Stikkord: [autonome kjøretøy

Publisert av — Legg igjen en kommentar

Forbedret navigasjon for autonome kjøretøy uten GPS-signal

**Forskere har utviklet en revolusjonerende løsning som lar autonome kjøretøy navigere presist selv når GPS-signalet er borte. Ved å kombinere LIDAR, kamera og flere billige bevegelsessensorer oppnås imponerende nøyaktighet under krevende forhold.**

Autonome kjøretøy på nivå 3 og høyere står overfor en kritisk utfordring: Hvordan opprettholde presis navigasjon når GPS-signalet forsvinner? I tunneler, parkeringshus og tettbebygde områder blir tradisjonelle satellittbaserte systemer utilgjengelige, og kjøretøyet må stole på alternative navigasjonsmetoder.

Tre sensorer jobber sammen

Den nye tilnærmingen kombinerer tre komplementære teknologier til ett robust system:

Visual Inertial Odometry (VIO) bruker kameraer kombinert med bevegelsessensorer for å spore kjøretøyets posisjon ved å analysere hvordan omgivelsene endrer seg. Dette fungerer utmerket når det er god sikt og tydelige visuelle referansepunkter.

LIDAR Inertial Odometry (LIO) benytter laserskanning til å bygge detaljerte 3D-kart av omgivelsene i sanntid. LIDAR-teknologien er mindre påvirket av lysforhold og kan fungere både dag og natt.

Redundant IMU (RIMU) kombinerer flere billige bevegelsessensorer (IMU-er) i stedet for én dyr sensor. Dette reduserer støy betydelig og øker påliteligheten – dersom én sensor feiler, kan systemet fortsette å fungere.

Imponerende nøyaktighet i praksis

Forskerne testet systemet i et underjordisk parkeringshus hvor GPS-signalet var helt utilgjengelig i 7 minutter. Dette er et ekstremt krevende scenario som simulerer forhold autonome kjøretøy vil møte i virkeligheten.

Systemkalibreringen oppnådde en rotavvik på bare 0,04 grader, som er eksepsjonelt presist for denne typen applikasjon.

Den mest innovative delen av løsningen er kalibreringsprosessen som justerer alle sensorene i forhold til hverandre. Ved å bruke både stillestående og bevegelige tester kan systemet automatisk beregne de eksakte posisjonene og vinklene mellom sensorer.

Praktiske anvendelser

Teknologien har umiddelbare anvendelser innen:

• Autonome kjøretøy – Fra personbiler til industrielle transportroboter
• Drone-navigasjon – Især for inspeksjon innendørs eller under broer
• Mobile roboter – I lagerhaller, gruver og andre GPS-utfordrende miljøer
• Redningsoperasjoner – Hvor GPS kan være utilgjengelig eller upålitelig

Det mest lovende med denne tilnærmingen er bruken av rimelige, industrielle MEMS-baserte sensorer i stedet for dyre militære systemer. Dette gjør teknologien tilgjengelig for et bredere marked og åpner for kommersialisering av avanserte navigasjonsløsninger.

Kilde: Sensors (Basel, Switzerland)

Relevante produkter fra RoboNordic

Publisert av — Legg igjen en kommentar

Væradaptive sensorer gir tryggere selvkjørende biler i regn og snø

Forskere har utviklet et revolusjonerende system som gjør selvkjørende biler betydelig tryggere i dårlig vær. Teknologien tilpasser LiDAR, radar og kameraer dynamisk basert på nedbørsmengde og værforhold. Testene viser 31% bedre deteksjonsevne og 28% færre feilalarmer sammenlignet med tradisjonelle systemer.

Autonome kjøretøy har lenge slitt med å navigere trygt under vanskelige værforhold. Regn, snø og tåke kan dramatisk redusere ytelsen til sensorer som LiDAR og kameraer, noe som utgjør en betydelig sikkerhetsrisiko. Nå har forskere utviklet en løsning som kan revolusjonere hvordan selvkjørende biler håndterer dårlig vær.

Intelligent tilpasning til værforholdene

Det nye systemet kombinerer tre avanserte teknologier: værvarsling basert på radar, dyp maskinlæring for å modellere sensornedgradering, og adaptiv sannsynlighetsbasert sensorfusjon. I praksis betyr dette at bilen kontinuerlig overvåker værforholdene og justerer hvor mye den stoler på ulike sensorer.

Under kraftig regn kan LiDAR-ytelsen reduseres med opptil 40%, mens radar ofte opprettholder god ytelse. Systemet kompenserer automatisk for dette.

Teknologien bruker værdataen til å forutsi hvor pålitelige de forskjellige sensorene vil være i sanntid. Når det regner kraftig, gir systemet mer vekt til radar-dataene og mindre til LiDAR og kameraer. Motsatt får optiske sensorer økt prioritet under klare værforhold.

Imponerende testresultater

Forskningsteamet testet systemet på 4,5 terabyte sensordata samlet over 320 kjøretimer under fem ulike værscenarioer. Resultatene er imponerende:

  • 31,2% økning i deteksjonspresisjon
  • 27,8% reduksjon i falske positiver
  • Raskere respons: gjennomsnittlig oppfattelseslatens redusert fra 51 til 43 millisekunder
  • Høy nøyaktighet: nedbørmåling med kun 0,42 mm/t gjennomsnittlig avvik

Praktiske anvendelser og fremtidsperspektiver

Teknologien er særlig relevant for nordiske forhold med hyppige værskifter. Systemet kan implementeres på eksisterende sensorplattformer som allerede bruker kombinasjonen av LiDAR, RADAR og kameraer. Dette gjør det mulig å oppgradere både nåværende testflåter og kommersielle autonome systemer.

For hobbyister og forskere som arbeider med autonome kjøretøy-prosjekter, representerer denne tilnærmingen et viktig skritt mot mer robust sensorfusjon. Metodikken kan også tilpasses mindre systemer som droner og mobile roboter som opererer utendørs.

Den adaptive sensorfusjonen åpner også for nye muligheter innen andre områder hvor værforhold påvirker sensorytelse, som overvåkingssystemer, industriell automatisering og smart by-teknologi.

Kilde: Scientific reports – https://pubmed.ncbi.nlm.nih.gov/41857143/