AO_459

GENNAIO-FEBBRAIO 2025 AUTOMAZIONE OGGI 459 | 27 Localizzazione e mappatura In questo paragrafo descriviamo i metodi per localizzare un robot mobile nel suo ambiente circostante e quindi georeferenziare i dati ac- quisiti, insieme ai tipi di mappa ambientale che possono essere costruiti. Gli algoritmi di localizzazione sono necessari per stimare la posa del robot durante la sessione di mappa- tura. In genere, negli scenari indoor il robot si muove su una superficie che può essere con- siderata piana: stimare la sua posizione 2D sul piano di terra e il suo angolo di imbardata (at- torno a un asse verticale) è quindi sufficiente per la navigazione. Il terreno agricolo, al con- trario, in molti casi non può essere conside- rato piano: ai fini della mappatura è quindi necessario recuperare la posizione e l’orien- tamento del sensore in uno spazio tridimen- sionale. L’algoritmo di localizzazione deve pertanto dare come output pose a 6 gradi di libertà (3 di posizione e 3 di orientamento). Le tecniche di localizzazione si possono divi- dere in incrementali e globali. Le tecniche di localizzazione incrementale sono basate su dati che forniscono la posa del robot in un sistema di riferimento locale, compatibile con le posizioni precedenti, mentre i metodi di localizzazione globale forniscono pose in un sistema di riferimento noto e fisso. Fra le tec- niche di localizzazione incrementale, la più semplice è basata sull’odometria, che con- siste nel contare il numero di giri compiuti dalle ruote e calcolare di conseguenza la di- stanza percorsa. I risultati sono tuttavia affetti da imprecisioni e derive che aumentano nel tempo, a causa dello slittamento delle ruote. Al contrario, i metodi globali possono basarsi su soluzioni Gnss standalone, o sull’accop- piamento dell’approccio basato su satellite con IMU, come illustrato precedentemente. Vi è poi una varietà di metodi per la localiz- zazione dei robot basati su dati provenienti da sensori visivi o da sensori LiDAR. Queste tecniche sono chiamate Slam - Simultaneous Localization and Mapping: oltre a recuperare la posa del robot, gli algoritmi Slam costrui- scono contemporaneamente una mappa 2D o 3D dell’ambiente circostante. Come già accennato in precedenza, la localiz- zazione del robot può essere eseguita diretta- mente utilizzando un singolo ricevitore Gnss. Tuttavia, la precisione fornita da questo si- stema è significativamente influenzata dall’ac- quisizione e dall’elaborazione dei dati. Quando si utilizza un singolo ricevitore, infatti, le coor- dinate 3D stimate possono essere influenzate da errori fino a pochi metri. Per ottenere una precisione a livello di centimetro, possono es- sere impiegate tecniche Gnss differenziali. In questo caso, un ricevitore (la stazione di rife- rimento) si trova in una posizione fissa e nota con precisione da cui fornisce al ricevitore di bordo le correzioni. Queste ultime possono essere implementate in tempo reale (da cui il termine Real-Time Kinematic-Gnss) grazie a un collegamento radio di comunicazione o in modalità di post-elaborazione. L’approccio RTK-Gnss viene sfruttato per la localizzazione nei frutteti, nei campi e nei vigneti, e può es- sere abbinato all’odometria delle ruote per la localizzazione del robot agricolo. Ovviamente, l’installazione di ricevitori nell’ambiente cir- costante costituisce uno svantaggio di que- sto metodo, a causa del costo dell’utilizzo di più sensori e della necessità di posizionare la stazione di riferimento in una posizione nota. Una soluzione conveniente è rappresentata dai fornitori di servizi di correzione Gnss basati su reti di stazioni di riferimento a terra, disponi- bili in tutto il mondo. Infine, nei siti agricoli si dovrebbe considerare che la vegetazione po- trebbe causare il blocco del segnale, come av- viene spesso negli ambienti interni, limitando l’applicabilità del sistema. Le unità di misura inerziali (IMU) sfruttano il co- siddetto ‘dead reckoning’ per calcolare la posa corrente di un oggetto in movimento. Con questa tecnica, il risultato si ottiene utilizzando la posa determinata in precedenza, aggiornan- dola integrando le stime successive di accele- razione, velocità e direzione di rotta nel tempo trascorso. Il recupero della posizione del robot tramite il solo dead reckoning può però por- tare a una deriva, ovvero a una differenza tra la posizione reale del robot e la posizione calco- lata, in particolare se sono presenti vibrazioni e se il robot si muove per un tempo prolungato. Inoltre, i segnali misurati possono variare no- tevolmente con la temperatura, il che costitui- sce un problema in un ambiente esterno come quello agricolo. Per le suddette ragioni, in agri- coltura le IMU non vengono mai utilizzate da sole per la stima della posizione. L’uso di IMU accoppiate ad altri sensori è pertanto diffuso nella robotica mobile per l’agricoltura, poiché le IMU forniscono direttamente l’orientamento del robot, che generalmente non è disponibile tramite una soluzione di posizionamento ba- sata su satellite. L’IMU colma anche il divario tra due misurazioni Gnss nel tempo, grazie alla maggiore frequenza di aggiornamento. Per- tanto, l’accoppiamento di IMU e Gnss può su- perare gli svantaggi che l’impiego di un’unica soluzione presenta. Come conseguenza delle vibrazioni del vei- colo, le IMU forniscono generalmente stime del percorso molto rumorose su terreni acci- Il robot può navigare basandosi esclusivamente su misurazioni della distanza laterale tra le piante e il robot stesso Panorama Fonte: foto Shutterstock