Avainsana-arkisto: robottiauto

Riegl & Cadillac Super Cruise

Vastaa

Entistä tarkemman kartoituksen ja automaattisten ajoneuvojen välillä vallitsee kiehtova suhde, joten seuraamme robottiatojen kehittämistyötä kiinnostuneena hiukan takavasemmalta. Laserskannaus- eli lidarteknologia on molempien aihepiirien ytimessä, sillä entistä tarkempia karttoja luodaan juuri laserskannaamalla ja valtaosa robottiautokehittäjistä käyttää lidarteknologiaa ajoneuvojen törmäyksenestoteknologiana.

Käytetyt mittauslaitteet eroavat toisistaan, sillä robottiautojen läpimurtoon haeskellaan alle 100 USD maksavia laitteita, jolloin niiden osuus auton hinnasta sopisi massavalmistukseen. Tällöin ne täyttävät minimivaatimukset, mutta siinä kaikki. Kartoituspuolella kaivataan tietysti halvempia laitteita, mutta teollisen mittaluokan kartoitustyössä käytettävät laitteet ovat edelleenkin hinnakkaita. Tarkkuus, tehokkuus ja luotettavuus maksavat kuten ne ovat maksaneet koko tunnetun historian ajan. Luotettavuudella tarkoitetaan tässä yhteydessä laitteita, jotka toimivat hajoamatta pitkiä käyttöjaksoja, sillä ammattimaisessa toiminnassa tekijöillä ei ole varaa viritellä laitteita toimiviksi tai huoltaa niitä muutaman päivän välein. Projekti alkaa maksaa liikaa.

Robottiautosaralla on kesän 2017 aikana tapahtunut paljon ja analyytikkojen käsitykset johtavista kehittäjistä ovat vaihtuneet. Tesla kärsii vuoden 2016 onnettomuudesta, jonka lopullinen raportti paljasti ongelmia käytetyssä tekniikassa. Suuri yleisö on puolestaan havahtunut siihen, ettei Tesla olekaan ainoa/johtava valmistaja robottiautokehityksessä. Uusia halpislidarien valmistajia on ilmestynyt kuin sieniä sateella ja autotehtaat ovat julkaisseet kilvan suunnitelmiaan. Vähintäänkin puolet puheista ovat isojen poikien hypeä, joten on vaikea sanoa missä aikataulussa päästään läpimurtoihin. Kilpailu siitä, kuka ehtii ensin senkun kovenee.

Cadillacin Super Cruise -teknologia on saanut paljon positiivisia arviota, joten kehitys vaikuttaa olevan siellä hyvässä tilassa. Kyse on kuitenkin vielä 2-tason ajoneuvoautomaatiosta, mutta toisaalta kenelläkään ei ole vielä tuotannossa tason 3 robottiautoja.

Otsikossa mainittu päämiehemme Riegl kytkeytyy Super Cruisen teknologiaan siten, että teistä tarvittavat tarkemmat kartat on luotu hyvin pitkälle Rieglin skannereilla. Karttateknologian taustalla mainitaan yhtiö nimeltä Ushr Inc., joka on kanadalaisen GeoDigitalin tuore spinoffirma. Ushr on softafirma, joten USAn, Kanadan ja Meksikon päätiet on siis skannattu GeoDigitalin laitteistoilla. Geodigital on puolestaan Rieglin suurimpia asiakkaita Pohjois-Amerikassa, sillä jo vuonna 2010 sillä oli 10 kpl Rieglin mittauslaitteistoja – pääosin helikopteriin ja lentokoneisiin tarkoitettuja ilmalaserskannausjärjestelmiä.

GeoDigitalin alkuperäinen kohde olivat voimalinjat, mutta vuosien mittaan yhtiöllä on ollut suuria sopimuksia mm. Google Mapsin aineistontuottajana. Suuret sopimukset puolestaan tarkoittavat mahdollisuutta ostaa roppakaupalla alan tehokkainta kalustoa, koska kilpailussa ei pärjää vanhentuneella laitekannalla. Tämäkin yhtälö on varsin yksinkertainen, vaikka nyky-Suomessa tunnutaan enemmänkin uskottavan lelujen tehoon tuotantokäytössä.

Onko Cadillac robottiautokehityksen vielä kärjessä vuoden päästä? Vaikea sanoa, mutta kartoista se ei jää kiinni. Suunnittelutarkkuuksiin näistä kartoista ei vielä ole, mutta ainakin tarkkuudeltaan niiden luvataan olevan huomattavasti Googlen ja Heren tuotoksia parempia. Googlen ja Heren nykyisin käyttämällä mobiiliskannausteknologialla ei edes tarkempaan pääse, mutta Rieglin laitteilla haluttu tarkkuus on prosessointitekniikasta kiinni.

3D-skannaus/Lidar & lasi

Vastaa

“Lidar cannot sense glass”

Mittaustyötä tehdessä lasi on harmillinen rakennusmateriaali aktiivista laseriin perustuvaa mittausmenetelmää kuten 3D-laserskannausta käytettäessä. Kuten jokainen omin silmin näkee, valo läpäisee normaalin lasipinnan ja optisessa mielessä taittuu kahden eri aineen – ilman ja lasin – rajapinnassa. Lasin pintaa ei siis saa mitattua tällä menetelmällä samalla tarkkuudella kuin ympäristöään ja ikkunalasin toisella puolella sijaitsevat kohteet eivät sijaitse oikeassa paikassa rajapintojen aiheuttamien siirtymien takia.

Mitattaessa täyden aallonmuodon analysointia hyödyntävällä pulssimittaustekniikalla lasin pinta saadaan havaittua ja siitä muodostuu ns. ensimmäinen palautuva kaiku kuten kuvakaappaus toimistomme ikkunasta osoittaa. Mitä likaisempi lasi on (=pinnalla on kalvo), niin sitä helpompi se on itse asiassa mitata. Lasi (keltaiset pisteet) näkyy aineistossa helposti ja se voidaan myös tunnistaa ominaisuutensa perusteella

On siis kovin harmillista kun robottiautojen kehityksessä käytetään vain halvimpia mahdollisia laserskannereita eli lidareita, joiden ominaisuudet ovat hyvin rajatut. Tästä syystä aihepiiriä käsittelevissä artikkeleissa esiintyy pääosin hyvin erikoisia lausuntoja itse tekniikasta. Toisaalta olemme iloisia siitä, että lidarista puhutaan jo kaiken kansan keskuudessa, mutta toisaalta harmittaa kaikki heikosta tiedosta johtuvat väärinkäsitykset.

Mittaussensorien heikkouksia käsittelevässä MIT Review’n populaariartikkelissa todetaan siis komeasti että ”lidarilla ei voi havaita lasia” – “Lidar cannot sense glass, radar senses mainly metal, and the camera can be fooled by images,”

Todettakoon siis lyhyesti, että lidarilla voi havaita lasipintoja, mutta toki se ei havaitse minkävärinen valo liikennevaloissa palaa. Sinänsä artikkelin esittelemä ajatus siitä että ympäristön havaitsemiseen tarvitaan useampia tekniikoita pitää tällä hetkellä paikkansa, sillä vain yksi sensoriteknologia ei toimi tarpeeksi luotettavasti. Tarvitsemme redundantteja tekniikoita turvallisuuden varmistamiseksi kunnes jotain parempaa keksitään.

Laserskannaus autoilussa

Vastaa

Itseohjautuvan autoilun kehittämisen myötä on viihdyttävää seurata kovalla rahalla kehitettävien lidar-komponenttien uutisia. Näitä samoja vimpaimia tyrkätään nimittäin jatkuvasti erityisesti droneihin ja saadaan taas uusi lentäviä mittavimpaimia kehitettyä. Ja sitten niillä taas yritetään taas tehdä tarkkoja mittauksia. Jne.

Mutta jos pysytään puhtaasti autopuolella, niin tarinan tunnusmerkkejä ovat tyypillisesti lupaava nuori nero, miljoonien startuprahoitus ja kovat lupaukset alle 100 USD:n myyntihinnasta. Epäilemättä joku päivä joku näistä lukuisista kandidaateista tällaiseen lopputulokseen myös päätyy, koska tunku autojen massamarkkinoille on kova.

Viimeisimpänä eteen sattui juttu 22-vuotiaasta ihmelapsesta, joka luonnollisesti keskeytti opinnon huippuyliopistossa, sai miljoonarahoituksen ja esitteli juuri markkinoille autoihin suunnatun lidar-instrumentin. Muuten tarina poikkeaakin arkkityypistä, sillä tämä laite ei vaan sovellu tämänhetkiseen ihannemuottiin ollen peräti 5 kg painava, sisältäen liikkuvia osia ja maksaen paljon.

Keksijän mielestä laitteen suorituskyky on kuitenkin tärkeämpi tekijä kuin sen hinta, “Cost is not the most important issue; performance is”. Tämä pitää paikkansa, silloin kuin laitteet ovat erikoissektorin käytössä, mutta massamarkkinoilla kuten autoteollisuudessa on vaikea nähdä autonvalmistajien maksavan suurimman osan auton hinnasta sensorivalmistajalle. Siksi alalla on käynnissä kilpailu halvan, mutta riittävän suorituskykyisen lidarin kehittämisestä, jonka pitäisi vielä integroitua auton koriin yhtä huomaamattomasti kuten kameran. Tai sitten lidar jää kokonaan pois kuvioista kameroiden ja tutkien voittaessa kisan. Tämä jää nähtäväksi.

Seuraavaksi päästään suorituskykyyn kuten toimintaetäisyyteen, jossa uusin laitteemme päihittää monet oman sarjansa kilpailijat. Laserin aallonpituuden valinnalla on myös helpotettu tummien kohteiden näkymistä, sillä: “Current lidar systems can’t see a black tire, or a person like me wearing black—Velodyne wouldn’t see a 10-percent reflective object. It’s the dark car problem—no one else talks about it!”

Kukaan ei puhu tummien kohteiden näkyvyyden ongelmasta? Autopuolella ehkä ei, mutta samaa aihepiiriä on käsitelty jo ikuisuus ensin ilmalaserskannauksen ja sitten maalaserkeilainten puolella. Tarkemmin ottaen tätä aihepiiriä on myös käsitelty prismattomien takymetrien kohdalla ja vuosikymmeniä ties vaikka millä aloilla. Toisin sanoen ongelmaa voisi ymmärtää lukemalla vaikkapa fysiikan ja kaukokartoituksen perusteita, jolloin voisi myös ymmärtää millä aallonpituuksilla ja muilla reunaehdoilla tummat pinnat saadaan mitattua. Tällaisia aihepiirejä voi muuten lukea ihan tavallisissakin yliopistoissa tai sitten palkata porukkaa, jotka tietävät jotain asiasta.

Sitten nuori ihmelapsemme toteaa, että suurin osa lidarpelin osallistujista ei kehitä itse laitteistonsa komponentteja vaan he integroivat muiden tuotteita ja siksi kehitys ei etene.

“The vast majority of companies in this space are integrating off-the-shelf components,” he says. “The same lasers, same receivers, same processors—and that’s why there have been no advances in lidar performance in a decade. Every couple of years a company says, ‘we have new lidar sensor, half the size, half the price, and oh, by the way, half the performance.’ The performance of the most expensive ones has stayed the same for practically a decade; all the newer ones are orders of magnitude worse.”

Tämän väittämän aihepiirista voisi kirjoittaa vaikka romaanin! Se pitää osin paikkansa, mutta kyllä autolidarien puolella näkyy olevan ihan todellisiakin raudankehittäjiä. Iso osa toiveikkaista näyttää kyllä luottavan ohjelmakehitykseen, jolla valmiista raudoista yritetään saada irti ominaisuuksia joita niillä ei välttämättä ole. Ja tosiaan, nuo halvemmat uutuudet eivät tunnu vastaavan suorituskyvyltään toivottua.

Vanhan sanonnan mukaisesti ”halvalla ei saa hyvää”. Jos omat tarpeet on määritelty realistisesti, niin joskus halvalla tuotteella voi päästä pitkällekin. Mutta kuten useimmat tietävät, laadukkaalla ja tyypiillisesti kalliimmalla tuotteella päästään vielä vielä pidemmälle varsinkin kun käyttö on jatkuvaa ja sen pitää olla luotettavaa. Reunaehtona pitää vielä mainita, että korkeamman hinnan täytyy tällöin johtua paremmasta laadusta ja valmistuskustannuksista, ei valmistajan brändistä. Brändiajattelu ja hinnoittelu sotkevat nimittäin melkoisesti tuotteiden hinnanmuodostusta ja sekoittavat laadulliset määritteet.

Lopuksi täytyy todeta, että edustamme lidarvalmistaja Riegl ei istu tuohon ajatusmaailmaan, jossa kehitystä ei ole tapahtunut viimeiseen 10 vuoteen. Pikemminkin päinvastoin eli kehitys on ollut huikeaa viimeisen 10 vuoden aikana. No Riegl ei tosin valmistakaan lidareita autoihin, vaan erilaisiin mittaustarkoituksiin. Tuotanto tapahtuu 100% Itävallassa ja suurin osa laitteiden osista piirikorttejä myöten tehdään ”in-house”. Valmistuksen ja suunnittelun ollessa samassa talossa tuotekehitys on jatkuvaa ja uusia kehitysajatuksia tehdään tosiaan ”sorvin” ääressä. Odotamme jännityksellä mitä seuraavaksi julkaistaan ja josko noista autopuolen lidareista saisi joskus jotain otettavaa mittauspuolelle.

Lue lisää: http://spectrum.ieee.org/cars-that-think/transportation/sensors/22yearold-lidar-whiz-claims-breakthrough

Kartoituskilpailu kiihtyy

Vastaa

Globaali teiden kartoitus itseohjautuvien/robottiautojen tarpeisiin etenee ja autovalmistajat tekevät kiivaassa tahdissa sopimuksia kartoitusyritysten kanssa. Tylsintä tässä kilpailutilanteessa on se, että samoja teitä kartoitetaan useampaan otteeseen, koska tietojen jakaminen muille on kilpailutilanteessa tietenkin mahdoton ajatus. Jakaminen viranomaisille/teiden ylläpitäjille on samoin mahdotonta, vaikka teiden toimivuuden kannalta se voisi olla resursseja säästävä menetelmä maassa kuin maassa.

Samoin viranomaiset joutuvat miettimään suhtautumistaan autoyhtiöihin kuten esimerkiksi Ruotsissa, jossa paikalliset liikenneviranomaiset vetäytyivät juuri Volvo Drive Me -kokeilusta. Syynä on yksinkertaisesti se, että he ovat tietysti myös se valvova viranomainen eli kahta roolia on vaikea ylläpitää uskottavasti. Kaikki muistanevat hyvin esimerkiksi Estonia-laivan tapauksen, jossa laivan korjaamisesta vastannut taho myös hyväksyi korjausten laadun.

RIEGL VMX-1HA mahdollistaa tarkan mobiilikartoituksen tien rakentamisen ja korjauksen laadunvalvontaan asti. Kllkkaa kuvaa, niin näet skannausjärjestelmän toiminnassa.

Viimeaikaisia karttarintaman kehityksiä ovat esimerkiksi Volvon liittoutuminen TomTomin kanssa kartta-aineiston tuottamisesta, Cadillacin päätyminen tuottamaan itse omat tarkat karttansa ja kiinalaiset päätyivät puolestaan ostamaan 10% Herestä.

Muualla kartoitetaan siis kilpaa, mutta Kiinan markkinat ovatkin varsin haasteellinen ulkopuolisille. Kiina on näet kieltänyt lähes täysin ulkomaisten yhtiöiden tekemän kartoituksen maassa. Ulkomaisilla laitevalmistajilla on uskomattomia kokemuksia juuri Kiinasta, koska edes kouluttaja ei saa olla mukana opettamassa laitteiden käyttöä kenttätilanteessa. Eipä ole siis vaikeaa ennustaa tämän tilanteen eskaloitumista kauppasodan osaksi tulevaisuudessa – niin tiukasti Kiina on heittämässä ulkomaalaisia ulos maasta kaikilla korkean tekniikan aloilla. Niin, ja Kiinassa ei tarvitse miettiä viranomaisten ja yhtiöiden tehtävänjakoa kuten meillä.

Mitäpä näistä globaaleista kartoitusoperaatioista jää jäljelle? Arkinen aherrus teiden kunnossapidon parissa jatkuu edelleenkin ja tätä tarkoitusta varten teitä on mitattava vielä tarkemmin kuin robottiauton navigointia varten. Jokainen kuljettaja huomaisi nopeasti, jos vaikka päällystyksen tasaisuuden tarkistusmittaus tehtäisiin samalla tarkkuudella, kuin nuo yllämainitut yritykset kartoittavat. Ja tarkkailkaapa uusia päällysteitä teillä ajaessanne – niiden välillä huomaa laatueroja. Tästä laatuerosta olisi hyvä päästä eroon.

Kiinnostaako tarkka tienmittaus mobiilisti? Ota yhteyttä, niin kerromme siitä enemmän.

Tarkkojen 3D-karttojen tarve

Vastaa

New York Timesissa pohditaan jälleen tarkkojen 3D-karttojen tarvetta robottiautojen liikkumistarpeita varten. Edelleenkin kehitteillä olevat kuljettamattomat ajoneuvot tarvitsevat paljon tarkempaa lähtötietoa tieympäristöstä kuin nykyiset perus- tai navigointikartat tarjoavat. Itse asiassa tarkka lähtötieto helpottaa kaikkia itsestään kulkevia – ja navigoivia laitteita, sillä hyvällä lähtötiedolla laitteissa tarvitaan paljon vähemmän laskentakapasiteettia.

Koska teiden tarkempi mittaus on pienissäkin maissa valtava urakka saatikka sitten koko maapallolla, niin vastaukseksi ongelmaan tarjotaan kartoituksen joukkoistamista ja kerrotaan esimerkkejä jo käynnissä olevista projekteista.

Helsingin Hakaniemessä mobiilillä laserskannausjärjestelmällä mitattua aineistoa – yksityiskohta kaupan ikkunasta.

Ajatuskuvio on sinä kiehtova, mutta tämänhetkisellä tekniikalla nämä suunnitelmat epäillyttävät edelleenkin meitä mittausalan ammattilaisia. Tulevaisuus on sitten asia erikseen. Tämänkin artikkelin kirjoittaja rinnastaa mitenkään kyseenalaistamatta kalliimman mobiilikartoitusauton tuottaman aineiston ja halvemmat, normiautoihin asennetut sensorit ikäänkuin niiden tuottama mittausaineito olisi itsearvoisesti laadullisesti samalla viivalla. Ajattelutapa kuvastanee niiden ihmisesten ajatustapaa, jotka eivät muutenkaan erota laadukkaita tuotteita tai palveluita huonoista eivätkä voi ymmärtää miksi tietyissä tilanteissa kannattaa valita laadullisesti parempi tuote – kokonaisuus tulee halvemmaksi.

Kun meidän valikoimissamme on lopputuloksen kannalta laadullisesti paljon huikeampia laitteita kuin nuo artikkelissa mainitut, niin laatuero kasvaa entistään. Artikkelin ”kalliit” kartoitusjärjestelmät eivät riitä tienrakentamisen, hoidon yms. tarpeisiin, sillä lähtötiedon pitää olla tarkempaa ja tuotannon tehokkaampaa.

Joukkoistetut karttapalvelut ovat arvokas lisä jo nykyisessä kartoitusympäristössä ja mekin käytämme niitä arkipäivässämme. Olemme kuitenkin varsin tietoisia siitä, että eri tavoilla tuotettu pohja-aineisto aiheuttaa laadullista vaihtelua karttojen sisällä ja siten käyttöä täytyy miettiä tapauskohtaisesti.

Mutta palataanpa taas tuohon NYT:n artikkeliin. Jutun ydin on tietysti seuraavissa lauseissa:

“The idea is that Here at some point will license the mapping information for use by self-driving cars and Mobileye will get a share of that, Mr. Shashua said. Some of the money will go back to automakers like VW and BMW that add the mapping capability to their cars. There is a revenue-sharing model between us and the carmakers,” he said, noting that map services are a future business. “Consumers would be paying for map services for their autonomous cars.”

Vuosien mittaan olemme kiinnittäneet huomita siihen, ettei monissakaan tutkimusprojekteissa tehdä kokonaisvaltaista laskentaa suositeltujen menetelmien kokonaishinnasta ja annetut hintaesimerkit kertovat, että tulevaisuus vaikuttaa kovin kalliilta nykyisyyteen verrattuna laadun useimmiten heikentyessä. Näin myös ns. halpojen* ja joukkoistettujen kartoitusmenetelmien käytössä, jossa tuotteen laadulla ei ole takuuta ja sen avulla rahastaminen on liiketoiminnan perusidea. Kun kuluttajana kaiken lisäksi ensin tuotamme aineiston ja maksamme sitten sen käytöstä – todennäköisesti vielä käytön määrän mukaan – niin jokin tässä visiossa mättää.**

Odotamme myös jännityksellä millaisia oikeustapauksia näemme tulevaisuudessa karttoihin liittyen. Ehkäpä allekirjoitamme autoon astuessamme vastuuvapauslausekkeen?

* (halpa mittauslaite ei tee mittauksesta halpaa – mittaapa 10 km tietä mittanauhalla ja mieti mittaukseen kulunutta aikaa, tuloksia ja kustannuksia kun mittaat saman matkan vaikkapa matkamittarilla)

** Jakamistaloudet, avoimet alustat yms. ovat myös kivoja ajatuksia, mutta niin kauan kun maailman isoimmatkin yritykset tekevät käytännössä suljettuja alustoja ja varjelevat dataansa/alustojaan valtavien lakimiesarmeijoiden avulla, niin meidän ei kannata olla hyväuskoisia hölmöjä. Noh, sellaisina meitä suomalaisina sinänsä monessa maassa pidetäänkin ja välillä ihan syystä.

Kuinka kärpäsestä tehdään härkänen

Vastaa

Viikon kuuma uutisointi satelliittipaikannuksen osalta lienee Helsingin Sanomissa ja muuallakin julkaistu tieto tutkimuksesta, jonka mukaan nyt on keksitty uusi laskentatapa saavuttaa merkittävää parannusta GPS-paikannuksen tarkkuudessa. Hesarin mukaan ”Gps-paikannus tarkentuu merkittävästi, ilman sen parempia laitteita kuin meillä jo nyt on älypuhelimissa ja autojen navigointilaitteissa.” Muutaman vuoden päästä tavallisilla laitteilla päästään senttimetriluokan tarkkuuteen.

Jaahas, koska kaikkiin lehtijuttuihin on pakko suhtautua nykyään ylikriittisesti, niin lähdimme tutkailemaan mitä alkuperäisessä julkaisussa on oikeasti kirjoitettu. Pakkohan se oli tehdä myös sen takia, että jo samana päivänä tavallinen kadunmies toisteli tätä uutista suurella vakaumuksella. Sellainen on median voima.

Niinpä selvisi, että Qualcomin insinööri (Chen), Googlen insinööri (Zhao) ja Kalifornian yliopiston (Riverside) professori (Farrell) puuhailevat kaikki muun ohessa itseohjautuvien autojen eli robottiautojen kehityksen parissa. He ovat kaikki taustoiltaan sähköinsinöörejä ja lisäksi erityisosaamista löytyy matematiikan, fysiikan ja softankehityksen aloilta. Näistä taustoista löytyy siis tutkimuksen motiivi, joka on parantaa liikkuvan kohteen GPS/GNSS-paikoitusta.

Kun nyt päästään tuohon liikkuvan kohteen paikoitukseen, niin ”yllättäen” mukaan tulee myös muitakin sensoreita eli vanha tuttavamme IMU (Inertial measurement unit). Se on satelliittinavigoinnista itsenäinen navigointijärjestelmä, jota tarvitaan erityisesti kertomaan mitä sille liikkuvalle kohteelle tapahtuu GPS-signaalien välissä sekä katvealueilla. Yhdistämällä näiden kahden navigointijärjestelmän tiedot saadaan liikkuvan kohteen sijainti paremmin selville tietyllä ajan hetkellä.

Tutkimuksessa käytettiin kuvan mukaista IMU-laitetta, jonka koko on 85 x 60 x 60 mm ja paino 350 g ilman virtalähdettä ja muita välttämättömiä härpäkkeita. Sieluni silmissä tämä ihan tyypillisen kokoinen lajinsa edustaja istuu mukavasti kiinni kännykässäni parantaen sen navigointiominaisuuksia huomattavasti. Autoon se mahtuu toki jo hyvin, mutta laitteen hinta on liian suuri massatuotantoauton komponentiksi.

NV1000

Kuituoptinen FOG -IMU.

IMUn lisäksi tutkijat kertoivat käyttäneensä satelliittipaikannuksen differentiaalista muotoa eli DGPS:ää. Ihan pelkkä satelliitteista tuleva signaali ei tähän järjestelmään riitäkään, vaan kokeen ehtona oli siis oma tukisasema max. 20 km etäisyydellä liikkuvasta kohteesta. Lähtötietona voitaneen mainita, että tällöin jo satelliittien avulla paikannuksessa voidaan päästä alle 1 m tarkkuuksiin, mutta tarkkuus heikkenee mitä kauemmaksi tukiasemasta mennään. Tukiaseman lähellä kyseessä on siis huomattavasti parempi tarkkuus kuin nykykännykällä tai käsi-GPS-laitteella saavutetaan.

Niin – näiden laitteiden lisäksi se loppu onkin sitten laskentaa jonka arviointia emme ole tehneet. Se on muuten tehty ihan pöytäkoneella, joten se kännykän laskentateho taitaa edelleenkin loppua kesken.

Lopputuloksena on paikannettu liikkuvan kohteen absoluuttista sijaintia muutaman sentin tarkkuudella. Tosin liikkuvan kohteen liikerataa ja sijaintia (ground truth) ei ole varmistettu toisella, tarkemmalla mittausmenetelmällä vaan ainoastaan laskennallisesti. Tämä on sitä samaa peruskauraa mitä me teemme mobiiililaserskannauksen prosessoinnissa, mutta me kontrolloimme mittauksen.

Mitä tällaisesta tutkimuksesta jää käteen? Sen voi todeta heti ensimmäiseksi, että käytettyjen komponenttien kehitys ei ole niin nopeavauhtista, jotta kyseisen tarkkuusluokan sensorit sopisivat parin vuoden sisällä kännykkään. Autojen kohdalla tilanne riippuu puolestaan kyseisten komponettien hintojen kehityksestä.

Meille jäi kuitenkin epäselväksi, saavutettiinko tässä tutkimuksessa oikeasti tuo kuviteltu tarkkuus? Termien sekoittaminen, epäselvä ja epätarkka tehdyn työn kuvaus jättää tilanteen varsin avoimeksi. On myös varsin erikoista, että tutkimuksessa kerrotaan osin saman tutkimusryhmän päässeen 6 cm absoluuttiseen tarkkuuteen jo vuonna 2000 julkaistussa tutkimuksessa, mutta miksi tuon työn tuloksia ei näy missään kaupallisessa sovelluksessa? Sotilaspuolellakin tällainen tarkkuus otettaisiin ilolla vastaan.

Erityisesti Google-yhteyksien takia luulisi Googlen robottiautojen paikannuksen olevan jo supertarkkaa, mutta käytännössä tutkimusryhmä on jo vuosien ajan kertonut aihepiiriin liittyvistä ongelmistaan. Käytännössä he haluaisivat tieinfraan asennettavan navigointia auttavia sensoreita. Jos nämä Googlen ilmeisesti rahoittamat tutkijat ovat oikeassa – halvoilla komponenteilla saadaan tarkkaa paikannusdataa – niin miksi Googlen auto ei pysy edes tiellä pelkän GPS-IMU-paikannuksen avulla?

Summa summarum: terve kriittisyys on aina paikallaan tarkasteltaessa nykytutkimuksen tuotteita.

5 500 km mobiililaserskannausta

Vastaa

Singaporessa on aloitettu kunnianhimoinen projekti tehdä koko valtiosta tarkka 3D-malli, joka palvelee muun muassa kaupunkisuunnittelun ja maankäytön tarpeita. Malli on osa Singaporen Smart City -tavoitteita eli älykkään kaupungin viitekehystä. Hankkeeseen voi tutustua täällä.

Aineisto mallinnusta varten kerätään monin tavoin ilmasta ja maasta – kuvaamalla ja skannaamalla. RIEGLin kannalta mielenkiintoiseksi hankkeen tekee suunnitelma mobiiliskannata 5 500 km teitä RIEGLin huipputehokkaalla ja tarkalla VMX-450 mobiililaserskannausjärjestelmällä. Skannauksen haasteeksi esitetään mm. sadetta ja GPS-olosuhteita. Oletettavasti myös paikallinen liikenne luo haasteita tekijöille.

RIEGL VMX-450 mahdollistaa insinööritarkkuisen mittausaineiston suunnittelun pohjaksi.

RIEGL VMX-450 mahdollistaa insinööritarkkuisen mittausaineiston keräämisen tiesuunnittelun lähtöaineistoksi.

Tämän projektin perusteella on mielenkiintoista tarkastella ”köyhtyneen” lännen ja varakkaan Etelä-Aasian lähestymiseroja rakennetun ympäristön ja teiden 3D-mallintamiseen. Meillä korostetaan tulevaisuudessa autojen itsessään keräävän jatkuvaa dataa ympäristöstään jopa skannereiden avulla ja tästä jatkuvasti kerätystä datasta jalostetaan sitten priimamittauksia. Itsestäänselvästi kaikki autossa olevat mittausanturit ovat halpoja – lähestymmehän Rifkinin nollamarginaaliyhteiskuntaa. Esimerkkejä tällaisesta aineistosta (komponentit eivät vielä ole ihan halpoja) voi nähdä esimerkiksi tuoreessa NYTin artikkelissa.

Katsoja ei muuten näe mitatun trajektorin laatua, joka voi käytännössä heittää useita metrejä GPS-olosuhteista riippuen. Koska laserpisteiden sijainti on riippuvainen trajektorin laadusta, voidaan metsässä olla desimaaleista metreihin. Aineisto ei myöskään ole tarkkuudeltaan homogeenista. Ihanko totta tällainen aineisto riittää suunnittelun tarpeisiin?

Kovasti kohutut itsenäisesti kulkevat ajoneuvot – robottiautot – keräävät myös ympäristöstään uutta dataa. Suurin osa autovalmistajista pitää kuitenkin tarkkaa 3D-karttaa edellytyksenä robottiautokehitykselle ja USA:ssa valmistajat jo kyselevät, kuka tällaisen kartoituksen maksaa. Kuten aina, valtiohan siihen maksajaksi halutaan.

No, rikas Singapore on ilmoittautunut robottiautojen testikentäksi ja nyt se on myös alkanut tarkan 3D-kartoituksen, joten on helppo nähdä näiden kahden tavoitteen yhdistyvän jo nykyisyydessä. Meillä taitaa olla hieman savisempi polku edessä, sillä tulevaisuuteen on nähdäksemme aikamoinen matka. Tämän näkemyksen vahvisti Paikkatietomarkkinoilla osastollamme vieraillut globaalin kartoitusyrityksen edustaja: he etsivät tarkempia välineitä väylien kartoitukseen autonavigoinnin tarpeisiin – kyseessä on yrityksen päätuote. Se halvemmalla mobiilimittausjärjestelmällä tehty epätarkka aineisto ei vain riitä – ei löydy softaa tekemään sekundasta priimaa.

 

Robottiautojen paikannus & kartoitus

Vastaa

Kuumana käyvä itseohjautuvien eli robottiautojen kehitys tuottaa mielenkiintoisia keskusteluita myös paikannuksen, navigoinnin ja kartoituksen aihepiireistä, joten pakkohan tätä kehitystä on seurata ja kirjoittaa siitä jälleen muutama sana.

Gizmodon tuoreessa artikkelissa nuijitaan ensin GPS – hieno tekniikkaa mutta aivan liian epätarkka robottiautojen paikannukseen nykymuodossaan. No, tämä tulee tekniikkaa tuntemattomille aina yhtä suurena yllätyksenä, joten siitä ei sen enempää.

Tämän jälkeen päästään pistepilvien pariin, sillä autojen tarvitsemia 3D-karttoja tuotetaan tyypillisesti joko kuvantamalla tai laserkeilaustekniikalla. Näitä karttoja tehdään etukäteen, mutta havaintoja tehdään myös reaaliaikaisesti autojen liikkuessa, jolloin huomataan muutokset sekä käytetään tietoa estämään törmäyksiä.

Laserkeilaamalla tuotettua pistepilviä ympäristöstä. Kuva: Nordic Geo Center Oy

Laserkeilaamalla tuotettua pistepilviä ympäristöstä. Kuva: Nordic Geo Center Oy

Kehittäjäpuolella on ymmärrettävästi useita koulukuntia – osa suosii laserkeilaimia osa tutkatekniikkaa, osa kameroita. Laserkeilainten puolesta puhuu tarkkuus ja luotettavuus, mutta ongelma on korkea hinta. Esimerkiksi Google-auton katolla komeileva Velodyne-keilain maksaa yli puolet koko auton kokonaishinnasta. Silloin on helppo ymmärtää, miksi auton tuotannon liiketoimintamalli on hieman hankala, sillä keilain ei ole edes Googlen omaa tuotantoa.

Kuvantamispuolen kannattajien suurin motiivi onkin kameroiden edullisuus. Niitä voi helposti asentaa autoihin useita kappaleita ja viimeisten vuosikymmenten nopea kehitys on tehnyt kuvista mittaamisesta myös nopeaa. Mutta esimerkiksi huono sää haittaa kameroiden toimintaa huomattavan paljon tehden niiden toiminnan epäluotettavammaksi. Toinen merkittävä haitta on tarkkuus – laserkeilaus on tyypillisesti tarkempaa.

Tätä samaa keskustelua mekin käymme työksemme ihan päivittäin, sillä myös muut mittausaineistojen käyttäjät ja tuottajat etsivät halpoja keinoa tuottaa aineistoja. Sopiva ratkaisu on määritettävä tehtävästä riippuen, mutta useimmiten haluttu tarkkuus on vaikea saavuttaa kuvantavilla tekniikoilla. Tarkat laserkeilaimet ovat edelleenkin kalliita ratkaisuja, mutta niiden selkeänä etuna on homogeenisen tarkka mittausaineisto koko kohteesta verrattuna kuvamittauksen tarkkuuden sisäiseen vaihteluun kuvan eri alueilla. Kehitys jatkuu eli jatkamme edullisen ja kartoitustarkkuisen laserkeilaimen odottelua.

Lähde: Gizmodo http://gizmodo.com/how-to-teach-an-autonomous-car-to-drive-1694725874