En bref :
Pour que notre véhicule expérimental puisse se localiser de manière fiable et précise dans son cadre de référence global, nous avons conçu un système de géolocalisation basé sur la fusion de données multi-capteurs à l'aide d'un filtre de Kalman étendu. Ce système exploite les données de deux antennes GNSS, d'une unité de mesure inertielle (IMU) à 6 axes et de codeurs de roues. Au cours du développement, nous avons mené une étude théorique complète pour valider la solution en simulation avant de l'intégrer dans notre véhicule. Ces résultats ont été publiés lors de la conférence AgriControl en août 2022.
Résumé :
Cet article porte sur le développement d'une architecture de fusion de données pour le positionnement et l'estimation de l'attitude d'un véhicule agricole autonome, combinant deux RTK-GNSS et un système de mesure inertielle (IMU). Les principales étapes de l'algorithme sont présentées et donnent une approche générique pour les applications de guidage ou de localisation de véhicules en temps réel à l'aide de la fusion de données. Des caractéristiques importantes telles que la modélisation de l'erreur du capteur basée sur la méthode de la variance d'Allan ainsi que les phénomènes de compensation liés à la navigation terrestre utilisant la mécanisation de l'IMU sont présentées. Une architecture de fusion faiblement couplée est proposée, permettant une faible complexité pour l'intégration d'algorithmes en temps réel. Enfin, des résultats basés sur des données réelles provenant d'un prototype réel sont exploités pour montrer l'efficacité de l'algorithme proposé.