I sistemi di posizionamento indoor per droni forniscono una localizzazione affidabile per gli UAV che operano in ambienti privi di copertura GPS, come magazzini, impianti industriali e siti di ispezione. Questi sistemi combinano sensori RF, ottici e inerziali per mantenere traiettorie di volo stabili in spazi ristretti e ingombri, dove il multipath, la scarsa illuminazione e il rumore ambientale rendono difficili i metodi basati su sensori singoli.
Questa guida descrive i fornitori di soluzioni di posizionamento indoor per droni, tra cui UWB, Bluetooth, WiFi e tecnologia acustica per una navigazione precisa in attività autonome di inventario, ispezione delle risorse e operazioni di sicurezza pubblica.
Leggi il Panoramica tecnologica
Soluzioni di navigazione e posizionamento ad alta precisione per i veicoli autonomi e senza equipaggio
Soluzioni BVLOS per UAS e UAM: celle a combustibile, radar, sensori di navigazione, controllo di volo e SATCOM
Sensori di navigazione inerziale: MEMS IMU, accelerometri, giroscopi, AHRS, GPS-INS e generazione di nuvole di punti
Sistema di posizionamento in tempo reale ad alta precisione per UAV autonomi e robotica che operano in ambienti privi di copertura GPS
Se progettate, costruite o fornite Posizionamento indoor, Crea un profilo per mettere in evidenza le tue competenze ed entrare in contatto con i visitatori che hanno un bisogno concreto delle tue soluzioni.
I sistemi di navigazione indoor per droni sono diventati una necessità operativa in applicazioni quali magazzinaggio, ispezioni industriali, risposta alle emergenze e robotica sofisticata. A differenza delle operazioni con veicoli aerei senza pilota (UAV) all’aperto, dove i sistemi globali di navigazione satellitare (GNSS) forniscono un livello di posizionamento globale e facilmente accessibile, gli spazi chiusi richiedono tecnologie di localizzazione autonome e altamente affidabili. Questi sistemi devono consentire ai droni di volare in modo sicuro, efficiente e, soprattutto, autonomo in ambienti complessi e privi di copertura GPS.
Il panorama delle tecnologie di posizionamento indoor è variegato e comprende metodi basati su radiofrequenze, acustica e ottica, ciascuno con un diverso compromesso tra costo, precisione e complessità dell’infrastruttura.
I sistemi di posizionamento indoor UWB sono generalmente considerati il gold standard per la localizzazione dei droni ad alta precisione e bassa latenza. L’UWB raggiunge una portata ad alta risoluzione utilizzando impulsi radio estremamente brevi. Si basa su due tecniche principali:
L’UWB offre un’eccezionale precisione di posizionamento di 10-30 cm con frequenze di aggiornamento che superano regolarmente i 100 Hz, fondamentali per un volo dinamico e ad alta velocità. Inoltre, l’ampia larghezza di banda dell’UWB gli conferisce una resistenza multipath superiore (una caratteristica essenziale per gli ambienti industriali metallici e pieni di ingombri), consentendogli di distinguere efficacemente tra il percorso diretto del segnale e i percorsi riflessi. Un’installazione tipica utilizza 4-8 ancore per una copertura 3D robusta, con portate operative di 100-200 metri in ambienti interni.
Queste tecnologie sono altamente convenienti in quanto sfruttano infrastrutture wireless esistenti o a basso costo. Il posizionamento Wi-Fi utilizza tipicamente l’indicazione della potenza del segnale ricevuto (RSSI) per la trilaterazione approssimativa o, per una maggiore precisione, le informazioni sullo stato del canale (CSI) che catturano le caratteristiche dettagliate del multipath. La precisione varia generalmente da 1 a 3 metri, con un’elevata suscettibilità alle interferenze di segnale, alla congestione dei canali e al movimento umano.
La localizzazione Bluetooth Low Energy (BLE), che spesso utilizza beacon Bluetooth, si basa principalmente sull’RSSI, anche se i sistemi avanzati utilizzano l’Angle-of-Arrival (AoA) per spingere la precisione verso livelli inferiori al metro in installazioni ottimizzate. Data la loro moderata frequenza di aggiornamento e la minore precisione, sia il Wi-Fi che il BLE sono tipicamente relegati a compiti di ispezione a bassa velocità, sistemi di inventario o fornitura di inizializzazione di posizione approssimativa per sistemi più precisi.
I sistemi acustici stimano la distanza utilizzando misurazioni del tempo di volo degli impulsi ultrasonici emessi da un beacon e rilevati da nodi fissi. Tuttavia, la localizzazione acustica è estremamente sensibile al rumore ambientale, alle turbolenze del flusso d’aria, ai gradienti di temperatura e alle superfici riflettenti.
Fondamentalmente per gli UAV, il rumore acustico ad alta frequenza generato dalle eliche del drone può facilmente saturare o interferire con i microfoni sensibili utilizzati per la misurazione della distanza, richiedendo una sofisticata cancellazione del rumore o un posizionamento unico del beacon.
Di conseguenza, questo approccio è più adatto per micro-UAV piccoli e leggeri in ambienti controllati come i laboratori, o come sistema ad alta precisione e a corto raggio in cui l’ambiente è stabile e silenzioso.
Sebbene non si tratti tecnicamente di un sistema di posizionamento indoor basato su infrastrutture nello stesso senso dell’UWB, i metodi visivi sono indispensabili per l’autonomia a bordo. L’odometria visiva (VO) stima il movimento del drone tracciando le caratteristiche delle immagini successive. Il Visual SLAM (Simultaneous Localization and Mapping) va oltre, costruendo una mappa 3D dell’ambiente e localizzando contemporaneamente il drone all’interno di tale mappa.
Questi metodi raggiungono un’eccellente precisione locale, spesso a livello centimetrico, e forniscono dati cruciali sull’orientamento (6 gradi di libertà). Tuttavia, sono intrinsecamente soggetti a uno scostamento posizionale accumulato su percorsi di volo più lunghi. Le loro prestazioni si riducono rapidamente anche in condizioni di scarsa illuminazione, in aree prive di caratteristiche distintive o piene di fumo/polvere, richiedendo una texture e un’illuminazione adeguate per funzionare in modo affidabile.
Posizionamento basato su RFID
L’identificazione a radiofrequenza (RFID) non fornisce un posizionamento 3D continuo. Si basa su tag passivi (alimentati dal lettore del drone) che offrono solo una localizzazione a livello di zona su un raggio molto breve, o su tag RFID attivi che offrono un raggio più lungo. Questa tecnologia è meglio intesa come un metodo di convalida discreto di checkpoint o waypoint, che conferma la presenza di un drone in una posizione specifica contrassegnata, ed è utilizzata principalmente per potenziare un metodo di posizionamento continuo.
I sistemi autonomi stanno cambiando radicalmente le operazioni industriali. La domanda di un posizionamento indoor affidabile dei droni si concentra in diversi settori chiave:
La complessità strutturale degli edifici, compresi i rinforzi metallici, le pareti spesse e le coperture, causa una significativa attenuazione e riflessione dei deboli segnali satellitari su cui si basa il GNSS. Ciò rende la navigazione tradizionale dei droni inaffidabile o completamente impossibile all’interno.
Una soluzione di posizionamento indoor robusta per magazzini e logistica deve quindi basarsi su tecnologie alternative in grado di fornire posizioni stabili, stime accurate del movimento e voli senza collisioni in spazi ristretti e ingombri. Questi sistemi precisi sono essenziali per consentire la scansione automatizzata dell’inventario, l’esecuzione di percorsi di ispezione ripetitivi e garantire voli di precisione in strutture industriali di alto valore in cui il GPS non è disponibile.
Inoltre, un posizionamento indoor affidabile per l’ispezione delle risorse industriali è indispensabile per garantire operazioni sicure intorno al personale e alle infrastrutture sensibili, dove il rischio di collisione deve essere strettamente controllato.
Gli ambienti interni presentano requisiti unici e rigorosi per i sistemi di tracciamento della posizione interna. I segnali incontrano regolarmente riflessioni multipath e RF, che li fanno rimbalzare sulle superfici, distorcendo le misurazioni della portata e compromettendo gravemente la precisione, una sfida particolare per i metodi basati su RF. L’ambiente è spesso altamente dinamico, con continui cambiamenti dovuti al movimento di lavoratori, veicoli o macchinari che alterano rapidamente il campo operativo.
Gli ingegneri devono affrontare diverse sfide principali:
In quasi tutte le applicazioni professionali e critiche per la sicurezza, una singola tecnologia non è sufficiente. I sistemi più affidabili e robusti si basano sulla fusione dei sensori, la combinazione intelligente di più modalità per compensare le singole debolezze.
Un’unità di misura inerziale (IMU) integrata fornisce dati di movimento e orientamento ad altissima velocità. Tuttavia, le IMU sono soggette a deriva, un accumulo fondamentale di errore nel tempo e nella distanza. La navigazione a stima dell’IMU è quindi continuamente limitata dalle posizioni fisse assolute o relative di altri sensori come UWB o Vision.
Algoritmi sofisticati come l’Extended Kalman Filter (EKF) combinano flussi di dati asincroni (come misurazioni di portata UWB, dati di movimento IMU e tracciamento di caratteristiche visive) per fornire ridondanza essenziale e capacità di failover. Se la visione si degrada a causa di una scarsa illuminazione, la portata UWB può mantenere un volo autonomo sicuro; al contrario, se la linea di vista UWB viene temporaneamente persa, l’IMU e l’odometria visiva possono colmare il divario.
Nel valutare questi sistemi critici per la sicurezza, i professionisti dell’ingegneria devono guardare oltre la semplice “precisione media” e richiedere invece metriche come l’errore P95 (il raggio entro il quale ricade il 95% di tutte le stime di posizione), per quantificare realmente il margine di affidabilità del sistema.
Il futuro del posizionamento indoor dei droni è altamente integrato. La ricerca sul posizionamento indoor 5G e l’evoluzione verso il 6G si concentrano sul raggiungimento di un rilevamento RF a livello centimetrico e sulla creazione di framework di posizionamento integrati nella comunicazione, con l’obiettivo di rendere la rete stessa l’infrastruttura di localizzazione primaria.
Allo stesso tempo, i modelli di intelligenza artificiale e machine learning (ML) sono sempre più utilizzati per elaborare dati complessi e rumorosi dei sensori, classificare ambienti multipath e migliorare l’affidabilità delle stime di posizionamento basate su modelli di volo storici. Si prevede che gli standard futuri promuoveranno la compatibilità tra i diversi fornitori nei metodi RF, ottici e computazionali, il che costituirà un importante acceleratore per l’adozione in settori industriali su larga scala.
Ricerca di aziende e prodotti
Abbonati all'eBrief settimanale
Gli ultimi sviluppi tecnici e ingegneristici direttamente nella vostra casella di posta elettronica - unitevi alle migliaia di ingegneri che la ricevono.