одометрия

Одометрия — это раздел прикладной математики и робототехники, занимающийся оценкой положения и ориентации движущегося объекта (робота, транспортного средства, человека) в пространстве относительно начальной точки с использованием данных о его собственных перемещениях. В отличие от методов глобального позиционирования (например, спутниковой навигации), одометрия является разновидностью счисления пути (dead reckoning): она вычисляет текущие координаты путём интегрирования информации о пройденном расстоянии и направлении движения, полученной от внутренних датчиков. Название происходит от греческих слов «hodos» (путь) и «metron» (мера).

Принцип работы

Основная идея одометрии заключается в последовательном накоплении приращений перемещения. Система начинает движение из известной точки (обычно с координатами (0,0,0) и нулевой ориентацией). На каждом шаге или с заданной частотой датчики фиксируют изменение положения объекта. Эти изменения (дельта-перемещение и дельта-поворот) суммируются с предыдущими значениями, что позволяет в любой момент времени получить оценку текущих координат и углов ориентации (рыскания, тангажа, крена).

Ключевая особенность одометрии — накопление ошибки. Поскольку каждое последующее измерение опирается на предыдущее, любые неточности датчиков (шумы, проскальзывание колёс, дрейф гироскопов) суммируются, и со временем ошибка оценки положения неограниченно растёт. Для коррекции этой ошибки одометрию часто комбинируют с другими методами (например, визуальной одометрией, данными GPS или SLAM).

Виды одометрии

Одометрия классифицируется по типу используемых датчиков.

Колёсная одометрия

Наиболее распространённый и простой вид. Используется в колёсных роботах, автомобилях и мобильных платформах. Оценка перемещения производится по данным энкодеров (датчиков угла поворота), установленных на колёсах. Зная радиус колеса и количество оборотов, можно вычислить пройденное расстояние. Для определения поворота используется разность показаний энкодеров левого и правого колёс (дифференциальный привод) или датчик угла поворота рулевого колеса (аккерманово рулевое управление).

Основные источники ошибок колёсной одометрии:

• Проскальзывание колёс (на скользкой или неровной поверхности).
• Износ или неравномерное давление в шинах, изменяющее эффективный радиус колеса.
• Неточность установки колёс (схождение, развал).
• Деформация поверхности (например, движение по мягкому грунту).

Визуальная одометрия

Метод, основанный на анализе последовательности изображений, полученных с одной или нескольких камер. Алгоритм выделяет на кадрах характерные точки (углы, грани, текстуры) и отслеживает их перемещение от кадра к кадру. По изменению положения этих точек в трёхмерном пространстве (с использованием триангуляции) вычисляется движение камеры, а следовательно, и объекта, на котором она установлена.

Преимущества: не зависит от проскальзывания колёс, может работать на любой поверхности, включая водную и воздушную среду. Недостатки: чувствительность к освещению, движению камеры (размытие), отсутствию текстур (однотонные стены), высокая вычислительная нагрузка.

Лазерная одометрия (LiDAR-одометрия)

Использует данные лазерных сканеров (LiDAR). Алгоритм сопоставляет последовательные облака точек, полученные от сканера, и находит наилучшее преобразование (поворот и перенос), которое переводит одно облако в другое. Наиболее распространённый метод — итеративный алгоритм ближайших точек (ICP). Лазерная одометрия обеспечивает высокую точность и устойчивость к освещению, но требует дорогостоящего оборудования и чувствительна к движущимся объектам в сцене.

Инерциальная одометрия

Базируется на данных инерциальных измерительных блоков (IMU), состоящих из акселерометров и гироскопов. Ускорение, измеренное акселерометром, дважды интегрируется для получения перемещения, а угловая скорость, измеренная гироскопом, интегрируется для получения ориентации. Из-за двойного интегрирования ошибки акселерометра (дрейф нуля) накапливаются очень быстро, что делает инерциальную одометрию в чистом виде непригодной для длительного использования. Однако она обладает высокой частотой обновления данных (сотни и тысячи герц) и часто используется для сглаживания данных других датчиков.

Визуально-инерциальная одометрия (VIO)

Комбинированный метод, объединяющий данные камеры и IMU. Камера обеспечивает долговременную стабильность оценки, а IMU — высокочастотные данные для интерполяции и коррекции движения между кадрами. VIO является одним из наиболее распространённых методов в современной робототехнике, особенно в дронах и мобильных устройствах дополненной реальности.

Применение

Одометрия является фундаментальным компонентом многих систем навигации и управления.

• Робототехника: Одометрия — основа для локальной навигации мобильных роботов (пылесосы, газонокосилки, складские роботы, беспилотные автомобили). Она позволяет роботу возвращаться на базу, строить карту помещения и планировать маршрут.
• Автомобильная промышленность: В системах контроля устойчивости (ESP) и ABS используется информация о скорости вращения колёс (одометрия). В навигационных системах автомобилей одометрия применяется для счисления пути в тоннелях или зонах с плохим приёмом GPS.
• Авиация и космонавтика: Инерциальные навигационные системы (ИНС) на самолётах и ракетах используют принципы инерциальной одометрии. В беспилотных летательных аппаратах (БПЛА) визуальная одометрия критична для посадки и полёта в условиях отсутствия GPS.
• Виртуальная и дополненная реальность: Шлемы VR и очки AR отслеживают положение головы пользователя с помощью комбинации IMU и камер (VIO), что позволяет создавать иллюзию присутствия в виртуальном пространстве.
• Мобильные устройства: Смартфоны и планшеты используют одометрию для подсчёта шагов (пешеходная одометрия на основе акселерометра) и для навигации в помещениях.
• Геодезия и картография: Одометрия применяется в мобильных картографических системах (например, на автомобилях с лазерными сканерами) для привязки данных сканирования к траектории движения.

Ограничения и перспективы

Главное ограничение одометрии — неограниченное накопление ошибки. Для её компенсации разрабатываются методы:

• Слияние датчиков (Sensor Fusion): Комбинирование данных одометрии с абсолютными измерениями (GPS, магнитный компас, альтиметр) с помощью фильтра Калмана или графов оптимизации.
• SLAM (Simultaneous Localization and Mapping): Одометрия является частью алгоритмов SLAM, где робот одновременно строит карту окружающей среды и оценивает своё положение на ней, периодически возвращаясь к ранее посещённым местам (замыкание цикла) для коррекции накопленной ошибки.
• Глубокое обучение: Нейросетевые подходы к визуальной и инерциальной одометрии, которые могут обучаться на больших наборах данных и быть более устойчивыми к шумам и нелинейностям, чем классические алгоритмы.

Современные тенденции направлены на создание одометрических систем, способных работать в сложных динамических средах (с движущимися объектами), в условиях плохой видимости (туман, дым, под водой) и с минимальной задержкой.

Источники

1. Borenstein, J., Everett, H. R., & Feng, L. (1996). Where am I? Sensors and Methods for Mobile Robot Positioning. University of Michigan.
2. Scaramuzza, D., & Fraundorfer, F. (2011). Visual Odometry: Part I: The First 30 Years and Fundamentals. IEEE Robotics & Automation Magazine, 18(4), 80-92.
3. Thrun, S., Burgard, W., & Fox, D. (2005). Probabilistic Robotics. MIT Press.
4. Kelly, J., & Sukhatme, G. S. (2011). Visual-Inertial Sensor Fusion: A Review. Journal of Field Robotics, 28(1), 1-25.
5. Zhang, J., & Singh, S. (2014). LOAM: Lidar Odometry and Mapping in Real-time. Robotics: Science and Systems.