Fusão de sensores
A fusão de sensores é o processo de combinar medições de múltiplos sensores heterogêneos para estimar o estado de um sistema com maior precisão, confiabilidade e robustez do que qualquer sensor individual pode fornecer. Na navegação inercial, a fusão de sensores integra dados de IMUs, receptores GNSS, magnetômetros, odômetros, DVLs, câmeras, LiDAR e outros sensores de auxílio para estimar continuamente posição, velocidade e atitude.
Cada sensor apresenta pontos fortes e limitações distintos. Giroscópios e acelerômetros MEMS fornecem medições de movimento de alta taxa com excelente estabilidade de curto prazo, mas acumulam viés e deriva ao longo do tempo por meio de navegação por estimativa (dead reckoning). Por outro lado, o GNSS fornece posição e velocidade absolutas sem deriva de longo prazo, mas sofre com bloqueio de sinal, multicaminhamento (multipath), interferência e taxas de atualização limitadas. A fusão de sensores explora essas características complementares para produzir uma solução que permanece precisa em condições dinâmicas e severas.
Os algoritmos modernos de fusão de sensores baseiam-se primariamente em técnicas de estimação bayesiana. O Filtro Kalman Estendido (EKF) é o padrão da indústria para sistemas de navegação não lineares. O EKF propaga a solução inercial usando medições de IMU de alta taxa. Ele corrige continuamente os erros acumulados usando observações externas. Essa abordagem mantém a navegação precisa e estável ao longo do tempo. Outros implementam otimização por grafos de fatores (factor graph optimization), filtros de partículas ou algoritmos de suavização. A escolha do algoritmo depende dos requisitos da aplicação, recursos computacionais e complexidade do sistema.
Sistemas GNSS/INS de alto desempenho integram rigidamente dados inerciais com medições de sensores externos. Eles fazem a transição perfeita entre a disponibilidade de GNSS e a operação em ambientes negados de GNSS (GNSS-denied). O filtro de navegação estima o estado da plataforma em tempo real. Ele também estima vieses de sensores, fatores de escala e outras fontes de erro estocástico. Essas correções melhoram significativamente a precisão a longo prazo, a estabilidade e a integridade do sistema.
A fusão de sensores suporta aplicações de defesa, marinhas, de agrimensura, robótica e automotivas. Ao combinar medições de sensores complementares, ela melhora a precisão e a robustez. Ela também aprimora a consciência situacional em ambientes desafiadores. Como resultado, os sistemas mantêm um posicionamento confiável quando sensores individuais não conseguem atender aos requisitos de desempenho sozinhos.
