localización semántica permitiendo a los sistemas reconocer objetos y estructuras significativos dentro de su entorno. A medida que sigan avanzando las capacidades de procesamiento a bordo, se espera que las soluciones VINS mejoradas con IA ofrezcan una mayor adaptabilidad y un mejor rendimiento en una gama más amplia de condiciones operativas.
Aunque el VINS puede servir como motor autónomo de navegación de retroceso, alcanza toda su utilidad operativa cuando se combina con otros sensores dentro del compartimento primario de aviónica de un vehículo. La combinación de sistemas crea un marco de redundancia de varias capas que protege contra bloqueos inesperados de los sensores o fallos localizados.
Aunque el VINS puede funcionar de forma independiente, lo más habitual es que se despliegue como parte de una arquitectura de navegación más amplia. La integración de la navegación visual-inercial con el GNSS permite a las plataformas beneficiarse tanto de la información de posicionamiento global como de los datos de navegación derivados localmente.
Este enfoque proporciona una valiosa redundancia y apoya un funcionamiento resistente en entornos afectados por la degradación de la señal, las interferencias o la suplantación de identidad. A medida que aumentan las preocupaciones en torno a la guerra de navegación, el VINS se está convirtiendo en un componente cada vez más importante de las estrategias aseguradas de posición, navegación y temporización (PNT).
El VINS se combina frecuentemente con tecnologías de detección adicionales para mejorar la resistencia de la navegación y el conocimiento del entorno. Dependiendo del perfil de la misión, estas tecnologías complementarias incluyen:
Juntas, estas tecnologías crean pilas de navegación multisensor capaces de mantener un rendimiento fiable en una amplia gama de entornos operativos.
Las plataformas autónomas modernas dependen cada vez más de arquitecturas de navegación por capas que de una única fuente de datos de posicionamiento. Dentro de estos sistemas, el VINS actúa como un contribuyente crítico a los marcos PNT resistentes, ayudando a mantener la eficacia operativa cuando otras fuentes de navegación dejan de estar disponibles o se ven comprometidas.
La tecnología de sensores visuales inerciales ha pasado de ser una investigación especulativa de laboratorio a convertirse en un equipo estándar para maquinaria desplegada sobre el terreno. Su versatilidad permite a diversas plataformas de vehículos por aire, tierra y mar realizar tareas críticas sin depender de la infraestructura.
El rápido crecimiento de las operaciones autónomas de los vehículos aéreos no tripulados ha sido uno de los principales impulsores de la adopción del VINS. La tecnología admite la navegación de precisión para pequeños drones, el despegue y aterrizaje autónomos, el vuelo en interiores y las operaciones más allá de la línea de visión (BVLOS). También desempeña un papel cada vez más importante en las estrategias de navegación colaborativa para enjambres de drones y misiones multi-UAV.
Para los sistemas autónomos terrestres, el VINS proporciona una localización fiable en entornos en los que la cobertura GNSS puede ser limitada o no estar disponible. Las aplicaciones incluyen la navegación todoterreno, la automatización industrial, la exploración subterránea y las operaciones militares en entornos urbanos o subterráneos. La capacidad de funcionar con independencia de infraestructuras externas hace que el VINS sea especialmente valioso para el despliegue de UGV en terrenos complejos.
Las plataformas marítimas autónomas también se están beneficiando de los avances en la navegación visual-inercial. Los buques de superficie no tripulados (USV) pueden utilizar el VINS para complementar los sistemas de navegación tradicionales durante las operaciones de proximidad en torno a puertos e infraestructuras. Para los AUV que operan bajo la superficie, las técnicas visuales-inerciales proporcionan un importante medio de localización allí donde la navegación por satélite es imposible.
Las aplicaciones de defensa representan uno de los mercados de más rápido crecimiento para la tecnología VINS. Los operadores militares requieren cada vez más soluciones de navegación capaces de funcionar en entornos electromagnéticos disputados en los que no se puede garantizar la disponibilidad del GNSS.
Las áreas de despliegue típicas incluyen:
Fuera del sector de la defensa, el VINS está permitiendo mayores niveles de autonomía en la robótica industrial y comercial. La tecnología permite una navegación y un posicionamiento seguros sin depender de infraestructuras externas, lo que la hace atractiva para aplicaciones tanto en interiores como en exteriores. Los casos de uso más comunes incluyen la agricultura de precisión, las operaciones de minería y canteras, la automatización de almacenes y logística, y la inspección de infraestructuras energéticas y de servicios públicos.
La próxima generación de sistemas visuales inerciales se centra en gran medida en la computación localizada y las redes de comunicación multiplataforma. A medida que el hardware informático se reduce, las arquitecturas de seguimiento pueden gestionar tareas de cartografía más rápidas y cooperativas.
Los avances en el procesamiento integrado están permitiendo que algoritmos de navegación y percepción cada vez más sofisticados se ejecuten directamente a bordo de las plataformas autónomas. Este cambio hacia la IA de borde reduce la dependencia de recursos informáticos externos al tiempo que permite una toma de decisiones más rápida y una mayor independencia operativa.
Los sensores basados en eventos siguen llamando la atención por su capacidad para proporcionar información visual de alta velocidad con una latencia excepcionalmente baja. Estas características los hacen especialmente atractivos para los vehículos aéreos no tripulados ágiles, la robótica de alta velocidad y otros sistemas autónomos dinámicos.
Se espera que los futuros sistemas autónomos funcionen como redes interconectadas en lugar de como plataformas individuales. La localización colaborativa permite que varios vehículos compartan observaciones y datos de navegación, mejorando la precisión general, la capacidad de recuperación y el conocimiento de la situación en toda la flota.
Búsqueda de empresas y productos
Suscríbete al boletín semanal de eBrief
Las últimas novedades en ingeniería y tecnología directamente en tu bandeja de entrada: únete a miles de ingenieros que ya las reciben.