Systemy pozycjonowania dronów w pomieszczeniach zapewniają niezawodną lokalizację bezzałogowych statków powietrznych (UAV) działających w środowiskach pozbawionych sygnału GPS, takich jak magazyny, zakłady przemysłowe i miejsca kontroli. Systemy te łączą czujniki radiowe, optyczne i inercyjne, aby utrzymać stabilną trajektorię lotu w ograniczonych, zagraconych przestrzeniach, gdzie wielodrożność, słabe oświetlenie i hałas otoczenia stanowią wyzwanie dla metod opartych na jednym czujniku.
W niniejszym przewodniku przedstawiono dostawców rozwiązań do pozycjonowania dronów w pomieszczeniach, w tym technologii UWB, Bluetooth, WiFi i akustycznej, służących do precyzyjnej nawigacji podczas autonomicznych zadań związanych z inwentaryzacją, kontrolą zasobów i operacjami związanymi z bezpieczeństwem publicznym.
Przeczytaj Przegląd technologii
Rozwiązania nawigacyjne i pozycjonujące o wysokiej dokładności dla pojazdów bezzałogowych i autonomicznych
Rozwiązania BVLOS dla UAS i UAM: ogniwa paliwowe, radary, czujniki nawigacyjne, sterowanie lotem i SATCOM
Czujniki nawigacji inercyjnej: MEMS IMU, akcelerometry, żyroskopy, AHRS, GPS-INS i generowanie chmur punktów
Wysokoprecyzyjny system pozycjonowania w czasie rzeczywistym dla autonomicznych bezzałogowych statków powietrznych i robotów działających w środowiskach pozbawionych sygnału GPS
Jeśli projektujesz, budujesz lub dostarczasz Pozycjonowanie wewnątrz budynków, Załóż profil, aby zaprezentować swoje możliwości i nawiązać kontakt z osobami, które aktywnie poszukują Twoich rozwiązań.
Systemy nawigacji dronów w pomieszczeniach stały się niezbędne w magazynowaniu, inspekcjach przemysłowych, reagowaniu na sytuacje awaryjne i zaawansowanych zastosowaniach robotyki. W przeciwieństwie do operacji bezzałogowych statków powietrznych (UAV) na zewnątrz, gdzie globalne systemy nawigacji satelitarnej (GNSS) zapewniają globalną, łatwo dostępną warstwę pozycjonowania, przestrzenie zamknięte wymagają samodzielnych, wysoce niezawodnych technologii lokalizacji. Systemy te muszą umożliwiać dronom bezpieczny, wydajny i, co najważniejsze, autonomiczny lot w złożonych środowiskach, w których nie działa GPS (https://www.unmannedsystemstechnology.com/expo/gps-gnss-denied-navigation-positioning/).
Technologie pozycjonowania w pomieszczeniach są zróżnicowane i obejmują metody radiowe, akustyczne i optyczne, z których każda charakteryzuje się innym kompromisem między kosztem, dokładnością i złożonością infrastruktury.
Systemy pozycjonowania UWB w pomieszczeniach są powszechnie uważane za złoty standard w zakresie lokalizacji dronów o wysokiej dokładności i niskim opóźnieniu. Technologia UWB osiąga wysoką rozdzielczość pomiaru odległości przy użyciu bardzo krótkich impulsów radiowych. Opiera się ona na dwóch podstawowych technikach:
Technologia UWB zapewnia wyjątkową dokładność pozycjonowania na poziomie 10–30 cm przy częstotliwości odświeżania przekraczającej 100 Hz, co ma kluczowe znaczenie dla dynamicznego lotu z dużą prędkością. Ponadto szerokie pasmo UWB zapewnia mu doskonałą odporność na wielodrożność (niezbędną cechę w metalowych, pełnych przeszkód środowiskach fabrycznych), umożliwiając skuteczne rozróżnienie między bezpośrednią ścieżką sygnału a ścieżkami odbitymi. Typowa instalacja wykorzystuje 4–8 kotwic zapewniających solidny zasięg 3D, o zasięgu operacyjnym 100–200 metrów w pomieszczeniach.
Technologie te są bardzo opłacalne, ponieważ wykorzystują istniejącą lub niedrogą infrastrukturę bezprzewodową. Pozycjonowanie Wi-Fi zazwyczaj wykorzystuje wskaźnik siły odbieranego sygnału (RSSI) do zgrubnej trilateracji lub, w celu uzyskania większej precyzji, informacje o stanie kanału (CSI), które rejestrują szczegółowe charakterystyki wielodrożności. Dokładność wynosi zazwyczaj od 1 do 3 metrów, przy dużej podatności na zakłócenia sygnału, zatłoczenie kanałów i ruch ludzi.
Lokalizacja Bluetooth Low Energy (BLE), często wykorzystująca sygnały nawigacyjne Bluetooth, opiera się głównie na RSSI, chociaż zaawansowane systemy wykorzystują kąt przybycia (AoA) w celu zwiększenia dokładności do poziomu poniżej metra w zoptymalizowanych instalacjach. Biorąc pod uwagę umiarkowaną częstotliwość aktualizacji i niższą precyzję, zarówno Wi-Fi, jak i BLE są zazwyczaj wykorzystywane do zadań związanych z kontrolą niskiej prędkości, systemami inwentaryzacji lub zapewnianiem zgrubnej inicjalizacji pozycji dla bardziej precyzyjnych systemów.
Systemy akustyczne szacują zasięg za pomocą pomiarów czasu przelotu impulsów ultradźwiękowych emitowanych przez sygnał nawigacyjny i wykrywanych przez stacjonarne węzły. Jednak lokalizacja akustyczna jest niezwykle wrażliwa na hałas otoczenia, turbulencje przepływu powietrza, gradienty temperatury i powierzchnie odbijające.
Co istotne dla bezzałogowych statków powietrznych, wysokie częstotliwości hałasu akustycznego generowanego przez śmigła drona mogą łatwo nasycić lub zakłócić działanie czułych mikrofonów używanych do pomiaru odległości, co wymaga zastosowania zaawansowanych systemów redukcji szumów lub specjalnego rozmieszczenia nadajników.
W związku z tym podejście to najlepiej sprawdza się w przypadku małych, lekkich mikro-UAV w kontrolowanych środowiskach, takich jak laboratoria, lub jako wysoce precyzyjny system krótkiego zasięgu, w którym środowisko jest stabilne i ciche.
Chociaż technicznie nie jest to system pozycjonowania wewnętrznego oparty na infrastrukturze w takim samym sensie jak UWB, metody wizualne są niezbędne dla autonomii pokładowej. Odometria wizualna (VO) szacuje ruch drona poprzez śledzenie cech na kolejnych obrazach. Wizualny SLAM (Simultaneous Localization and Mapping) idzie dalej, tworząc trójwymiarową mapę otoczenia jednocześnie z lokalizacją drona na tej mapie.
Metody te zapewniają doskonałą dokładność lokalną, często na poziomie centymetra, oraz dostarczają kluczowych danych dotyczących orientacji (6 stopni swobody). Są one jednak z natury narażone na skumulowane odchylenia pozycyjne na dłuższych trasach lotu. Ich wydajność szybko spada również w warunkach słabego oświetlenia, w obszarach pozbawionych charakterystycznych cech lub wypełnionych dymem/pyłem, co wymaga odpowiedniej tekstury i oświetlenia, aby działały niezawodnie.
Identyfikacja radiowa (RFID) nie zapewnia ciągłego pozycjonowania 3D. Opiera się ona na pasywnych tagach (zasilanych przez czytnik drona), które oferują jedynie lokalizację na poziomie strefy w bardzo krótkim zasięgu, lub aktywnych tagach RFID, które oferują większy zasięg. Technologię tę najlepiej rozumieć jako metodę weryfikacji dyskretnych punktów kontrolnych lub punktów trasy, potwierdzającą obecność drona w określonej oznaczonej lokalizacji, i jest ona wykorzystywana przede wszystkim do uzupełnienia metody ciągłego pozycjonowania.
Systemy autonomiczne zasadniczo zmieniają działalność przemysłową. Zapotrzebowanie na niezawodne pozycjonowanie dronów w pomieszczeniach koncentruje się w kilku kluczowych obszarach:
Złożoność konstrukcyjna budynków, w tym metalowe wzmocnienia, grube ściany i dachy, powoduje znaczne tłumienie i odbicie słabych sygnałów satelitarnych, które stanowią podstawę systemu GNSS. Sprawia to, że tradycyjna nawigacja dronów w pomieszczeniach jest zawodna lub całkowicie niemożliwa.
Solidne rozwiązanie do pozycjonowania w pomieszczeniach magazynowych i logistycznych musi zatem opierać się na alternatywnych technologiach, które zapewniają stabilne ustalanie pozycji, dokładne szacowanie ruchu i lot bez kolizji w ograniczonych, zagraconych przestrzeniach. Te precyzyjne systemy są niezbędne do umożliwienia automatycznego skanowania zapasów, wykonywania powtarzalnych tras inspekcyjnych i zapewnienia precyzyjnego lotu w wysokowartościowych obiektach przemysłowych, w których nie działa GPS.
Ponadto niezawodne pozycjonowanie wewnątrz budynków do celów inspekcji zasobów przemysłowych jest niezbędne do zapewnienia bezpieczeństwa pracy personelu i wrażliwej infrastruktury, gdzie ryzyko kolizji musi być ściśle kontrolowane.
Środowiska wewnętrzne stawiają wyjątkowe i rygorystyczne wymagania wobec systemów śledzenia pozycji w pomieszczeniach. Sygnały rutynowo napotykają wielodrożność i odbicia RF, co powoduje ich odbijanie się od powierzchni, co zniekształca pomiary zasięgu i poważnie obniża dokładność, co stanowi szczególne wyzwanie dla metod opartych na RF. Środowisko jest często bardzo dynamiczne, a ciągłe zmiany spowodowane poruszającymi się pracownikami, pojazdami lub maszynami szybko zmieniają pole działania.
Inżynierowie muszą zmierzyć się z kilkoma podstawowymi wyzwaniami:
W prawie wszystkich profesjonalnych i krytycznych dla bezpieczeństwa zastosowaniach jedna technologia jest niewystarczająca. Najbardziej niezawodne i solidne systemy opierają się na fuzji czujników, czyli inteligentnym połączeniu wielu metod w celu zrównoważenia indywidualnych słabości.
Wbudowany inercyjny moduł pomiarowy (IMU) dostarcza dane o ruchu i orientacji z bardzo dużą częstotliwością. Jednak moduły IMU podlegają dryftowi, czyli fundamentalnej kumulacji błędów w czasie i odległości. Dlatego też nawigacja zliczeniowa IMU jest stale ograniczana przez bezwzględne lub względne ustalenia pozycji z innych czujników, takich jak UWB lub Vision.
Zaawansowane algorytmy, takie jak rozszerzony filtr Kalmana (EKF), łączą asynchroniczne strumienie danych (takie jak pomiary zasięgu UWB, dane ruchu IMU i śledzenie cech wizualnych) w celu zapewnienia niezbędnej redundancji i możliwości przejęcia funkcji w przypadku awarii. Jeśli widoczność pogarsza się z powodu słabego oświetlenia, pomiar zasięgu UWB może zapewnić bezpieczny lot autonomiczny; i odwrotnie, jeśli chwilowo utracono linię widzenia UWB, IMU i odometria wizualna mogą wypełnić tę lukę.
Oceniając te krytyczne dla bezpieczeństwa systemy, inżynierowie muszą wyjść poza proste pojęcie „średniej dokładności” i zamiast tego wymagać wskaźników takich jak błąd P95 (promień, w którym mieści się 95% wszystkich szacunków pozycji), aby naprawdę określić margines niezawodności systemu.
Przyszłość pozycjonowania dronów w pomieszczeniach jest wysoce zintegrowana. Badania nad pozycjonowaniem 5G w pomieszczeniach i ewolucją w kierunku 6G koncentrują się na osiągnięciu wykrywania RF na poziomie centymetra i stworzeniu zintegrowanych z komunikacją ram pozycjonowania, mających na celu uczynienie samej sieci podstawową infrastrukturą lokalizacyjną.
Jednocześnie modele sztucznej inteligencji i uczenia maszynowego (ML) są coraz częściej wykorzystywane do przetwarzania złożonych, zakłóconych danych z czujników, klasyfikowania środowisk wielodrożnych i poprawy niezawodności szacunków pozycjonowania w oparciu o historyczne wzorce lotów. Oczekuje się, że przyszłe standardy będą sprzyjać kompatybilności między różnymi dostawcami w zakresie metod radiowych, optycznych i obliczeniowych, co będzie znaczącym czynnikiem przyspieszającym ich wdrażanie w dużych sektorach przemysłowych.
Wyszukiwanie firm i produktów
Subskrybuj cotygodniowy eBrief
Najnowsze osiągnięcia inżynieryjne i techniczne prosto do Twojej skrzynki odbiorczej - dołącz do tysięcy inżynierów, którzy je otrzymują.