การระบุตำแหน่งในอาคาร

ทำไมต้องรู้

ในคลังสินค้าไม่มีสัญญาณ GNSS โดรนต้องรู้ตำแหน่งตัวเองจากเซนเซอร์อื่น UAT 363 แนะนำวิธีระบุตำแหน่งในอาคารและการหาตำแหน่งจาก UWB แล้ว วิชานี้ตอบคำถามต่อไปว่า ตำแหน่งที่ได้แม่นพอสำหรับบินระหว่างชั้นวางที่ห่างกันไม่กี่เมตรหรือไม่ ความคลาดมาจากหลายแหล่งพร้อมกัน ถ้าไม่รวมให้เห็นทั้งหมด ทีมอาจบินใกล้ชั้นวางเกินไปโดยไม่รู้ตัว

ทั้งวิชาใช้กรณีสมมติเดียว: โรงงานผลิตชิ้นส่วนมีคลังชั้นวางสูงขนาด 60 × 30 m ใช้โดรน 3 ลำนับสต็อกช่วงกลางคืน ตัวเลขทั้งหมดเป็นข้อมูลสมมติสำหรับฝึก โค้ด Python ของทุกโมดูลดาวน์โหลดได้ที่ /downloads/uat-366/

ห่วงโซ่ข้อมูลตำแหน่ง

คู่มือ PX4 เรื่องการใช้ระบบภาพหรือ motion capture ระบุว่าควรส่งตำแหน่งภายนอกที่ 30–50 Hz ถ้าอัตราต่ำเกินไป EKF2 จะไม่หลอมรวมข้อมูล พารามิเตอร์ EKF2_EV_CTRL เลือกว่าจะใช้ตำแหน่งแนวราบ แนวดิ่ง ความเร็ว หรือทิศหัว และ EKF2_EV_DELAY บอกเวลาหน่วงของข้อมูลภาพเทียบกับ IMU ซึ่งคู่มือระบุว่าต้องปรับจากการทดลอง เวลาหน่วงที่ไม่ชดเชยทำให้ตำแหน่งที่ใช้เป็นตำแหน่งในอดีต คลาดเท่ากับความเร็วคูณเวลาหน่วง

งบความคลาด

ความคลาดจากหลายแหล่งที่เป็นอิสระกันรวมกันแบบ รากที่สองของผลรวมกำลังสอง (root sum square, RSS) แหล่งที่ใหญ่ที่สุดมีผลมากที่สุด การลดแหล่งเล็กจึงช่วยน้อย

import math

SPEED, LATENCY = 1.5, 0.040
sources = {
    "UWB position": 0.10,
    "anchor survey": 0.05,
    "uncompensated latency": SPEED * LATENCY,
    "map-to-tag offset": 0.03,
}
total = math.sqrt(sum(v ** 2 for v in sources.values()))
for name, v in sources.items():
    print(f"{name:<22} {v:.3f} m  ({v ** 2 / total ** 2:.0%} of variance)")
print(f"total (RSS) {total:.3f} m")
fixed = math.sqrt(total ** 2 - sources["uncompensated latency"] ** 2)
print(f"after compensating latency with EKF2_EV_DELAY: {fixed:.3f} m")

UWB position           0.100 m  (59% of variance)
anchor survey          0.050 m  (15% of variance)
uncompensated latency  0.060 m  (21% of variance)
map-to-tag offset      0.030 m  (5% of variance)
total (RSS) 0.130 m
after compensating latency with EKF2_EV_DELAY: 0.116 m

ความคลาดสะสมของ VIO

VIO (visual-inertial odometry) ประมาณการเคลื่อนที่จากกล้องกับ IMU ไม่ต้องติดตั้งอุปกรณ์ในอาคาร แต่ความคลาดสะสมตามระยะทาง ป้าย AprilTag (Olson, 2011) ที่ติดไว้ในตำแหน่งที่รู้ ช่วยรีเซ็ตความคลาดเมื่อกล้องเห็นป้าย ความคลาดจึงเป็นรูปฟันเลื่อย

DRIFT, TAG_ERR, ROUTE_M = 0.01, 0.03, 120

for spacing in (60, 30, 15):
    worst = TAG_ERR + DRIFT * spacing
    print(f"tags every {spacing:>2} m: worst error {worst:.2f} m")
print(f"no tags over {ROUTE_M} m: {TAG_ERR + DRIFT * ROUTE_M:.2f} m")
for limit in (0.20, 0.10):
    print(f"to stay below {limit:.2f} m, place tags at most every {(limit - TAG_ERR) / DRIFT:.0f} m")

tags every 60 m: worst error 0.63 m
tags every 30 m: worst error 0.33 m
tags every 15 m: worst error 0.18 m
no tags over 120 m: 1.23 m
to stay below 0.20 m, place tags at most every 17 m
to stay below 0.10 m, place tags at most every 7 m

กรอบพิกัดของอาคาร

ทุกแหล่งต้องอ้างกรอบพิกัดเดียวกัน กำหนดจุดกำเนิดและทิศแกนของห้อง (เช่น มุมคลาดตะวันตกเฉียงใต้ แกน x ตามแนวทางเดิน) วัดตำแหน่งสมอ UWB และป้ายด้วยเครื่องมือวัดที่แม่นกว่าที่ต้องการอย่างน้อยหลายเท่า แล้วแปลงเป็นกรอบที่ PX4 ใช้ (NED) ตามที่เรียนการแปลง ENU กับ NED ใน UAT 322

ปฏิบัติการประจำโมดูล

ข้อผิดพลาดที่พบบ่อย

สรุป

• ความคลาดจากหลายแหล่งรวมแบบ RSS แหล่งใหญ่ที่สุดกำหนดผลรวม
• เวลาหน่วงที่ไม่ชดเชยทำให้คลาด v·Δt ต้องตั้ง EKF2_EV_DELAY และส่งข้อมูลที่ 30–50 Hz
• VIO คลาดสะสม ป้ายอ้างอิงช่วยรีเซ็ต ระยะห่างป้ายคำนวณจากความคลาดที่ยอมรับได้
• ทุกแหล่งต้องอยู่ในกรอบพิกัดเดียวกันที่วัดไว้อย่างแม่นยำ

แบบฝึกตรวจความเข้าใจ

1. แหล่งความคลาด 0.06, 0.08 m รวมแบบ RSS เท่าใด
2. บิน 2 m/s เวลาหน่วงไม่ชดเชย 50 ms คลาดเท่าใด
3. VIO คลาด 2% ของระยะทาง ป้ายรีเซ็ตเหลือ 0.02 m ต้องการไม่เกิน 0.2 m ต้องติดป้ายห่างไม่เกินเท่าใด
4. PX4 แนะนำให้ส่งตำแหน่งภายนอกที่อัตราเท่าใด
5. ทำไมการลดแหล่งความคลาดที่เล็กที่สุดจึงช่วยน้อย