Verbesserung der referenzlosen inertialen Objektverfolgung zur Low-cost Indoor-Navigation durch Anwendung der Kalman-Filterung

Obwohl in den letzten Jahren die Neuentwicklungen kleiner und preiswerter Inertialsensoren mas­siv vorangetrieben wurden, steht dem bisherigen Einsatz der inertialen Objekt­ver­fol­gung im Low-cost-Bereich vor allem die Sensordrift der verwendeten Mi­nia­tursensoren ent­ge­gen. Bei dieser Sensordrift handelt es sich um einen zufälligen Nullpunktfehler (Off­set, Bias). Die­ser Null­punkt­­fehler entsteht aufgrund von Herstellungsungenauigkeiten, Tem­pe­ra­tur­än­de­run­gen, Um­welt­­­einflüssen und Alterung. Zur Lösung dieses Problems wur­den im Rah­men dieser Ar­beit mit Hilfe des Kalman-Filter-Algorithmus und zu­sätz­li­cher Stütz­in­for­ma­tio­nen Ver­bes­se­­run­gen in der inertialen Objektverfolgung unter Ver­wen­dung von Low-cost Mi­­nia­tur­sen­so­ren er­reicht.  

Das Kalman-Filter ist ein Optimalschätzer, welcher erlaubt, Systemzustände im Zustands­raum durch Nutzung redundanter Daten rekursiv zu schätzen. Die verwendeten Sen­sor­sig­na­le kön­­­nen zeitvariant und der zugrunde liegende Prozess instationär sein. Das Kalman-Fil­ter weist einige Eigenschaften auf, die für Systeme der inertialen Objektverfolgung beson­ders vor­­­­teilhaft sind. Diese Vorteile sind die systematische Ermittlung der Filterkoeffizienten, die gute und zufriedenstellende Schätzung der Systemzustände während der Einschwingphase und die Berücksichtigung der stochastischen Prozesseinflüsse von Mess- und Modellfehlern. 

Im Prinzip ist der Inhalt der Forschungsaktivitäten, die am Markt (teilweise noch als Pro­to­ty­pen) verfügbaren klei­nen und preiswerten Inertialsensoren für den Bereich der Low-cost-In­door-Na­vi­gation nutzbar zu ma­chen. Die tragbaren Navigationssysteme sollen unabhängig von ihrer Um­­­gebung für drei­di­mensionale Anwendungsfälle eingesetzt werden. Die An­wen­dung klei­ner, nur wenige Gramm leichter und preiswerter In­er­tial­sen­soren hat den Vorteil, dass die Sen­soren in das Objekt integriert werden, ohne eine externe Infra­struk­tur schaffen zu müs­­sen. Außerdem haben sie den Vorteil, dass die Sensoren gekapselt werden können und so ei­­nen Schutz vor Feuchtigkeit und Schmutz aufweisen und dadurch unempfindlich gegen die­se Ein­wir­kungen sind. Hinzu kommt, dass die Sensorsysteme sehr flexibel für verschiedene An­­wen­dun­gen einsetzbar sind, ohne den Arbeitsbereich einzuschränken und für Ab­schat­tun­gen an­fällig zu sein.  

Die bisherigen Nach­teile der inertialen Indoor-Navigation auf der Basis von Low-cost-Mi­nia­tur­sensoren, nämlich die vorhandenen Abweichungen, welche durch die Auswertung der Iner­tial­daten entstehen, wurden im Rahmen dieser Arbeit durch die Realisierung von Hy­brid­sys­temen mit Hilfe von Magnetfeldsensoren im Bereich der Orientierungssensorik und durch re­dun­dante Sensoranordnungen im Bereich der Positionsbestimmung maßgeblich reduziert. Die­­se realisierte Redundanz ermöglicht die Verwendung von Stützinformationen, die mit Hil­­fe der modellbasierten Zustandsschätzung die Genauigkeit der inertialen Orientierungs- und Po­sitionsbestimmung dahingehend verbessert, dass ein Einsatz in zahlreichen An­wen­dun­gen und Applikationen aus dem industriellen, medizinischen und Konsumerbereich mög­lich wer­­den kann.

Das Ziel der Forschung ist, eine Verbesserung der inertialen Indoor-Navigation auf der Basis von Low-cost-Miniatursensoren.