Contributions to Robotic Total Station Enhanced Multi-Sensor-Systems

Abstract

Die Echtzeit-Schätzung von Position und Orientierung (six degrees of freedom, 6DoF) eines bewegten Objekts ist für zahlreiche Aufgaben im Architektur-, Ingenieur- und Bausektor (AEC) relevant. Mit dem Einsatz autonomer Mobile-Mapping-Systeme und Baurobotern steigt der Bedarf an genauer und robuster 6DoF-Bestimmung. In Bezug auf Reichweite, Genauigkeit und Anwendbarkeit in herausfordernden Umgebungen ohne GNSS-Verfügbarkeit kann die Integration von motorisierten (robotischen) Totalstationen (RTS) mit einer inertialen Messeinheit (IMU) diese Anforderungen an ein 6DoF-Tracking System erfüllen. Das Ziel dieser Arbeit ist es, die Sensorfusion von RTS und IMU zu verbessern, um eine kinematische 6DoF-Tracking-Lösung bereitzustellen, die unabhängig von der Trägerplattform und anderen Umgebungsfaktoren ist. Die Natur der Sache erlaubt eine Unterteilung dieses Forschungsthemas in drei Hauptziele.Zunächst wird eine Synchronisationsstrategie für räumlich verteilte Sensoren entwickelt, von denen einer eine RTS ist. Die nicht realisierbare physikalische Verbindung sowie die Anforderung, in Umgebungen ohne GNSS-Verfügbarkeit zu funktionieren, führen zu einem drahtlosen Ansatz. Die vorgeschlagene Strategie umfasst eine zeitliche Kalibrierung einer RTS, um verschiedene Latenzen auf der Grundlage eines neuartigen kinematischen Modells von sphärischen RTS-Beobachtungen zu schätzen. Ein Versuchsaufbau, der bei Geschwindigkeiten von bis zu 2.5 m/s durchgeführt wurde, zeigt eine erreichbare Gesamtsynchronisationsgenauigkeit im Submillisekundenbereich.Das Verhältnis zwischen Positions- und Zeitgenauigkeit unterscheidet sich maßgeblich von dem von GNSS/IMU-Systemen. Daher wird eine Methode entwickelt, um die Zeitunsicherheit zu berücksichtigen und die kinematischen stochastischen Eigenschaften einer RTS zu beschreiben. Simulationsstudien zeigen, dass die Nichtberücksichtigung des unvermeidbaren Zeitrauschens zu einem unpassenden stochastischen Modell führt. Eine Residuenanalyse der verwendeten RTS zeigt zudem, dass sich das Zeitrauschen für Entfernungs- und Winkelmessungen unterscheidet. Beide Effekte lassen sich mit dem vorgeschlagenen kinematischen sphärischen Modell gut modellieren.Zweitens wird die IMU-Kalibrierung unter besonderer Berücksichtigung der 6DoF-Schätzung durch RTS/IMU Fusionierung erneut betrachtet. Dieser Beitrag ist neuartig in seiner Anwendung der varianzbasierten Sensitivitätsanalyse (VBSA) auf die rechnerische IMU-Horizontierung und die Kompensation der Lotstockneigung. Zusätzlich wird erstmalig ein industrieller Roboterarm verwendet, um das Accelerometer-Triple auf der Grundlage der VBSA-Ergebnisse zu kalibrieren. Eine wichtige Erkenntnis ist, dass Nicht-Orthogonalitätsparameter unbedingt in das Fehlermodell des Accelerometer-Triples einbezogen werden müssen. Darüber hinaus wird mit den gewählten Eingangsspezifikationen der geschätzte Gierwinkel als möglicher Verbesserungspunkt identifiziert.Drittens wird ein neuartiger Ansatz zur 6DoF-Schätzung durch die enge Kopplung von RTS und IMU mittels eines erweiterten Kalman-Filters vorgeschlagen. Die Vorteile der direkten Einbeziehung sphärischer Messungen sind die verbesserte Detektierbarkeit und Eliminierbarkeit von Ausreißern im sphärischen Beobachtungsraum und die Möglichkeit, reine Winkelmessungen mit Trägheitssensoren zu fusionieren. Der entwickelte Prototyp zur Lotstock-Neigungskompensation erreicht einen 2D-RMSE von 3.8 mm für quasi-statische Punktmessungen, der mit zunehmender Geschwindigkeit und Verkippung ansteigt. Abschließend werden Einblicke in die Einflüsse der oben beschriebenen Subsystem-Kalibrierungen auf die Ergebnisse dieses Proof of Concept für die kinematische 6DoFSchätzung durch RTS/IMU-Fusion gegeben.

The simultaneous estimation of the position and orientation (six degrees of freedom, or 6DoF) of a moving object in real time is important for various tasks in the architecture, engineering, and construction (AEC) sector. The demand for accurate and 6DoF estimates increases with i.e. autonomous mobile mapping systems and construction robots. In terms of operating range, accuracy, and applicability in challenging and GNSS-denied environments, the integration of a Robotic Total Station (RTS) and an Inertial Measurement Unit (IMU) can fulfill such 6DoF tracking needs. This system might be used to monitor infrastructure with high precision using unmanned aerial vehicles, or to control autonomous construction robots at mine or tunnel sites. The goal of this thesis is to develop sensor fusion of RTS and IMU to provide a kinematic 6DoF tracking solution independent from carrier platform and environmental characteristics. Due to the nature of the matter, this goal is divided into three main objectives.First, a synchronization strategy is developed for spatially distributed sensors, one of which is an RTS. The unfeasible physical connection, together with the requirement to work in GNSS-denied environments, results in a wireless approach. The proposed strategy involves a temporal calibration of an RTS in order estimate different latencies based on a novel kinematic spherical model of RTS measurements. An evaluation experiment conducted at velocities of up to 2.5 m/s indicates an achievable overall synchronization accuracy in the sub-millisecond range.As the relationship between position and timing accuracy differs from that of GNSS/IMU systems, a method is developed to account for timing uncertainty and describe the kinematic stochastic properties of an RTS. By simulation studies, it is shown that ignoring inevitable timing noise results in an inappropriate stochastic model. Residual analysis of the used RTS reveals that the timing noise differs between distance and angle measurements. Both effects can be modeled well using the proposed kinematic spherical model.Secondly, IMU calibration is revisited with special consideration of RTS/IMU 6DoF estimation. This contribution is novel in its application of variance-based sensitivity analysis (VBSA) to IMU leveling and pole tilt compensation. Additionally, an industrial robot arm is first used to calibrate the accelerometer triad based on VBSA results. A key finding is, that non-orthogonality parameters are important to be included in the accelerometer triad error model. Furthermore, with the selected input specifications, the estimated yaw angle is identified as a possible point of improvement.Third, a novel approach for 6DoF estimation by tightly coupled RTS/IMU integration in an extended Kalman filter is proposed. The benefits of directly incorporating spherical measurements are the improved outlier detection in spherical observation space and the possibility to fuse angle-only measurements with inertial sensors. The developed prototype for pole tilt compensation achieves a 2D-RMSE of 3.8 mm for quasi-static point measurements, which increases with speed and tilt. Finally, insights are provided on how the subsystem calibrations described above affect the results of the kinematic 6DoF estimation proof of concept using RTS/IMU fusion.