POMAR 3D. Positionierung und Orientierung Clients. Dipl.-Ing. Elise Taichmann. NAVIGATIONS-GET-TOGETHER 20. Oktober 2009, Graz

Größe: px

Ab Seite anzeigen:

Download "POMAR 3D. Positionierung und Orientierung Clients. Dipl.-Ing. Elise Taichmann. NAVIGATIONS-GET-TOGETHER 20. Oktober 2009, Graz"

Robert Walter
vor 5 Jahren
Abrufe

1 POMAR 3D Positionierung und Orientierung eines Augmented-Reality Clients Dipl.-Ing. Elise Taichmann 20. Oktober 2009, Graz

2 Inhalt 1. Das Projekt 2. Die Anwendung 3. Herausforderungen 4. Umsetzung 5. Beispiele 6. Ausblick 1

3 Das Projekt POMAR 3D Positionierung und Orientierung eines Augmented-Reality Clients Förderung: Bundesministerium für Verkehr, Innovation u. Technologie Projektpartner: Institut für Navigation und Satellitengeodäsie der TU Graz Institut für Maschinelles Sehen und Darstellen der TU Graz (ICG) TeleConsult Austria (Subauftragnehmer) Laufzeit: 13 Monate 2

4 Die Anwendung Augmented Reality Augmented vs. Virtual Reality Einsatzgebiete Virtual Reality: Flugsimulatoren Architektur Unterhaltung Industrie Filmindustrie Einsatzgebiete Augmented Reality: Medizin Industrie Fahrzeugentwicklung Navigation 3

Die Anwendung POMAR 3D Positionierungs- und Orientierungsmodul für einen mobilen Augmented-Reality Client zur 3D-Echtzeitvisualisierung unterirdischer Ver-

5 Die Anwendung POMAR 3D Positionierungs- und Orientierungsmodul für einen mobilen Augmented-Reality Client zur 3D-Echtzeitvisualisierung unterirdischer Ver- und Entsorgungsinfrastruktur Überblendung mit der Realität Vorteile: Planung Wartung und Ausbau Konfliktlösung _vidente_project_info.pdf, Nov. 2008

3-achsiges Accelerometer 3-achsiges Magnetometer

6 Herausforderungen Sensoren NovAtel: OMEV-1 L1 Empfänger DGPS/RTK fähig IMU: Xsens MTi-G 3-achsiges Gyroskop 3-achsiges Accelerometer 3-achsiges Magnetometer Temperatursensor Integrierter Miniatur-GPS-Empfänger Barometer Integrierte Attitudelösung 5

7 Herausforderungen Motivation Formfaktor des Augmented-Reality Clients Low-cost Hardware Attitudebestimmung und Positionierung bei geringer Kinematik Hohe Genauigkeitsanforderungen 6

8 Herausforderungen Kreiseldrift Systematischer Fehler der Drehraten Beispiel: Drehraten bei statischem Inertialsensor 7

9 Herausforderungen Kreiseldrift 8

Magnetfeldmodellen Östlich/westlich Deviation Ursache:

10 Herausforderungen Störungen des Magnetfeldes Variation Ursache: globales Magnetfeld Bekannte Größe aus Magnetfeldmodellen Östlich/westlich Deviation Ursache: lokales Magnetfeld Unbekannte Größe Distanzabhängig Östlich/westlich 9

11 Umsetzung Positionierungs- & Orientierungsmodul Attitude Xsens Attitudelösung Rohdatenlevel Drehraten (Kreisel) Heading (Magnetometer) Horizontierungsparameter (Beschleunigungssensoren) Position Lage und Höhe (DGPS bzw. RTK) Höhe (Barometer) 10

12 Umsetzung Kalman-Filterung Systematischer Fehler der Drehraten Ziel: Schätzung einer driftfreien Attitude Annahme: Es tritt keine Deviation auf! Deviation des magnetischen Headings Ziel: Schätzung eines deviationsfreien Headings Annahme: Die Drehraten besitzen keinen Bias! Richtungsinitialisierung! Position Ziel: Integrierte Positionsschätzung mit barometrischer Höhe 11

13 Umsetzung Erkenntnisse Bessere Genauigkeiten auf Rohdatenlevel Zwei sich überlagernde Effekte: Kreiseldrift Störungen des Magnetfeldes Kalman-Filterung kann erfolgreich zur Schätzung systematischer Fehler der Kreisel herangezogen werden Deviationsschätzung prinzipiell möglich (kurzzeitige/anhaltende Deviationen) Gegenseitige Stützung von Drehraten und magnetischem Heading Schätzung des systematischen Fehlers der Drehraten Deviationsschätzung 12

14 Beispiele Attitude Systematischer Fehler der Drehraten Ziel: Schätzung einer driftfreien Attitude Annahme: Es tritt keine Deviation auf! Deviation des magnetischen Headings Ziel: Schätzung eines deviationsfreien Headings Annahme: Die Drehraten besitzen keinen Bias! Richtungsinitialisierung! Statischer Sensor Position Ziel: Integrierte Positionsschätzung mit barometrischer Höhe 13

15 Beispiele 14 Attitude Statischer Sensor Statischer Sensor

16 Beispiele 15 Attitude Bewegter Sensor Bewegter Sensor

17 Beispiele Kurzzeitige Deviation Systematischer Fehler der Drehraten Ziel: Schätzung einer driftfreien Attitude Annahme: Es tritt keine Deviation auf! Deviation des magnetischen Headings Ziel: Schätzung eines deviationsfreien Headings Annahme: Die Drehraten besitzen keinen Bias! Richtungsinitialisierung! Position Ziel: Integrierte Positionsschätzung mit barometrischer Höhe 16

18 Beispiele Kurzzeitige Deviation 17

19 Beispiele Kurzzeitige Deviation Systematischer Fehler der Drehraten 18

20 Beispiele Kurzzeitige Deviation Systematischer Fehler der Drehraten 19

21 Beispiele Kurzzeitige Deviation Deviation des magnetischen Headings 20

22 Beispiele Kurzzeitige Deviation Systematischer Fehler der Drehraten + Deviation des magnetischen Headings 21

23 Ausblick Ausblick Kombination von Bias- und Deviationsschätzung durch zusätzliche Headinginformation GPS-Antennenarray Bildgestützte Methoden Geodaten GPS-Positionsänderungen (bei Kinematik) Smart Vidente (ICG) 22

24 Danke für f r die Aufmerksamkeit!

Ähnliche Dokumente

Navigation von RPAS Ahorn 2014 Graz. Markus Dorn Institut für Navigation Nawi Graz, Technische Universität Graz

Navigation von RPAS Ahorn 2014 Graz. Markus Dorn Institut für Navigation Nawi Graz, Technische Universität Graz Navigation von RPAS Ahorn 214 Graz Markus Dorn Institut für Navigation Nawi Graz, Technische Universität Graz markus.dorn@tugraz.at Einleitung OMOSA (Open Modular/Open Source Avionics Architecture for