Para que los vehículos autónomos puedan navegar, sus sensores ópticos, como cámaras y láser, requieren una visión clara. Ahora, los investigadores de la Universidad de Örebro han mejorado con éxito la precisión de los sensores de radar para la navegación hasta tal punto que se pueden usar en automóviles autónomos, abriéndose para una conducción segura en cualquier clima y con baja visibilidad como entre la niebla.
Con este nuevo método, un coche autónomo que ha recorrido 100 metros es capaz de determinar dónde ha viajado con una precisión de 1 metro. Esa es una mejora del sistema de posicionamiento de los sensores de radar en 1 metro.
“Reducir el margen de error del 2 al 1 por ciento es un gran paso adelante. El método es muy rápido y preciso, lo cual es justo lo que se necesita para que los robots autónomos interactúen de manera segura con humanos y otros robots”, dice Daniel Adolfsson.
Navegación autónoma más allá del láser
Hoy los vehículos autónomos navegan con mayor frecuencia utilizando sensores láser. Con este nuevo método, el posicionamiento por radar se está acercando al tipo de precisión que se puede lograr con el láser. Esto significa que los sensores de radar pueden reemplazar a los sensores láser en vehículos que necesitan operar en condiciones de poca visibilidad, ya que los sensores de radar tienen la capacidad de penetrar el humo, el polvo y la niebla.
“Nuestro trabajo para mejorar la precisión de los sensores de radar puede llevar a que los automóviles autónomos puedan conducir de manera segura sin importar las condiciones climáticas. También puede resultar útil en las industrias de la construcción y la minería, donde la maquinaria pesada autónoma debe poder operar en entornos con mucho polvo”.
Creación de mapas: una pieza esencial del rompecabezas de la navegación autónoma
Usando sensores de radar, ahora también es posible que los robots autónomos creen sus propios mapas, una pieza esencial del rompecabezas para crear robots confiables que perciban su entorno. Estos mapas también juegan un papel importante en la capacidad de los robots para comunicarse entre sí.
“El objetivo es crear mapas que estos robots puedan entender y posicionarse, solo mediante el uso de sensores de radar”, dice Daniel Adolfsson.
Como parte de su proyecto de doctorado, también está estudiando cómo evitar que ocurran errores cuando los robots mapean su entorno.“En última instancia —añade—, habrá algunos errores. Lo importante es que creamos sistemas robustos que puedan detectarlos y corregirlos cuando sucedan”.
Conocimiento de lo que afecta la navegación.
El nuevo método de los investigadores ha sido publicado en la revista científica Transactions on Robotics (ver abajo).También han presentado qué partes del algoritmo realmente afectan la precisión de la navegación.
“Hemos estudiado cada parte de nuestro algoritmo para comprender exactamente qué impacto tienen las diferentes partes en la precisión de la posición. Este conocimiento puede ser de ayuda para otros científicos a medida que crean algoritmos similares”.
¿Localización de nivel Lidar con radar? El enfoque CFEAR para la odometría de radar a gran escala precisa, rápida y robusta en entornos diversos
Abstract: Este artículo presenta un método preciso, altamente eficiente y sin aprendizaje para la estimación de la odometría a gran escala utilizando un radar giratorio, empíricamente encontrado para generalizarse bien en entornos muy diversos, al aire libre, desde zonas urbanas hasta bosques, e interiores en almacenes y minas, sin cambiar parámetros el método integra la compensación de movimiento dentro de un barrido con un registro de escaneo de uno a muchos que minimiza las distancias entre los puntos de superficie orientados cercanos y mitiga los valores atípicos con una función de pérdida sólida. Ampliando su enfoque anterior de filtrado conservador para una odometría de radar eficiente y precisa (CFEAR), presentan una investigación en profundidad sobre una gama más amplia de conjuntos de datos, cuantificando la importancia del filtrado, la resolución, las funciones de pérdida y costo de registro, el historial de fotogramas clave y la compensación de movimiento. Presentan una nueva estrategia y configuración de resolución que supera los problemas anteriores con escasez y sesgo, y mejora nuestro estado del arte en un 38 %, por lo que, sorprendentemente, supera a la localización y mapeo simultáneos por radar (SLAM) y se acerca a LIDAR SLAM. La configuración más precisa logra un error del 1,09 % a 5 Hz en el punto de referencia de Oxford, y la más rápida logra un error del 1,79 % a 160 Hz.
Lidar-Level Localization With Radar? The CFEAR Approach to Accurate, Fast, and Robust Large-Scale Radar Odometry in Diverse Environments
Daniel Adolfsson, Martin Magnusson, Anas Alhashimi, Achim J. Lilienthal, Henrik Andreasson.
Fuente: Örebro University
Otras noticias sobre visión por computadora y vehículos autónomos que te pueden interesar:
- Ciberseguridad para sistemas de visión por computadora
- Micrófono óptico captura sonido con visión de computadora
- Robot autónomo interactúa con lenguaje natural y visión
- Cámaras con visión profunda e hiperespectral
- Coches autónomos que aprenden de sus recuerdos conduciendo
- Súper GPS cuántico
- Ciberseguridad en vehículos autónomos frente a hackers
- Algoritmo para mejorar el tráfico en las ciudades
- Blockchain para la navegación aérea
- Vehículos autónomos y navegadores conectados machine to machine
- Vehículos Autónomos y control humano de la conducción
- Coche autónomo con ojos robóticos que miran a los peatones
