با بهبود مستمر فناوری سنجش ، فناوری هوشمند و فناوری محاسبات ، ربات تلفن همراه هوشمند قادر خواهد بود نقش انسانی در تولید و زندگی ایفا کند. بنابراین جنبه های اصلی فناوری موقعیت یابی ربات تلفن همراه چیست؟ نتیجه گیری می شود که در حال حاضر ، روبات های تلفن همراه عمدتا دارای این پنج فناوری موقعیت یابی هستند.
فناوری ناوبری و موقعیت یابی التراسونیک برای ربات تلفن همراه
اصل کار ناوبری و موقعیت یابی اولتراسونیک نیز مشابه لیزر و مادون قرمز است. معمولاً موج اولتراسونیک از کاوشگر فرستنده سنسور اولتراسونیک ساطع می شود و موج اولتراسونیک هنگام برخورد با موانع در محیط به دستگاه دریافت کننده باز می گردد.
با دریافت سیگنال بازتاب اولتراسونیک که به خودی خود منتقل می شود و محاسبه فاصله انتشار s با توجه به اختلاف زمان و سرعت انتشار انتقال اولتراسونیک و دریافت اکو ، می توان فاصله مانع تا ربات را بدست آورد ، یعنی یک فرمول وجود دارد : S=TV / 2 ، که در آن T - تفاوت زمانی بین انتقال اولتراسونیک و دریافت ؛ V - سرعت موج انتشار موج اولتراسونیک در محیط.
البته بسیاری از روبات های متحرک از دستگاه های ارسال و دریافت جداگانه در فناوری ناوبری و موقعیت یابی استفاده می کنند. چندین دستگاه دریافت کننده در نقشه محیطی مرتب شده اند و پروبهای فرستنده بر روی ربات متحرک نصب شده اند.
در جهت یابی و موقعیت یابی روبات های متحرک ، بدست آوردن اطلاعات محیط پیرامون به دلیل نقص سنسورهای اولتراسونیک ، مانند بازتاب دیدی و محدوده زاویه پرتو ، دشوار است. بنابراین ، سیستم حسگر اولتراسونیک متشکل از چند سنسور معمولاً برای ایجاد مدل محیط مربوطه استفاده می شود ، اطلاعات جمع آوری شده توسط سنسور از طریق ارتباط سریال به سیستم کنترل ربات متحرک منتقل می شود. سپس سیستم کنترل الگوریتم خاصی را برای پردازش داده های مربوطه با توجه به سیگنال جمع آوری شده و مدل ریاضی ایجاد شده اتخاذ می کند و می توان اطلاعات موقعیت مکانی ربات را بدست آورد.
سنسور اولتراسونیک به دلیل مزایای هزینه کم ، سرعت سریع اطلاعات و رزولوشن برد زیاد ، به طور گسترده ای در جهت یابی و موقعیت یابی ربات متحرک برای مدت طولانی مورد استفاده قرار گرفته است. علاوه بر این ، هنگام جمع آوری اطلاعات محیطی نیازی به فناوری تصویر پیچیده ندارد ، بنابراین دارای سرعت وسیع و عملکرد خوب در زمان واقعی است.
ناوبری بصری و فناوری موقعیت یابی ربات تلفن همراه
در سیستم ناوبری و موقعیت یابی بصری ، حالت ناوبری نصب دوربین خودرو در ربات بر اساس دید محلی به طور گسترده ای در داخل و خارج استفاده می شود. در این حالت ناوبری ، تجهیزات کنترل و دستگاه های سنجش روی بدنه ربات بارگذاری می شوند و تصمیمات سطح بالا مانند تشخیص تصویر و برنامه ریزی مسیر توسط کامپیوتر کنترل روی صفحه تکمیل می شود.
سیستم ناوبری و موقعیت یابی بصری عمدتاً شامل: دوربین (یا سنسور تصویر CCD) ، تجهیزات دیجیتالی شدن سیگنال ویدئویی ، پردازنده سیگنال سریع بر اساس DSP ، کامپیوتر و لوازم جانبی آن و غیره است. در حال حاضر ، بسیاری از سیستم های ربات از سنسورهای تصویر CCD استفاده می کنند. عنصر اساسی یک ردیف از عناصر تصویربرداری سیلیکون است. عناصر حساس به نور و دستگاههای انتقال بار روی یک لایه پیکربندی می شوند. از طریق انتقال متوالی بارها ، سیگنال های ویدئویی پیکسل های چندگانه به صورت تقسیم زمان و به صورت متوالی حذف می شوند. به عنوان مثال ، وضوح تصویر جمع آوری شده توسط حسگر CCD منطقه می تواند از 32 × 32 تا 1024 10 1024 پیکسل و غیره باشد.
اصل کار سیستم ناوبری و موقعیت یابی بصری به سادگی پردازش نوری محیط اطراف ربات است. ابتدا از دوربین برای جمع آوری اطلاعات تصویر ، فشرده سازی اطلاعات جمع آوری شده و سپس ارسال آن به یک زیر سیستم یادگیری متشکل از شبکه عصبی و روش های آماری استفاده می شود ، سپس زیرسیستم یادگیری اطلاعات تصویر جمع آوری شده را با موقعیت واقعی ربات متصل می کند. برای تکمیل عملکرد ناوبری و موقعیت یابی ربات.
سیستم موقعیت یاب جهانی
امروزه ، در استفاده از فناوری ناوبری و موقعیت یابی ربات هوشمند ، روش موقعیت یابی دینامیکی دیفرانسیل شبه عموماً مورد استفاده قرار می گیرد. از گیرنده مرجع و گیرنده پویا برای مشاهده چهار ماهواره GPS با هم استفاده می شود و مختصات موقعیت سه بعدی روبات در زمان و لحظه معین بر اساس الگوریتم خاصی به دست می آید. موقعیت یابی دینامیکی دیفرانسیل خطای ساعت ماهواره را حذف می کند. برای کاربران 1000 کیلومتری دورتر از ایستگاه مرجع ، می تواند خطای ساعت ماهواره ای و خطای تروپوسفری را حذف کند ، بنابراین می تواند دقت موقعیت یابی پویا را به میزان قابل توجهی بهبود بخشد.
با این حال ، در ناوبری تلفن همراه ، دقت موقعیت گیرنده GPS تلفن همراه تحت تأثیر شرایط سیگنال ماهواره ای و محیط جاده ، و همچنین خطای ساعت ، خطای انتشار ، سر و صدای گیرنده و بسیاری عوامل دیگر است. بنابراین ، دقت موقعیت یابی و قابلیت اطمینان ناوبری GPS به تنهایی پایین است. بنابراین ، قطب نما مغناطیسی و دیسک کد نوری و داده های GPS برای ناوبری. علاوه بر این ، سیستم ناوبری GPS برای ناوبری ربات داخل و زیر آب و سیستم های ربات با دقت موقعیت بالا مناسب نیست.
فناوری ناوبری و موقعیت یابی انعکاس نوری برای ربات تلفن همراه
روش ناوبری و موقعیت یابی انعکاس نوری معمولاً از سنسور لیزری یا مادون قرمز برای اندازه گیری فاصله استفاده می کند. هر دو لیزر و مادون قرمز از فناوری بازتاب نور برای هدایت و موقعیت یابی استفاده می کنند.
سیستم موقعیت یابی جهانی لیزر به طور کلی از مکانیزم چرخش لیزر ، آینه ، دستگاه دریافت فوتوالکتریک و دستگاه جمع آوری و انتقال داده ها تشکیل شده است.
در حین کار ، لیزر از طریق مکانیسم آینه چرخان به بیرون ساطع می شود. هنگامی که علامت راه تعاونی متشکل از بازتابنده عقب اسکن می شود ، نور منعکس شده توسط گیرنده فوتوالکتریک به عنوان سیگنال تشخیص پردازش می شود ، برنامه جمع آوری داده ها را شروع می کند ، داده های دیسک کد مکانیسم چرخشی را بخوانید (مقدار زاویه اندازه گیری شده هدف) ، و سپس آن را برای پردازش داده ها از طریق ارتباط به رایانه فوقانی منتقل کنید ، با توجه به موقعیت شناخته شده و اطلاعات شناسایی شده در علامت راه ، موقعیت و جهت فعلی سنسور در سیستم مختصات علامت راه را می توان محاسبه کرد تا بتوان هدف ناوبری و موقعیت یابی بیشتر
محدوده لیزری دارای مزایای پرتو باریک ، موازی بودن خوب ، پراکندگی کوچک و وضوح جهت زیاد است ، اما همچنین توسط عوامل محیطی بسیار مختل می شود. بنابراین ، نحوه خنثی سازی سیگنال جمع آوری شده در هنگام استفاده از محدوده لیزری نیز یک مشکل بزرگ است. علاوه بر این ، مناطق کور در محدوده لیزر وجود دارد ، بنابراین تشخیص ناوبری و موقعیت یابی تنها با لیزر دشوار است ، در کاربردهای صنعتی ، عموماً در تشخیص میدان های صنعتی در محدوده خاصی مانند تشخیص ترک خطوط لوله استفاده می شود.
فناوری سنجش مادون قرمز اغلب در سیستم اجتناب از مانع ربات های چند مفصلی برای ایجاد یک منطقه وسیع از روبات&، پوست حساس&، استفاده می شود که سطح بازوی ربات را می پوشاند و می تواند اجسام مختلف روبرو را در عملیات تشخیص دهد. بازوی ربات
یک سنسور مادون قرمز معمولی شامل یک دیود ساطع کننده حالت جامد است که می تواند نور مادون قرمز را ساطع کند و یک فوتودیود حالت جامد که به عنوان گیرنده استفاده می شود. سیگنال تعدیل شده توسط لوله ساطع کننده نور مادون قرمز منتقل می شود و لوله حساس به نور مادون قرمز سیگنال تعدیل شده مادون قرمز منعکس شده توسط هدف را دریافت می کند. حذف تداخل نور مادون قرمز محیط با تعدیل سیگنال و فیلتر مادون قرمز ویژه تضمین می شود. اجازه دهید سیگنال خروجی VO نشان دهنده ولتاژ خروجی شدت نور منعکس شده باشد ، سپس VO تابعی از فاصله بین پروب و قطعه کار است: VO=f (x ، P) ، جایی که p - ضریب انعکاس قطعه کار است. P به رنگ سطح و زبری هدف مربوط می شود. X - فاصله بین پروب و قطعه کار.
وقتی قطعه کار هدف مشابهی با مقدار p یکسان باشد ، X و VO یکی یکی منطبق می شوند. X را می توان با درون یابی داده های تجربی اندازه گیری مجاورت اهداف مختلف بدست آورد. به این ترتیب ، موقعیت ربات از جسم مورد نظر را می توان با حسگر مادون قرمز اندازه گیری کرد و سپس ربات متحرک را می توان با روشهای دیگر پردازش اطلاعات حرکت و موقعیت یابی کرد.
اگرچه موقعیت یابی سنسور مادون قرمز دارای مزایای حساسیت بالا ، ساختار ساده و هزینه کم است ، اما به دلیل وضوح زاویه بالا و وضوح کم فاصله ، اغلب به عنوان سنسور مجاورت در ربات های متحرک برای تشخیص موانع نزدیک یا ناگهانی حرکت استفاده می شود ، که مناسب است. برای جلوگیری از موانع در مواقع ضروری برای افراد روبات.
فناوری اسلم
اکثر شرکت های ربات خدمات پیشرو در صنعت از فناوری slam استفاده می کنند. تکنولوژی slam چیست؟ به طور خلاصه ، فناوری slam به کل فرایند موقعیت یابی ، نقشه برداری و برنامه ریزی مسیر ربات در محیط ناشناخته اشاره دارد.
Slam (بومی سازی و نقشه برداری همزمان) ، از آنجا که در سال 1988 پیشنهاد شد ، عمدتا برای مطالعه هوش حرکت روبات ها استفاده می شود. برای محیط داخلی کاملا ناشناخته ، مجهز به سنسورهای اصلی مانند lidar ، فناوری slam می تواند به ربات کمک کند تا نقشه محیط داخلی را بسازد و به ربات کمک کند تا به طور مستقل راه برود.
مشکل SLAM را می توان اینگونه توصیف کرد: ربات شروع به حرکت از موقعیت نامعلوم در محیط ناشناخته می کند ، بر اساس برآورد موقعیت و داده های حسگر خود را پیدا می کند و همزمان نقشه افزایشی می سازد.
رویکردهای پیاده سازی فناوری slam عمدتا شامل vSLAM ، WiFi slam و lidar slam است.
1. VSLAM (SLAM بصری)
این به ناوبری و کاوش با دوربین های عمیق مانند دوربین و Kinect در محیط داخلی اشاره دارد. اصل کار آن به سادگی انجام پردازش نوری بر روی محیط اطراف ربات است. ابتدا از دوربین برای جمع آوری اطلاعات تصویر ، فشرده سازی اطلاعات جمع آوری شده و سپس ارسال آن به یک زیرسیستم یادگیری متشکل از شبکه عصبی و روش های آماری استفاده می شود و سپس زیرسیستم یادگیری اطلاعات تصویر جمع آوری شده را با موقعیت واقعی دستگاه متصل می کند. روبات ، عملکرد ناوبری و موقعیت یابی خودکار ربات را تکمیل کنید.
با این حال ، vSLAM داخلی هنوز در مرحله تحقیق است و از کاربرد عملی دور است. از یک سو ، مقدار محاسبه بسیار زیاد است ، که مستلزم عملکرد بالای سیستم ربات است. از سوی دیگر ، نقشه های ایجاد شده توسط vSLAM (عمدتا ابرهای نقطه ای) را نمی توان برای برنامه ریزی مسیر ربات ها استفاده کرد ، که نیاز به کاوش و تحقیق بیشتر دارد.
2．Wifi － SLAM
این به استفاده از انواع دستگاه های سنجش در تلفن های هوشمند برای موقعیت یابی ، از جمله WiFi ، GPS ، ژیروسکوپ ، شتاب سنج و مغناطیس سنج و ترسیم نقشه دقیق داخلی از داده های بدست آمده از طریق یادگیری ماشین ، تشخیص الگو و سایر الگوریتم ها اشاره دارد. ارائه دهنده این فناوری توسط اپل در سال 2013 خریداری شد. معلوم نیست که آیا اپل از فناوری WiFi slam در iPhone استفاده کرده است ، به طوری که همه کاربران iPhone با حمل یک روبات کوچک نقاشی برابر هستند. شکی نیست که موقعیت یابی دقیق تر نه تنها برای نقشه مفید است ، بلکه همه برنامه های وابسته به موقعیت مکانی (LBS) را دقیق تر می کند.
3．Lidar SLAM
این به استفاده از لیدار به عنوان سنسور برای به دست آوردن داده های نقشه اشاره می کند ، به طوری که ربات می تواند موقعیت همزمان و ساخت نقشه را درک کند. تا آنجا که به خود فناوری مربوط می شود ، پس از سالها تأیید کاملاً بالغ شده است ، اما تنگنای هزینه بالای lidar' باید فوراً حل شود.
خودروهای بدون راننده گوگل از این فناوری استفاده می کنند. لیدار نصب شده روی سقف از شرکت velodyne ایالات متحده تهیه می شود و بیش از 70000 دلار به فروش می رسد. این لیدار هنگام چرخش با سرعت بالا می تواند 64 پرتو لیزر را به اطراف ساطع کند. هنگامی که لیزر اجسام اطراف را لمس کرده و باز می گردد ، می تواند فاصله بین بدنه خودرو و اجسام اطراف را محاسبه کند. سپس سیستم کامپیوتری با توجه به این داده ها یک نقشه توپوگرافی سه بعدی خوب ترسیم می کند و سپس آن را با نقشه با وضوح بالا ترکیب می کند تا مدل های مختلف داده ای را برای سیستم کامپیوتری روی صفحه تولید کند. Lidar نیمی از هزینه کل خودرو را به خود اختصاص می دهد ، که ممکن است یکی از دلایل عدم تولید انبوه خودروهای بدون سرنشین Google' باشد.
لیدار دارای ویژگی های هدایت قوی است که می تواند به طور م theثر از صحت ناوبری اطمینان حاصل کند و با محیط داخلی سازگار شود. با این حال ، lidar slam در زمینه ناوبری داخلی روبات ها عملکرد خوبی نداشته است ، زیرا قیمت لیدار بسیار گران است.