Genauere Fahrzeugnavigation Mehrere Sensordaten vermischen

Bild 1: Das »Neo-M8L« ist laut Hersteller u-blox das erste Ortungsmodul, das einen Positionierungschip mit Beschleunigungsmesser und Gyroskop vereint.
Bild 1: Das »Neo-M8L« ist laut Hersteller u-blox das erste Ortungsmodul, das einen Positionierungschip mit Beschleunigungsmesser und Gyroskop vereint.

Die zunehmend dichtere städtische Umgebung, überdachte Parkplätze und Autobahnen mit mehreren Ebenen sind für Fahrzeug-Navigationssysteme ein erhebliches Problem. Zwei Techniken werden verwendet: »Dead Reckoning« und »Map-Matching«. Trivial ist das nicht. Sensorfusion heißt das Zauberwort.

Möchte man Map-Matching nutzen, erhöht dies die Komplexität und schafft zudem eine Abhängigkeit von Drittanbietern für präzise Kartendaten. Auch wechseln die Kartendaten ständig, insbesondere bei Städten mit sehr dichter Bebauung.

Schlecht geschätzt ist halb verfahren

Ein alternativer Ansatz sieht vor, einen Multi-GNSS-Empfänger zu verwenden (Global Navigation Satellite System), der eine genaue Positionierung in drei Dimensionen zulässt. Ein solches Gerät vermindert gleichzeitig die Abhängigkeit von externer Kartenanpassungssoftware, um eine zuverlässige Navigation zu ermöglichen. Diese Technik wurde schon erfolgreich auf schwierigem Terrain wie Manhattan und Shanghai erprobt. Zudem vereinfacht dieser Ansatz die Anforderungen an die Softwareentwicklung für Fahrzeug-Navigationssysteme und reduziert damit Entwicklungszeit und -kosten. Doch herkömmliche ADR-Lösungen (Automotive Dead Reckoning) in Navigationssystemen zum fabrikseitigen Einbau arbeiten in der Regel kaskadenartig. Sie verwenden gefilterte Positionsangaben eines Standard-GNSS-Empfängers und verschmelzen diese mit externen Sensordaten eines Kreisels, Beschleunigungssensors und/oder Rotationssensors in einem zweiten Filter. Solche Sensoren sind Drehgeber, welche die genaue Geschwindigkeit oder Entfernung messen können, um die sich ein Autorad fortbewegt. Je nach Art der Geber ist es auch möglich, die Bewegungsrichtung zu bestimmen.

Die zuvor genannten Filter sind Kalman-Typen beziehungsweise arbeiten mit linearer quadratischer Schätzung (Linear Quadratic Estimation; LQE). Sie gebrauchen einen Algorithmus, der Zeitreihenmessungen mit zufälligen Variationen verwendet, um unbekannte Variablen zu schätzen. Die Echtzeitfilter schätzen zunächst die aktuellen Werte mit ihren Unsicherheiten und verwenden anschließend die nächste Messung, um diese Schätzungen mit einer gewichteten Durchschnittsberechnung zu aktualisieren. Ein Nachteil des Standard-ADR-Systemdesigns ist, dass die kaskadierenden Kalman-Filter Fehler unvermeidlich anhäufen und damit die Positionsgenauigkeit verschlechtern. Daher sind Navigationssysteme zunehmend abhängig von Map-Matching-Algorithmen, um die sich summierenden Fehler zu kompensieren. Dadurch entsteht eine Abhängigkeit von externen, sich dynamisch verändernden Kartendaten und, noch wichtiger, es ist ein erhöhter Software- und Ressourcenentwicklungsaufwand erforderlich, um den GNSS-Empfänger und den externen Mapping-Dienst zu verbinden.

Schätzfehler reduziert

Um die geschilderten Probleme anzugehen, hat u-blox einen eng gekoppelten ADR-Algorithmus entwickelt, der Daten in einem einzigen Kalman-Filter verbindet. Diese Lösung, über vier Generationen von Produkten verfeinert, kombiniert Daten der Satellitennavigation mit individuellen Informationen über Raddrehzahl, Gyroskop und Beschleunigungsmesser. Basierend auf dieser integrierten und vereinfachten Technologie werden Schätzfehler auf ein Minimum reduziert und eine genaue Positionierung wird erreicht, unabhängig davon, wo das Fahrzeug sich momentan bewegt. Es ist also egal, ob man in einem Tunnel in der Schweiz oder zwischen Wolkenkratzern in Manhattan mit seinem Fahrzeug unterwegs ist. Die Abhängigkeit von Map-Matching sinkt deutlich, weil der Algorithmus die eigene Position in städtischen Umgebungen genau verfolgen kann, ohne sich dazu auf externe Kartendaten verlassen zu müssen.

Das bedeutet, die Navigationsingenieure können die Verwendung von Map-Matching und den Aufwand, die Koppelnavigation in das Navigationssystem zu integrieren, minimieren. Dies wiederum senkt Entwicklungskosten.