VINS – Visual inertial navigation system
Ein Visual Inertial Navigation System (VINS) bietet eine robuste Navigationslösung für autonome Drohnen, indem es visuelle und Trägheitssensordaten auf ingenieurişierte Weise kombiniert. Insbesondere ermöglicht es eine genaue, zuverlässige Lokalisierung und Kartierung in schwierigen Umgebungen.
Datenerhebung und Komponenten
Ein VINS stützt sich auf mehrere Onboard-Komponenten – in erster Linie Kameras und Inertiale Messeinheiten (IMUs) –, die zusammenarbeiten, um Informationen über die Bewegung und die Umgebung einer Drohne zu erfassen. Die Kameras liefern visuelle Daten durch die Aufnahme von Bildern oder Video-Frames, während die IMUs Rotations- und Beschleunigungsmessungen aufzeichnen.
Das visuelle Subsystem nutzt Algorithmen der Bildverarbeitung, um das aufgenommene Bildmaterial zu verarbeiten. Diese Algorithmen extrahieren wichtige Umgebungsmerkmale und führen dabei Aufgaben wie die Erkennung, Verfolgung und Zuordnung von Merkmalen durch. Durch die Identifizierung und Verfolgung charakteristischer Punkte in aufeinanderfolgenden Bildern kann das VINS den Zustand des UAV abschätzen, einschließlich seiner Position, Geschwindigkeit und Ausrichtung.
Das inertiale Teilsystem besteht aus Beschleunigungsmessern und Gyroskopen, die hochfrequente Messungen der Linear- und Winkelbewegung liefern. Diese präzisen Messwerte helfen dabei, die Bewegungen der Drohne zu verfolgen und äußere Störungen zu kompensieren. Schließlich integrieren Sensorfusion-Algorithmen die IMU-Daten mit visuellen Informationen, um eine hochgenaue Schätzung des Standorts der Drohne zu erstellen.
Betriebliche Vorteile und Herausforderungen
VINS bietet einen erheblichen Vorteil für den Drohnenbetrieb, da es eine zuverlässige Navigation selbst bei Verlust von GNSS-Signalen gewährleistet. Es bewährt sich in Umgebungen, in denen Satellitensignale schwach oder nicht verfügbar sind – wie in Innenräumen, dichten städtischen Gebieten oder Kriegsgebieten –, in denen Gebäude, Hindernisse oder Signalstörungen den GNSS-Empfang blockieren. Unter diesen GNSS-eingeschränkten Bedingungen liefert VINS weiterhin eine genaue Positionierung und Kartierung, indem es sich auf visuelle Merkmale und Trägheitsmessungen stützt, sodass UAVs genaue Schätzungen ihrer Position und Orientierung beibehalten und somit autonom navigieren können.
Der VINS-Workflow umfasst mehrere wichtige Schritte wie die visuell-inertiale Sensorfusion und Zustandsschätzung. Während der Merkmalsextraktion identifiziert das System wichtige visuelle Punkte und verfolgt diese über Frames hinweg. Algorithmen zur Sensorfusion führen die visuellen und Trägheitsdaten anschließend zu einer einheitlichen Zustandsschätzung zusammen. Algorithmen zur Zustandsschätzung nutzen diese fusionierten Informationen, um Position, Geschwindigkeit und Orientierung der Drohne mit hoher Genauigkeit zu berechnen.
VINS unterstützt ein breites Spektrum an Anwendungen, darunter Luftbildkartierung, Überwachung und Koppelnavigation (Dead Reckoning) in Situationen, in denen keine Verlass auf GNSS-Daten ist.
Trotz seiner Stärken steht VINS vor technischen Herausforderungen. Die Integration von Kameras und Inertialsensoren erfordert präzise Kalibrierung und Synchronisation, um die Messgenauigkeit sicherzustellen. Probleme wie Verdeckungen und variable Lichtverhältnisse für die visuellen Subsysteme erfordern zudem kontinuierliche Forschung. Die Steigerung der Robustheit und Leistung von VINS bleibt ein zentrales Ziel für zukünftige Optimierungen.
