Für Ingenieure, die Drohnen, Roboter und Verteidigungsplattformen entwickeln, geht es nicht mehr um die Genauigkeit von GNSS, sondern um das Verhalten bei einem Systemausfall. Eine neue Generation von Navigationsarchitekturen entsteht, in der Inertialsensorik, externe Unterstützung und Sensorfusion die Bedeutung von „zuverlässiger Lokalisierung“ neu definieren.
In diesem Interview erläutert Kendra Gallup, Leiterin der Geschäftsentwicklung für Inertialsysteme bei MicroStrain by HBK, wie Ingenieure die Lokalisierung neu denken: von GNSS-zentrierten Designs hin zu robusten Architekturen, die auf Sensorfusion basieren.
Alle reden von Navigation ohne GNSS: Was bedeutet „zuverlässige Positionsbestimmung“ in der Praxis?
Im Wesentlichen bedeutet es, dass Ihr System auch dann korrekt funktioniert – sowohl physikalisch als auch mathematisch –, wenn Sie sich nicht auf GNSS verlassen können. In einer kontrollierten Demonstrationsumgebung ist GNSS in der Regel sehr zuverlässig.
In der Realität sieht es anders aus. Häuserschluchten verursachen Mehrwegeausbreitung. Tunnel blockieren Signale. Funkstörungen beeinträchtigen den Empfang, und Spoofing-Angriffe können falsche Positionsdaten einschleusen.
Wenn eines dieser Ereignisse eintritt, verschlechtert sich die Leistung Ihres Navigationssystems entweder kontrolliert oder es bricht zusammen. Welches der beiden Szenarien eintritt, hängt von der Qualität Ihres Trägheitsnavigationssystems ab. Ein gut konzipiertes Trägheitsnavigationssystem wie das 3DM-CV7-INS ermöglicht eine kontinuierliche Bewegungsberechnung dank sorgfältiger thermischer Kalibrierung und einer synchronisierten Multi-IMU-Architektur. Es ist nicht von Satelliten abhängig, sondern basiert auf physikalischen Gesetzen.
Externe Sensoren dienen hier als zusätzliche Eingangsgrößen. Sie korrigieren Drift, bestimmen aber nicht die Bewegungsschätzung. Das ist der grundlegende Unterschied zwischen einem GNSS-basierten System und einem, das die Trägheit als primäre Referenz nutzt.
Welche externen Sensoren verwenden Ingenieure heutzutage?
Das Spektrum ist deutlich gewachsen. Je nach Plattform kommen häufig visuelle Odometrie und SLAM (Simultaneous Localization and Mapping), LiDAR (Light Detection Odometrie and Telemetry), Radencoder an Bodenfahrzeugen, barometrische Höhensensoren, Magnetometer, Doppler-Geschwindigkeitssensoren und gezielt eingesetzte, leistungsstarke externe GNSS-Empfänger zum Einsatz.
Moderne Trägheitsnavigationssysteme, einschließlich der CV7-Plattform, sind so konzipiert, dass sie externe Eingaben für Position, Geschwindigkeit und Kurs aus beliebigen dieser Quellen entgegennehmen können.
Jedes dieser Systeme leistet einen spezifischen Beitrag. LiDAR ist geometrisch leistungsstark; Kameras liefern reichhaltige Daten zur relativen Bewegung in strukturierten Umgebungen; Radencoder sind hervorragende Kurzzeitstabilisatoren für Bodenfahrzeuge; Doppler-Sensoren verbessern die Geschwindigkeitsschätzung im Gelände; und Barometer tragen zur Präzisierung der Höhenmessung bei.
Entscheidend ist nicht die Auswahl eines einzelnen Sensors, sondern dessen Kombination, die die Stärken jedes einzelnen Sensors optimal nutzt. Richtig umgesetzt, führt dies zu einer deutlichen Reduzierung der Drift und einer wesentlich höheren Robustheit gegenüber GNSS-Störungen.
Wie werden diese Signale integriert?
In den meisten integrierten Plattformen verwenden wir eine lose gekoppelte Architektur. Externe Systeme, wie beispielsweise eine LiDAR-SLAM-Engine oder ein eigenständiger GNSS-Empfänger, berechnen ihre Lösungen unabhängig. Diese Ergebnisse werden dann dem erweiterten inertialen Kalman-Filter zugeführt. Der Vorteil dieses Ansatzes liegt in seiner Modularität und der relativ einfachen Skalierbarkeit.
Die eigentliche Ingenieursarbeit besteht jedoch darin, die Messwerte zu gewichten, Kovarianzen zu berücksichtigen und Konsistenzprüfungen der Innovation durchzuführen. Nicht alle Messungen sind gleich zuverlässig. Eine LiDAR-Lösung in einem gut strukturierten Lager ist äußerst zuverlässig. In einem staubigen Tunnel könnte derselbe Sensor jedoch fehlerhafte Daten liefern. Die Fusions-Engine muss daher ständig neu bewerten, wie stark die einzelnen Eingangsdaten je nach Umgebung gewichtet werden sollen.
Etwas wird oft unterschätzt: Je robuster der Trägheitskern ist – erreicht durch korrekte Kalibrierung und Rauschunterdrückung des IMU-Arrays (Inertial Measurement Unit) –, desto geringer ist die Drift der Koppelnavigation zwischen den Aktualisierungen der Hilfsquellen. Dadurch hat das gesamte System mehr Spielraum, wenn Hilfsquellen unzuverlässig werden. Eine bessere Trägheitsleistung führt direkt zu höherer Ausfallsicherheit.
Timing schafft es selten in die Schlagzeilen. Doch wie wichtig ist Timing wirklich? Es ist entscheidend und wird ständig unterschätzt.
Wenn sich ein Fahrzeug mit 15 Metern pro Sekunde bewegt, führt bereits ein Synchronisationsfehler von 1 Millisekunde zu einer signifikanten räumlichen Fehlausrichtung, insbesondere beim Abgleich von LiDAR-Punktwolken mit Inertialdaten.
Deshalb bieten Hochleistungs-Trägheitssysteme eine Zeitstempelgenauigkeit im Mikrosekundenbereich, eine Puls-pro-Sekunde-Synchronisierung (PPS), eine konfigurierbare Auslösung von Allzweck-Ein-/Ausgabe-Ereignissen (GPIO) und eine extrem niedrige Latenz von Bewegung zu Nachricht.
In der Praxis habe ich beobachtet, dass Synchronisationsprobleme die Systemleistung stärker beeinträchtigen als reines Sensorrauschen. Wenn sich die Sensoren nicht darüber einig sind, wann ein Ereignis stattgefunden hat, wird die Datenfusion instabil. Selbst mit exzellenten Sensoren lassen sich schlechte Ergebnisse erzielen, wenn die Synchronisation nicht stimmt. Sie ist daher unerlässlich.
Was passiert bei einer Verschlechterung der GNSS-Verbindung?
Ein gut konzipiertes System behandelt einen GNSS-Verlust nicht als einfaches Ein/Aus-Ereignis. Es verarbeitet ihn in mehreren Phasen: GNSS verfügbar, GNSS verschlechtert, GNSS verweigert und erneuter Empfang.
Mit abnehmender GNSS-Signalqualität steigt die Unsicherheitsschätzung. Der Filter gewichtet die Trägheitsausbreitung in Kombination mit anderen verfügbaren Informationen, wie z. B. visuell-inertialer Odometrie (VIO), LiDAR, Radencodern, Doppler- oder barometrischen Daten, zunehmend stärker.
Bei vollständigem Empfangsausfall, beispielsweise in einem Tunnel mit Funkstörungen, arbeitet das System ausschließlich mit geschätzter Navigation. Die Drift nimmt zwar zu. Dank der guten Bias-Stabilität und des geringen Rauschpegels, die durch eine sorgfältige thermische Kalibrierung erreicht werden, ist dieser Anstieg jedoch so gering, dass er in vielen Missionsprofilen beherrschbar bleibt.
Die größte Herausforderung stellt die Wiedererfassung dar. Sobald das GNSS-Signal zurückkehrt, muss die Korrektur reibungslos erfolgen. Jegliche Sprünge oder Neustarts können die Regelkreise destabilisieren und die Mission gefährden. Dieser sanfte Übergang ist ebenso wichtig wie der korrekte Umgang mit der anfänglichen Signalstörung.
Und was ist mit Spoofing im Speziellen?
Spoofing ist besonders gefährlich, weil das Signal gültig erscheint. Der Empfänger glaubt, eine gute Position zu haben.
Die Verteidigung besteht in der Konsistenzprüfung. Meldet ein GNSS-Update plötzlich eine Position, die nicht mit den Vorhersagen der Trägheitsausbreitung und den Geschwindigkeitsbeschränkungen übereinstimmt, überschreitet der Innovationsrest die erwarteten Kovarianzgrenzen. Ein robustes Fusionssystem, wie es beispielsweise in CV7-basierten Systemen integriert ist, kann diese Messung gewichten oder vollständig verwerfen.
Die Annahme einer anhaltenden Kontinuität wird zu ihrem Bezugspunkt für die Wahrheit. In einem konfliktgeladenen Umfeld schützt sie die Mission vor der Verbreitung falscher Informationen.
Können Sie ein konkretes Anwendungsbeispiel nennen?
Wir haben mit einem unbemannten Bodenfahrzeug (UGV) gearbeitet, das in einem Tunnel mit Funkstörungen operierte. Die Architektur kombinierte einen CV7-basierten Trägheitsnavigationskern, Radencoder, LiDAR SLAM und einen zuverlässigen Multiband-GNSS-Empfänger für den Betrieb im Freien.
Beim Einfahren des Fahrzeugs in den Tunnel stieg die GNSS-Kovarianz an und ging schließlich vollständig verloren. Das System schaltete automatisch auf eine Fusion von Inertialdaten, LiDAR und Encodern um. Die Drift blieb jederzeit unter Kontrolle. Kurz vor dem Tunnelausgang traten vereinzelt Spoofing-Versuche auf, die zu inkonsistenten GNSS-Aktualisierungen führten. Diese wurden vom Fusionssystem automatisch subtrahiert.
Als das Fahrzeug wieder im Freien war und das GNSS-Signal eindeutig wiederhergestellt wurde, erfolgte die Reintegration nahtlos. Kein Neustart, keine Unterbrechung der Positionsbestimmung. Genau dieses Verhalten ist im realen Einsatz erforderlich. Das Fahrzeug verlor seine Position zu keinem Zeitpunkt.
Wie würden Sie den Nutzen externer Unterstützung zusammenfassen?
Externe Unterstützung bedeutet nicht, zusätzliche Sensoren anzuschaffen. Es geht vielmehr darum, Ihrem Navigationssystem mehr Möglichkeiten zu bieten, die Genauigkeit aufrechtzuerhalten, wenn eine einzelne Quelle unzuverlässig wird.
Eine Navigationsarchitektur, die auf präziser thermischer Kalibrierung, Rauschunterdrückung mit mehreren IMUs, genauer Zeitsynchronisation und flexibler Einspeisung externer Positions-, Geschwindigkeits- und Kursdaten basiert, bietet Originalgeräteherstellern (OEMs) die Möglichkeit, die Drift deutlich zu reduzieren, ihren Einsatzbereich unter Nicht-GNSS-Bedingungen zu erweitern, sich vor Spoofing zu schützen und während der gesamten Mission gleichmäßige Positionsschätzungen aufrechtzuerhalten.
