VINS – Visueel-inertieel navigatiesysteem
Een visueel-inertieel navigatiesysteem (VINS) biedt een robuuste navigatieoplossing voor autonome drones door visuele en inertiële sensorgegevens op ingenieuze wijze te combineren. Het maakt met name nauwkeurige en betrouwbare lokalisatie en kartering mogelijk in moeilijke omgevingen.
Gegevensverzameling en onderdelen
Een VINS maakt gebruik van verschillende ingebouwde componenten – voornamelijk camera’s en inertiële meeteenheden (IMU’s) – die samenwerken om informatie te verzamelen over de bewegingen van een UAV en zijn omgeving. De camera’s leveren visuele gegevens door beelden of videoframes vast te leggen, terwijl de IMU’s rotatie- en versnellingsmetingen registreren.
Het visuele subsysteem maakt gebruik van computervisie-algoritmen om de vastgelegde beelden te verwerken. Deze algoritmen halen belangrijke omgevingskenmerken naar voren en voeren taken uit zoals het detecteren, volgen en matchen van kenmerken. Door kenmerkende punten in opeenvolgende beelden te identificeren en te volgen, kan het VINS de toestand van de UAV schatten, waaronder de positie, snelheid en oriëntatie ervan.
Het inertiële subsysteem bestaat uit versnellingsmeters en gyroscopen die hoogfrequente metingen van lineaire en hoekbewegingen leveren. Deze nauwkeurige meetwaarden helpen bij het volgen van de bewegingen van de UAV en het compenseren van externe verstoringen. Ten slotte integreren sensorfusie-algoritmen de gegevens van de ' IMU ' met visuele informatie om een uiterst nauwkeurige schatting van de locatie van de UAV te verkrijgen.
Operationele voordelen en uitdagingen
VINS biedt een groot voordeel voor drone-operaties door betrouwbare navigatie te garanderen, zelfs wanneer er geen signalen van het ‘ GNSS ’ (GPS) beschikbaar zijn. Het systeem presteert goed in omgevingen waar satellietsignalen zwak of niet beschikbaar zijn — zoals binnenshuis, in dichtbebouwde stedelijke gebieden of in oorlogsgebieden — waar gebouwen, obstakels of signaalstoring de ontvangst van GNSS blokkeren. In deze omstandigheden waarin GNSS niet beschikbaar is, blijft VINS zorgen voor nauwkeurige lokalisatie en kartering door gebruik te maken van visuele aanwijzingen en inertiële metingen, waardoor UAV’s een nauwkeurige inschatting van hun positie en oriëntatie kunnen behouden en zo autonoom kunnen navigeren.
De VINS-workflow omvat verschillende belangrijke stappen, zoals visuele en inertiële sensorfusie en toestandsschatting. Tijdens de kenmerkextractie identificeert het systeem belangrijke visuele punten en volgt deze over verschillende frames heen. Sensorfusie-algoritmen voegen vervolgens de visuele en inertiële gegevens samen tot een uniforme toestandsschatting. Algoritmen voor toestandsschatting gebruiken deze samengevoegde informatie om de positie, snelheid en oriëntatie van de drone met hoge nauwkeurigheid te berekenen.
VINS ondersteunt een breed scala aan toepassingen, waaronder luchtkartering, bewaking en navigatie op basis van dead reckoning in situaties waarin niet op gegevens van het ‘ GNSS ’ kan worden vertrouwd.
Ondanks zijn sterke punten kampt VINS nog steeds met technische uitdagingen. De integratie van camera’s en inertiële sensoren vereist nauwkeurige kalibratie en synchronisatie om de meetnauwkeurigheid te waarborgen. Ook kwesties zoals obstructies en wisselende lichtomstandigheden voor de visuele subsystemen vereisen voortdurend onderzoek. Het verbeteren van de robuustheid en prestaties van VINS blijft een belangrijk doel voor toekomstige verbeteringen.