Localization of field robots using RTK-GNSS/INS Systems

Abstract

Nas últimas décadas as investigações em veículos autónomos têm vindo a crescer e a envolver cada vez mais gente devido aos seus vastos potenciais. Todos os anos aparecerem cada vez mais robots móveis e dispositivos eletrónicos na nossa vida diária.As melhorias feitas no poder de processamento e na redução dos microcontroladores, permitiu que o campo da robótica móvel tenha aumentado tremendamente. Os veículos autónomos têm uma enorme importância na área dos robots de campo, visto que eles podem executar tarefas enfadonhas e perigosas para os seres humanos, com tempos de resposta mais rápidos, ou em situações sem acesso humano. Os robots de campo podem ser usados ¿¿em experiências cientificas utilizando barcos autónomos para patrulhar os rios, recolher parâmetros das águas e realizar estudos de batimetria. Em operações militares usando drones autónomos para realizar mapeamento e vigilância de áreas críticas. Ou em situações de sentido oposto, como por exemplo com o objetivo de limpar regiões pós-combate de minas terrestres sem a intervenção humana. Em projetos de exploração planetária como a missão “Mars Exploration Rovers”, que usa robots autónomos para pousar, explorar, e estudar a geologia da superfície marciana. E claro, a competição mais recente que todos os fabricantes do ramo das tecnologias e dos veículos automóveis quer ganhar, a criação de um automóvel que consiga conduzir de forma completamente autónoma.Quando estes robôs são utilizados no exterior eles sofrem da imprevisibilidade de tudo o que os rodeia. Objetos que estavam parado a um momento atrás, pode começar a mover-se e tornarem-se obstáculos. Às vezes, estes objetos têm contornos diferentes do esperado e fora da área de leitura dos sensores, o que leva a situações de difíceis de processar e manusear para os robots. As condições do terreno também podem mudar de dia para dia e áreas facilmente acessíveis hoje podem-se tornar inacessíveis amanhã. Todos estes problemas fazem a navegação exterior muito mais difícil do que o que normalmente se encontra dentro de uma casa.Para poderem ser chamados de robots autónomos, estes robots devem ser capazes de detetar tudo o que o rodeia, navegar sem ajuda humana, e serem capazes de completar as suas tarefas com sucesso. Para a realização destas tarefas um dos aspetos mais importantes é que estes robots tenham uma localização precisa e repetitiva. Em muitas ocasiões não é permitido que um robot passe pelo mesmo lugar duas vezes e reporte posições diferentes visto que isso pode levar a resultados catastróficos.As técnicas mais comuns para estimar a posição incluem a odometria, o sistema de navegação por satélite e o sistema de navegação inercial. De todos estes sistemas, o único que consegue obter verdadeiramente uma posição absoluta é o sistema de navegação por satélite, mas ao mesmo tempo baseia-se em serviços disponibilizados por terceiros e que pode ser desativados, o que se torna numa grande desvantagem.Para melhorar a estimação da posição, devem-se reduzir os erros associados com os recetores de satélite, e ao mesmo tempo implementar um sistema de navegação inercial de modo a que o nosso sistema de posicionamento pode ter duas fontes medições independentes e que consiga reduzir os erros de ambos os sistemas. Como o sistema de navegação inercial tem uma boa precisão a curto prazo e taxas de atualização elevadas, quando utilizado num sistema de fusão de dados permite tirar proveito das vantagens de ambos os sistemas.Nesta dissertação vão ser explicados os problemas existentes na navegação por satélite e inercial, e como reduzir os seus erros. É também explicado e implementado uma fusão de dados de ambos os sistemas a fim de alcançar uma maior precisão para o uso em robots de campo. No último capítulo é testada a fusão de dados assim como os sistemas individualmente.

In the last decades, research in autonomous vehicles has been growing and involving more and more people due to their vast application potentials. Every year more mobile robots and electronic devices are joining our daily life.The improvements made in the processing power and the size reduction in the microcontrollers and similar processing boards, allowed the field of robotics to boost tremendously. These autonomous vehicles can have a tremendous importance for field robots and they can perform tedious and dangerous tasks to humans, with faster response times or in situations without human access. They can be used in scientific experiments using autonomous boats to patrol rivers, gathering water parameters and perform bathymetry studies. In military operations using autonomous drones to perform mapping and surveillance of critical areas. Or in an opposite sense, to clear post-combat regions of land mines using the robots to map wide areas without human interaction. To perform planetary exploration with mission like the Mars Exploration Rovers, that uses autonomous robots to land, explore, and study the geology of the Martian surface. And of course, the most actual contest that every big brand in the tech and mobile vehicles manufacturers is trying to win, to create a true self driving car.When these robots navigate outdoors they suffer from the unpredictability of everything that surround them. Objects that were stationary one moment ago, can start moving and becoming obstacles. Sometimes these objects have different contours than what we expect and out of the sensors range, which will lead to difficult situations for the robot to handle. The terrain conditions can change from day to day and undergo interactions by humans and weather conditions, making an easily travelled routed today inaccessible tomorrow. All these problems make outdoors navigation a lot more difficult than what we normally find indoors.In order to be truly called autonomous, these robots must be able to sense its environment, navigate without human input, and be able to complete their tasks. To performing such critical tasks, one of the most important aspects needed for these robots is an accurate and repetitive localization. On many critical occasions it is not allowed for a robot to drive by the same place twice and report different positions for that place, as such situation can lead catastrophic results.Some of the most common techniques used to estimate a position include the odometry, the Global Navigation Satellite System, and the Inertial Navigation System. From all these systems, the only one that can obtain a truly absolute position is the GNSS, but at the same time it relies on third party services which can be disabled or the satellites it depends on be temporarily occluded by obstacles.To improve the position estimation, one should reduce the errors associated with the GNSS receivers and at the same time implement an Inertial Navigation System, so that our new positioning system can have two independent measurements sources. As the INS can provide higher accuracy in the short-term and also good update rates, the estimated position obtained from the data fusion has the advantage of being accurate in short and long term, and at the same time have good update rates for a robot to navigate dynamically.The Global Navigation Satellite System (GNSS) and the Inertial Navigation System (INS) are two navigation systems commonly used nowadays that can be used to determine the robot’s localization. Both systems have advantages and disadvantages, but they can complement each other when fused together in a GNSS/INS Navigation System. In this dissertation, it is going to explain the main problems when using this type of systems and how to reduce them. It’s also explained and implemented a data fusion of both systems in order to achieve a higher precision. In the last chapter the implemented fusion is tested, and compared with others GNSS receivers available in the market with different prices and characteristics.