Micro veículos aéreos (MAVs) podem ter inúmeras aplicações úteis, por exemplo, auxiliando humanos na conclusão de inventários de depósitos ou missões de busca e resgate. Embora muitas empresas em todo o mundo já tenham começado a produzir e usar MAVs, alguns desses robôs voadores ainda têm limitações consideráveis.

Para trabalhar de forma mais eficaz, Os MAVs devem ser apoiados por um sistema eficiente de estimativa de pose. Este é um sistema ou método que pode calcular a posição e atitude de um drone, que pode então ser usado para controlar seu vôo, ajustar sua velocidade e auxiliar sua navegação enquanto está operando de forma autônoma e quando controlado remotamente.

Pesquisadores da Universidade Huazhong de Ciência e Tecnologia na China desenvolveram recentemente um novo sistema para a estimativa de pose de MAVs em ambientes internos. Sua nova abordagem, descrito em um artigo pré-publicado em arXIv e definido para ser publicado em Transações IEEE em Eletrônica Industrial , aproveita a infraestrutura WiFi existente para permitir uma navegação mais eficaz em drones pequenos e ágeis.

"Em nosso trabalho anterior, provamos a viabilidade de usar a localizabilidade do WiFi para corrigir o desvio do sensor inercial onboard (IMU), "Shengkai Zhang, um dos pesquisadores que realizou o estudo, disse TechXplore. "Contudo, a técnica que desenvolvemos, apelidado de CWISE, só funciona em espaços abertos e sem esmaecimento de multipath. Em nosso estudo atual, forçamos esse método ainda mais para abordar o problema de caminhos múltiplos em ambientes internos e tornar nosso sistema proposto mais prático. "

O principal objetivo do novo estudo realizado por Zhang e seus colegas era usar a infraestrutura WiFi prontamente disponível para estimar as poses de 6-DoF dos MAVs. Em contraste com as técnicas de estimativa de pose existentes com base em visão computacional, o sistema que desenvolveram está livre de limitações visuais, o que significa que funciona bem sob diferentes condições de iluminação e ambientais.

Em vez de analisar estímulos visuais coletados por sensores, o sistema aproveita as muitas subportadoras de sinais de multiplexação por divisão de frequência ortogonal (OFDM) WiFi. Mais especificamente, ele usa esses sinais para encontrar o ângulo de chegada (AoA) do caminho direto entre um MAV e um ponto de acesso WiFi entre as muitas reflexões do sinal em ambientes internos.

O sistema criado por Zhang e seus colegas tem dois componentes principais:um algoritmo de estimativa AoA e um modelo de fusão de sensor WiFi-inercial. O algoritmo de estimativa AoA é um método computacional que estima as atitudes do MAV e separa o AoA para posicionamento. O modelo de fusão de sensor inercial WiFi, por outro lado, combina o AoA estimado e os dados coletados usando sensores inerciais para otimizar as poses de um drone.

"É bem sabido que os ângulos podem ser usados ​​para localizar um alvo por meio de triangulação, Contudo, sem uma escala métrica, "Zhang disse." Por outro lado, a IMU de um VAM fornece poses métricas, mas sofre de deriva temporal. Nós fundimos AoAs WiFi e medições inerciais e obtemos o melhor dos dois mundos. "

O sistema desenvolvido por Zhang e seus colegas tem inúmeras vantagens sobre as técnicas de estimativa de pose mais convencionais. Primeiro, é leve e imediatamente implantável em qualquer ambiente interno coberto por uma rede sem fio. Além disso, ele tem um bom desempenho em áreas de trabalho com diferentes condições de iluminação e textura.

O estudo destaca o potencial do uso de conexões WiFi para melhorar as estratégias de detecção e navegação em robôs. Quando testado em uma série de experimentos em ambientes internos, o novo sistema de estimativa de pose alcançou resultados notáveis, apresentando um erro médio de posição de 61,7cm e um erro de atitude de 0,92 graus. No futuro, pode ser usado para melhorar a navegação MAV em armazéns, escritórios ou outros ambientes internos.

"Atualmente, a precisão do nosso estimador de pose inercial WiFi está no nível de decímetro, "Zhang disse." Gostaríamos de melhorar isso. Enquanto isso, O próprio WiFi tem algumas limitações, por exemplo., bloqueio de estrutura, interferência, e assim por diante. Acreditamos que o acoplamento adequado do sensor visual e do sensor sem fio proporcionaria uma estimativa de pose mais robusta e precisa, o que resulta em robôs autônomos mais práticos. "

© 2020 Science X Network