Fusione di dati GNSS e IMU

L’incapacità di localizzare utilizzando i sistemi globali di navigazione satellitare (GNSS), come il GPS o Galileo, in ambienti chiusi, rappresenta una sfida per i ricercatori.

GPS o Galileo in ambienti chiusi rappresenta una sfida per i ricercatori che devono sviluppare nuovi metodi e algoritmi di localizzazione basati su sensori autonomi che non richiedono informazioni esterne. Per migliorare la capacità di localizzazione in ambienti chiusi sono state studiate diverse tecniche e dispositivi, la maggior parte dei quali utilizza il sensore Inertial Measurement Unit (IMU) (accelerometro, giroscopio e magnetometro). L’IMU è considerata un fattore chiave in molti dispositivi come smartphone, droni, robot .

L’uso della tecnologia MEMS (Micro-Electro-Mechanical Systems) nello sviluppo di accelerometri, giroscopi e magnetometri riduce significativamente il costo di questi sensori, rendendoli a basso costo e ampiamente utilizzati. Il miglioramento dei sistemi di localizzazione basati su IMU avrà un impatto su un ampio tipo di applicazioni, ad esempio le applicazioni geodetiche che richiedono informazioni continue sulla posizione sono impotenti in diversi scenari, soprattutto quando la qualità del segnale si degrada, e nemmeno le nuove tecniche utilizzate dai sistemi di localizzazione basati su satelliti possono risolvere questo tipo di problemi.  

In ogni architettura IMU, il sensore principale è il giroscopio. Viene utilizzato per stimare l’orientamento del dispositivo. Per stabilire un vettore di riferimento della distanza e dell’orientamento, poiché il giroscopio da solo è in grado di fornire queste informazioni perché non è influenzato dal campo gravitazionale, è necessario elaborare i dati dell’accelerometro e del magnetometro, utilizzati come riferimenti verticali e orizzontali della gravità terrestre. Quindi, l’orientamento del dispositivo può essere ottenuto integrando le velocità angolari precise del giroscopio triassiale con quelle dell’accelerometro e del magnetometro. Per stimare lo spostamento in base a questi tre sensori vengono utilizzati numerosi algoritmi; l‘algoritmo più noto è denominato Direction Cosine Matrix (DCM).

L’algoritmo DCM stima l’orientamento di un dispositivo IMU in base alla rotazione della terra utilizzando matrici di rotazione.

Le matrici di rotazione che rappresentano i tre assi di rotazione utilizzati per stimare gli assi di orientamento sono correlati agli angoli di Eulero (rollio, imbardata e beccheggio).

Dopo la calibrazione e l’inizializzazione dei dati del sensore, e in caso di degrado della qualità delle soluzioni GNSS, l’algoritmo della matrice del coseno di direzione basato sugli angoli di Eulero può stimare la posizione del dispositivo da solo, senza alcuna informazione esterna, per un breve periodo. È necessario notare che ogni spostamento corrisponde a una rotazione successiva sugli assi X, Y e Z.

Per la fusione dei dati GNSS e IMU, il filtro di Kalman è una delle migliori soluzioni per l’integrazione dei dati. Il filtro si basa su un algoritmo matematico ricorsivo utilizzato per stimare lo stato di un processo, in modo da minimizzare l’errore medio stimando gli stati futuri. L’uso principale del filtro di Kalman è quello di fornire una stima stocastica da misure rumorose di sensori IMU. Nel caso della fusione di dati IMU/GNSS, viene utilizzato per stimare la posizione in base all’accelerometro, al giroscopio e al magnetometro in assenza di segnale GPS; la posizione iniziale è l’ultima posizione fornita dal GPS prima della perturbazione del segnale.