He estado trabajando en un proyecto en el que se supone que debo diseñar un vehículo que lleve antenas para generar imágenes SAR ( radar de apertura sintética ). Este vehículo tiene 3 ruedas, 2 de ellas dirigidas por un motor de corriente continua. Para realizar con precisión el algoritmo de imágenes SAR, necesito saber cuánto se movió mi automóvil desde su última ubicación. Hay varios métodos que he buscado hasta ahora, sin embargo, hay problemas con cada uno de ellos:
GPS: Usando GPS, puedo hacer algunos cálculos para ver cuánto se movió mi auto. Sin embargo, dado que las ubicaciones de GPS están desviadas unos 4-5 metros, los cálculos que haré no serán exactos en absoluto.
Sensor ultrasónico: el problema de esta forma es el rango de distancia limitado. (Como yo sé 5-10 metros)
Acelerómetro: aunque parece matemáticamente posible calcular la distancia recorrida utilizando la aceleración instantánea, los errores que ocurren con el tiempo hacen que este cálculo no tenga sentido. Hay algunas formas propuestas, como el filtrado de Kalman, para aumentar la precisión de estos cálculos.
Visión por computadora: usando CV, puedo rastrear algo en el vehículo y calcular su distancia desde la cámara. No tengo mucha experiencia sobre esto, por lo tanto, no puedo estimar su precisión.
Codificador: Esta forma consiste en un codificador para rastrear cuánto han girado las ruedas. Esta parece ser una buena manera, sin embargo, no sé si puedo ser preciso con este método.
Estoy apuntando a una precisión de al menos ± 5 cm. La distancia total puede llegar a decenas de metros.
De las formas anteriores u otras, ¿cuál sería una buena solución posible para superar esto?
1) Método de odómetro calibrado con sincronización GPS
Los velocímetros y los odómetros de los automóviles suelen ser imprecisos debido a la elección de neumáticos de gran tamaño. Pero con computadoras a bordo y alguna rutina de calibración, es teóricamente posible obtener una alta precisión. La integración de este error debe especificarse en las especificaciones de su sistema.
Debe comenzar con un presupuesto de error y asignar en partes por millón xxx ppm para cada fuente de error: tolerancia de fabricación, neumático, desgaste, deslizamiento en curvas, agarre de superficie suelta, patines de freno, cambios de elevación en el eje Z.
Luego determine cuándo se necesita resincronizar con GPS. Mantener un historial continuo de errores de posición acumulados, para siempre, para crear un algoritmo para la corrección de errores hacia adelante a partir de cada una de estas fuentes de presupuesto de errores anteriores. A continuación, cree factores de corrección del predictor de avance para cada causa a fin de reducir la necesidad de resincronizar con el GPS.
Puede depender de su tolerancia de precisión y de las especificaciones de respuesta del tiempo de integración para determinar el equilibrio óptimo entre los codificadores incrementales de doble rueda en cuadratura y el GPS. Calcule la sensibilidad a los errores si desea encontrar oportunidades de mejora.
Siempre comience con buenas especificaciones con suposiciones, luego verifique, mejore y repita hasta que esté bien.
2) Alternativamente, si confía en un móvil con acelerómetro MEM, Gyro y GPS, y solo usa un SDK para interactuar con la API, entonces se convierte en un proceso de selección y el software debe comenzar de nuevo con una especificación MODIFICADA.
PlasmaHH
eliot alderson
Tony Estuardo EE75
Şener
scott seidman