Un Sistema di Navigazione Inerziale Visuale (VINS) offre una robusta soluzione di navigazione per droni autonomi combinando ingegnosamente dati di sensori visivi e inerziali. Nello specifico, consente una localizzazione e mappatura accurate e affidabili in ambienti avversi.
Raccolta dati e componenti
Un VINS si basa su molteplici componenti di bordo—principalmente telecamere e Inertial Measurement Units (IMU)—che lavorano insieme per raccogliere informazioni sul movimento di un UAV e sul suo ambiente circostante. Le telecamere forniscono dati visivi catturando immagini o fotogrammi video, mentre le IMU registrano misurazioni di rotazione e accelerazione.
Il sottosistema visuale utilizza algoritmi di visione artificiale per elaborare le immagini acquisite. Questi algoritmi estraggono importanti feature ambientali, eseguendo compiti come il rilevamento, il tracciamento e la corrispondenza delle feature. Identificando e seguendo punti distintivi attraverso immagini successive, il VINS può stimare lo stato dell'UAV, inclusi posizione, velocità e orientamento.
Il sottosistema inerziale è composto da accelerometri e giroscopi che forniscono misurazioni ad alta frequenza del movimento lineare e angolare. Queste letture precise aiutano a tracciare i movimenti dell'UAV e a compensare le perturbazioni esterne. Infine, gli algoritmi di fusione dei sensori integrano i dati dell'IMU con le informazioni visive per produrre una stima altamente accurata della posizione dell'UAV.
Vantaggi e sfide operative
VINS offre un grande vantaggio per le operazioni con droni, garantendo una navigazione affidabile anche quando i segnali GNSS vengono persi. Funziona bene in ambienti dove i segnali satellitari sono deboli o non disponibili — come interni, aree urbane dense o zone di guerra — dove edifici, ostacoli o disturbi del segnale bloccano la ricezione GNSS. In queste condizioni di assenza di GNSS, VINS continua a fornire localizzazione e mappatura accurate affidandosi a indizi visivi e misurazioni inerziali, consentendo agli UAV di mantenere stime precise della loro posizione e orientamento e quindi di navigare autonomamente.
Il workflow VINS include diverse fasi chiave, come la fusione di sensori visuali inerziali e la stima dello stato. Durante l'estrazione delle feature, il sistema identifica punti visuali importanti e li traccia attraverso i frame. Gli algoritmi di fusione dei sensori uniscono quindi i dati visuali e inerziali in una stima dello stato unificata. Gli algoritmi di stima dello stato utilizzano queste informazioni fuse per calcolare la posizione, la velocità e l'orientamento del drone con elevata precisione.
Il VINS supporta un'ampia gamma di applicazioni, tra cui la mappatura aerea, la sorveglianza e la navigazione a stima in situazioni in cui i dati GNSS non sono affidabili.
Nonostante i suoi punti di forza, il VINS deve ancora affrontare sfide tecniche. L'integrazione di telecamere e sensori inerziali richiede una calibrazione e una sincronizzazione precise per garantire l'accuratezza della misurazione. Anche problemi come le occlusioni e le condizioni di illuminazione variabili per i sottosistemi visivi richiedono una ricerca continua. Migliorare la robustezza e le prestazioni del VINS rimane un obiettivo chiave per i futuri sviluppi.
