Positionierungs- und Lagebestimmung für präzise Landwirtschaftsroboter auf Basis von IMU und Two RTK GPS-Sensorfusion

Um sicherzustellen, dass sich unser Versuchsfahrzeug in seinem globalen Referenzrahmen zuverlässig und genau lokalisieren kann, haben wir ein Geolokalisierungssystem entwickelt, das auf einer Multisensor-Datenfusion unter Verwendung eines erweiterten Kalman-Filters basiert. Dieses System nutzt Daten von zwei GNSS-Antennen, einer 6-Achsen-Inertialmesseinheit (IMU) und Radencodern. Während der Entwicklung haben wir eine umfassende theoretische Studie durchgeführt, um die Lösung in der Simulation zu validieren, bevor wir sie in unser Fahrzeug integriert haben. Diese Ergebnisse wurden auf der AgriControl-Konferenz im August 2022 veröffentlicht.

Dieses Papier konzentriert sich auf die Entwicklung einer Datenfusionsarchitektur für die Positionierung und Lageschätzung eines autonomen landwirtschaftlichen Fahrzeugs, die zwei RTK-GNSS- und ein Inertial Measurement Unit (IMU) -System kombiniert. Die wichtigsten Schritte des Algorithmus werden vorgestellt und bieten einen generischen Ansatz für Fahrzeuglenkungsanwendungen in Echtzeit oder zur Lokalisierung mithilfe von Datenfusion. Wichtige Funktionen wie die Modellierung von Sensorfehlern auf der Grundlage der Allan-Varianzmethode sowie Kompensationsphänomene im Zusammenhang mit der terrestrischen Navigation mithilfe der IMU-Mechanisierung werden vorgestellt. Es wird eine lose gekoppelte Fusionsarchitektur vorgeschlagen, die eine geringe Komplexität für die Integration von Algorithmen in Echtzeit ermöglicht. Schließlich werden Ergebnisse, die auf realen Daten eines realen Prototyps basieren, genutzt, um die Effizienz des vorgeschlagenen Algorithmus zu demonstrieren.