des Verfahrens

Die vorliegende Erfindung betrifft ein Verfahren zur Navigation eines Fahrzeugs nach dem Oberbegriff von Anspruch 1 und ein Fahrzeug zur Ausführung dieses Verfahrens nach dem Oberbegriff von Anspruch 12.

Navigierende Fahrzeuge, dabei auch Roboter aller Art sind weit verbreitet und werden bei spielsweise als selbstfahrende Mäher eingesetzt. Im Stand der Technik ist bekannt, dass dem Navigationssystem die Grenzen eines zu bearbeitenden (beispielweise zu mähenden) Gebiets eingegeben werden, wobei das Navigationssystem dann seine Position relativ zu den Grenzen laufend bestimmt, beim Erreichen einer Grenze den Kurs des Roboters so ändert, dass dieser sich im Gebiet weiterbewegt. Im Ergebnis fährt der Roboter chaotisch im zu bearbeitenden Gebiet hin- und her, so dass nach einem Zeitablauf das ganze Gebiet bearbeitet ist.

Die EP 3 018 548 zeigt einen navigierenden Roboter, der sich innerhalb eines Arbeitsgebiets bewegen soll, beispielsweise um Rasen zu mähen. Das Steuerungssystem wird zuerst in einem Aufnahmemodus für einen Referenzpfad (reference trail recording mode) trainiert, indem es diesen abfährt und dabei Zwischeninformationen genannte Daten zum Arbeitsgebiet gene riert, die im Arbeitseinsatz des Roboters in einem Navigationsmodus (navigation mode) ver wendet werden, um eine präzise Navigation während der Arbeit zu ermöglichen. Für die Navi gation können dann zusammen mit den Zwischeninformationen Daten aus verschiedenen Sen soren wie Kamerabilder oder Positionssignale von UWB Ankern und Odometriedaten eines Schlepprades des Roboters mit einem als Kalman Filter bekannten mathematischen Algorith mus zu einer "robusten" Schätzung der aktuellen Position des Roboters fusioniert werden.

Das Training und die Generierung der Zwischeninformationen sind aufwendig. Entsprechend ist es die Aufgabe der vorliegenden Erfindung, ein navigierendes Fahrzeug bereit zu stellen, das ohne die oben erwähnten Zwischeninformationen einem vorbestimmten Pfad entlang prä zise navigiert.

Die Aufgabe wird gelöst durch die kennzeichnenden Merkmale der Ansprüche 1 und 12. Dadurch, dass im ein kinematisches Modell des Fahrzeugs darstellenden Zustandsbeobachter die Gewichtung der Daten zum Fahrmodus, hier Daten aus der Distanzmessung und von der Odometrie, nach der Geometrie des vorbestimmten Pfads dynamisch geändert wird, ergibt sich eine verbesserte und damit präzisiere Navigation, da jeweils bei einer Änderung der Zu verlässigkeit dieser Daten deren Gewichtung entsprechend angepasst, d.h. der Zuverlässigkeit entsprechend erhöht oder verringert werden kann. Dadurch kann auch ein vorbestimmter Pfad effizienter gelegt werden, sei dies im Hinblick auf nur kleine Überlappung neben einander verlaufender Bahnen oder einen optimalen Verlauf mit kürzest möglicher Länge bei gleichzei tig minimiertem Fehler in der vollständigen Abdeckung der gesamten zu bearbeitenden Fläche.

Weitere bevorzugte Ausführungsformen weisen die Merkmale der abhängigen Ansprüche auf.

Die Erfindung wird nachstehend anhand der Figuren noch etwas näher beschrieben.

Es zeigt:

Figur 1 schematisch ein von einem Fahrzeug zu befahrendes Gebiet am Beispiel eines zu mä henden Fussballplatzes,

Figur 2 schematisch eine Ausführungsform eines Fahrzeugs,

Figur 4 ein Ablaufdiagramm zur Bestimmung zur Navigation des Roboters (hat einen Teil Lo- aklisierung, einen Teil Positions und Richtungsbestimmung sowie einen Teil Trajek- torenregler), und

Figur 4 ein dem Fachmann an sich bekanntes Schema einer Regelstrecke mit einem Zu standsbeobachter, der gemäss der vorliegenden Erfindung ausgebildet werden kann.

Figur 1 zeigt schematisch eine Ausführungsform der vorliegenden Erfindung anhand eines als Mähroboter 1 ausgebildeten Fahrzeugs für einen Fussballplatz 2. Der Mähroboter navigiert einem vorbestimmten Pfad 3 entlang, der aus in der Figur horizontalen, geraden Abschnitten 4 und vertikalen, geraden Abschnitten 5 besteht, die zusammen für den Betrachter des Fuss ballplatzes 1 ein Schachbrettmuster bilden, wie dies allgemein bekannt ist. In Kurven 6 wendet der Mähroboter jeweils, um das Schachbrettmuster im gemähten Rasen zu erzeugen. Erfin dungsgemäss navigiert der Mähroboter 1 mit einer Abweichung von beispielsweise ± 4,5 cm für ± 3 6 (d.h. dass bei 99,7% der Werte von Messungen für die Abweichung vom vorbestimm ten Pfad kleiner sind als ±4,5 cm). Diese Genauigkeit erlaubt, die Überlappung angrenzender Bahnabschnitte entsprechend klein und damit auch die gesamte Länge des vorbestimmten Pfads minimal zu halten, wobei zugleich auch kleine Inseln in Form von nicht gemähten Berei chen vermieden werden können. Zudem präsentiert sich bei dieser Präzision der Navigation das Schachbrettmuster dem Betrachter optisch perfekt mit den gewünschten geraden, paral lelen Bahnen.

Für die Navigation des Mähroboters 1 sind hier vier UWB Anker 7 bis 10 vorgesehen, die um den Fussballplatz 2 herum angeordnet sind. Der Fachmann kann im konkreten Fall auch eine andere Anzahl, z.B. zwei, drei oder mehr als vier UWB Anker vorsehen. Eine Ortsbestimmung mittels Tri- bzw. Multilateration als solche ist dem Fachmann bekannt, wobei es auch denkbar ist, bei einfachen Verhältnissen mit Distanzmessungen nur in einer Ebene eine Bilateration vorzusehen, indem beispielsweise zwei UWB Anker in einer gewissen Entfernung vom vorbe stimmten Pfad 3 angerordnet werden, so dass bei der Messung, die dann zwei Standorte ergibt, zum Vornherein einer wegfallen kann. An Stelle von UWB Ankern kann auch beispiels weise ein GNSS (global navigation satellite System) oder ein anderes, geeignetes System ver wendet werden, das eine drahtlose Distanzmessung verwendet, bzw. Sender für Signale zur Distanzmessung aufweist.

An Stelle eines Fussballplatzes 2 kann natürlich beispielsweise ein anderes Arbeitsgebiet wie ein Golfplatz oder noch ein anderes Gelände auf irgend eine Art bearbeitet (beispielsweise gemäht) werden, wobei dann die Krümmungsradien des vom Mähroboter abzufahrenden vor bestimmten Pfads verschieden ausfallen, und beispielsweise auch durch die Kontur des Ar beitsgebietes gegeben sein können. Der vorbestimmte Pfad selber wird dann durch die Eigen schaften des jeweiligen Geländes vom Fachmann bestimmt. Bevorzugt sind dann UWB Anker um oder im Arbeitsgebiet verteilt geeignet angeordnet, wobei der Fachmann deren Standort im konkreten Fall geeignet bestimmen kann.

Für die Standortbestimmung und Navigation des Mähroboters 1 kann beispielsweise ein Koor dinatensystem 12 verwendet werden, wobei die x,y Koordinaten für den Standort des Mähro boters 1 und der Winkel Q für dessen Ausrichtung bzw. Fahrtrichtung stehen. Figur 2 zeigt schematisch eine Ausführungsform des erfindungsgemässen, hier als Mähroboter 1 ausgebildeten navigierenden Fahrzeugs gemäss Figur 1 in einer seitlichen Ansicht. Ersichtlich ist ein seitlich am Mähroboter 1 angeordnetes, Antriebsrad 15, das ein zweites, gleiches An triebsrad 15' auf der in der Figur abgewandten Seite des Mähroboters 1 verdeckt. Weiter er sichtlich ist ein Schlepprad 16, welches um eine vertikale Achse beweglich ist, so dass der Mähroboter 1 bei entsprechend unterschiedlich angetriebenen Antriebsrädern eine Kurve fährt. Es ergibt sich bevorzugt ein Fahrzeug, bei welchem zwei Räder 15,15' des Fahrzeugs bzw. Roboters in Fahrtrichtung neben einander angeordnet sind und ein drittes Rad (16) des Robo ters als Schlepprad ausgebildet ist.

Vorne am Mähroboter 1 ist eine Anordnung 18 zum Mähen eines Rasens vorgesehen, die sich hier in ihrer hochgezogenen Ruhestellung befindet. Eine Antenne 19 mit einer Empfangsein heit 19' dient dem Empfang der Signale der UWB Anker 7 bis 10 (s. Figur 1). Es sei angemerkt, dass ein erfindungsgemäss ausgebildetes bzw. navigierendes Fahrzeug wie der Mähroboter (1) auch einen anders ausgebildeten Radantrieb aufweisen kann, beispielsweise 4 Räder mit einer konventionellen Lenkung von zwei neben einander angeordneten Rädern, oder eine andere Antriebskonfiguration bis hin zu einem Raupenantrieb.

Durch das Gehäuse 20 des Mähroboters (1) verdeckt (bzw. zur Entlastung der Figur weggelas sen) sind eine Antriebseinheit des Mähroboters 1 mit einer Lenkanordnung für den Antrieb der Antriebsräder, die bei Geradeausfahrt die Antriebsräder 15,15' mit gleicher, für Kurven fahrt mit unterschiedlicher Drehzahl antreibt. Nur symbolisch angedeutet sind Sensoren 21, welche die Winkelstellung der Räder 15, 15' laufend detektieren und damit Odometriedaten zum Fahrzustand des Mähroboters 1 liefern, die in einer ebenfalls symbolisch dargestellten Steuerung 22 geeignet verarbeitet werden, s. dazu die Beschreibung zu den Figuren 3 und 4. Es ergibt sich damit bevorzugt ein Fahrzeug, bei welchem die Sensoren (21) für die Odomet riedaten Sensoren aufweisen, welche die Drehung von zwei Rädern des Roboters erfassen.

In der Steuerung 22 sind Datenspeicher vorgesehen, die unter anderem die Daten zu einem vorbestimmten Pfad 3 (Figur 1) speichern können. Die Steuerung 22 ist ausgebildet, gestützt auf die Daten zum vorbestimmten Pfad 3, Antriebs und Lenkbefehle für den Antrieb der Räder 15,15' zu generieren, so dass sich der Mähroboter 1 dem vorbestimmten (Soll)Pfad 3 entlang bewegt. Dazu verarbeitet die Steuerung 22 die Odometriedaten der Sensoren 21 und die Daten der UWB Anker 7 bis 10 (Figur 1), welche der Steuerung 22 eine Ermittlung der Distanz des Mähroboters 1 (hier des Punktes in der Mitte der Achse zwischen den Rädern 15,15') über eine Time-of-Flight Auswertung ermöglichen. Bei einer Simulation der erfindungsgemässen Naviga tion, die zu der oben erwähnten Präzision mit einer Abweichung von ± 4,5 cm für ± 36 vom jeweiligen Punkt auf dem vorbestimmten Pfad führt, ist ein Roboter zu Grunde gelegt worden, der sich mit 1,2 m/s (maximal 3 m/s) bewegt, dessen Antriebsräder 15,15' einen Durchmesser von 400 mm und dessen Schlepprad einen Abstand von 935 mm von der Achse der Antriebs räder 15,15' aufweist.

Das hier als Mähroboter 1 ausgebildete navigierende Fahrzeug ist damit in der Lage, im Betrieb laufend seine aktuelle Position durch die erfindungsgemässe Verarbeitung (s. dazu die Be schreibung zu Figuren 3) der Odometriedaten und der Distanzdaten zu den UWB Ankern 7 bis 10 in der Steuerung 22 zu erkennen, dann Signale zur Kurskorrektur zu generieren, welche die Lenkanordnung umsetzt, indem die Antriebsräder 15, 15' geeignet mit unterschiedlicher Win kelgeschwindigkeit angetrieben werden. Im Ergebnis läuft der Mähroboter 1 mit der erfin- dungsgemäss möglichen Präzision dem vorbestimmten Pfad 3 (Figur 1) entlang.

Figur 3 zeigt ein Ablaufdiagramm zur erfindungsgemässen Navigation, wie diese gemäss einer Ausführungsform der Erfindung anhand eines Kalman Filters durch die Steuerung 22 vorge nommen wird. Im Schritt 30 wird die Navigation auf bekannte Weise initialisiert, beispielsweise indem eine erste Position des Mähroboters 1 am Beginn des vorbestimmten Pfads (hier in der linken unteren Ecke des Fussballfelds 2, s. Figur 1) durch UWB Messung bestimmt, dann der Mähroboter 1 eine kurze Strecke, z.B. 50 cm gefahren und eine zweite UWB Messung sowie eine odometrische Standortbestimmung vorgenommen wird. Dann ist der Ort und die Ausrich tung des Mähroboters bekannt, damit die Navigation initialisiert.

Im Schritt 31 werden beispielsweise (so auch in der oben erwähnten Simulation) alle 20 ms die momentanen Odometriedaten (z.B. die Winkelgeschwindigkeit für die beiden Antriebsräder 15,15', s. Figur 2,) erfasst, und bei einem sich daraus ergebenden Geschwindigkeitsschwellwert von mehr als 0,025 m/s angenommen, dass sich der Mähroboter 1 bewegt. Die Sensoren 21 erzeugen jedoch nicht die wahren Werte für die Winkelstellung der Antriebsräder 15,15', son dern ein mit Fehlern behaftetes Signal, wobei diese Fehler als Prozessrauschen mit einem Wert Q ausgedrückt werden können. Q ist dann die Varianz für den jeweils den Erwartungswert bil denden wahren Wert einer Winkelstellung eines Rads 15,15'. Im Schritt 32 erfolgt die Berechnung des odometrischen Fahrstatus, d.h. die Berechnung der momentanen Geschwindigkeit und der momentanen Ausrichtung des Mähroboters 1 auf Grund der odometrischen Daten, hier der Winkeländerung der Antriebsräder 15,15'. Bevor zugt kann der odometrische Fahrstatus in kürzeren Zyklen bestimmt werden, als das bei der UWB Distanzmessung der Fall ist. Dann erfolgt eine Mittelung der odometrischen Geschwin digkeit und Ausrichtung auf den Zeitpunkt, an dem die UWB Messung verfügbar ist. In der oben erwähnten Simulation wurden die Odometriedaten alle 20 ms verarbeitet und eine UWB Dis tanzmessung alle 80 ms vorgenommen.

Im Schritt 33 wird geprüft, ob aktuelle UWB Messdaten zur Verfügung stehen, was in der Regel der Fall ist, aber auf Grund von Störungen in der Übermittlung der Daten zwischen einem UWB Anker 7 bis 10 und dem Mähroboter 1 auch nicht der Fall sein kann.

Stehen die UWB Messdaten nicht zur Verfügung, erfolgt der Sprung zum Schritt 34, in welchem die angenommene reale Position und Ausrichtung des Mähroboters 1 auf Grund nur der odo metrischen Daten berechnet wird. Bevorzugt geschieht dies durch eine Mittelung eines mo mentanen Odometriewerts _Uk (Gewicht 0.7) mit den drei vergangenen UH, U _k -2, U _k -3 (Gewicht 0.1), so dass alle 20 ms ein odometrischer Fahrstatus vorliegt.

Stehen aktuelle UWB Messdaten zur Verfügung, erfolgt der Sprung zum Zweig mit den Schrit ten 35 bis 37, in welchen die angenommene, reale Position mit Hilfe eines Kalman Filters durch die Fusion der odometrischen mit den UWB Daten berechnet wird.

Beispielsweise wird gemäss der Simulation alle 80 ms eine UWB Distanzmessung vorgenom men, bevorzugt jeweils sequentiell zu nur einem der UWB Anker 7 bis 10 in einer vorbestimm ten Reihenfolge. Diese UWB Distanzmessung führt über die gemessene Distanz zum betreffen den UWB Anker 7 bis 10 zu einem aktuellen Standort des Mähroboters 1. Auch die Distanz messungen streuen mit einer Varianz mit dem Wert R um den Erwartungswert, d.h. die wahre Distanz von einem Punkt auf der Mitte der Achse zwischen den Antriebsrädern 15, 15' (s. dazu die Beschreibung zu Figur 2) und dem jeweiligen Anker 7 bis 10, wobei die Varianz dem Daten blatt zu den UWB Ankern entnommen oder durch den Fachmann durch eigenen Messungen bestimmt werden kann. Aus der Varianz der UWB Distanzmessungen ergibt sich damit ein Wert für eine Messunsicherheit R, die bei den laufenden UWB Distanzmessungen jeweils vor liegt.

Im Schritt 35 gleicht die Steuerung 22 die im Moment vorhandene, angenommene Position des Mähroboters 1 mit dem vorbestimmten Pfad 3 ab und bestimmt, ob sich der Mähroboter 1 auf einer Kurve oder auf einer Geraden befindet, d.h. die Steuerung 22 erfasst Eigenschaften des vorbestimmten Pfads 3 am Ort, wo sich die von ihr festgestellte Position des Mähroboters 1 befindet. Bevorzugt wird gemäss der Simulation auf dem vorbestimmten Pfad 3 eine Kurve angenommen, wenn bei Betriebsgeschwindigkeit des Mähroboters 1 dessen Fahrzeugdrehra tenschwellwert von 0,25 rad/s überschritten wird. Der Fachmann kann im konkreten Fall den Fahrzeugdrehratenschwellwert auch anders festlegen.

Im Schritt 36 erfolgt erfindungsgemäss eine dynamische Anpassung des Werts für die Messun sicherheit R der aktuellen UWB Distanzmessung und des Werts für das Prozessrauschen Q des aktuellen odometrischen Fahrstatus je nach der in Schritt 35 festgestellten Position, bevor die Fusion der odometrischen Daten und der UWB Distanzmessdaten in einem Kalman Filter (be vorzugt einem Unscented (oder Extended) Kalman Filter) erfolgt.

Ausgangslage für die dynamische Anpassung dieser Werte ist deren vom Fachmann für den konkreten Fall bestimmten Grundwert. Bei der Simulation für den Mähroboter gemäss Figur 1, eingesetzt zum Mähen eines Fussballfeldes 2, sind hochpräzise UWB Anker vorgesehen, wie sie zum Zeitpunkt der vorliegenden Anmeldung erhältlich sind, also beispielsweise einen Wert für die Messunsicherheit R von 3,5 * 10 ³ m ² aufweisen (Varianz der Streuung der Messdaten aus dem Datenblatt der UWB Anker, s. oben zum Schritt 33).

Für den Grundwert des Prozessrauschens Q des Mähroboters 1 im Fussballfeld 2 (Figuren 1 und 2) gilt, dass es das Mass an Vertrauen in das verwendete odometrische Systemmodell darstellt, das beispielsweise durch die folgenden Gleichungen gegeben ist:

wo B der Abstand der Antriebsräder 15,15', r _ne nn deren Radius und w die Winkelgeschwindig keit der Räder 15,15' ist.

Für die Ausrichtung Q bildet das Prozessrauschen Q bei einem Mähroboter 1 gemäss Figur 2 unter anderem die Abweichung durch die Ausschwenkbewegung der Castor-Wheel Aufhän gung (Schleppräder) des hier verwendeten Mähroboters 1 ab. Bei der Position bildet es z.B. den Fehler durch minimalen Traktionsverlust bzw. Schlupf der Antriebsräder 15,15' ab.

Der Grundwert für das Prozessrauschen Q ergibt sich bevorzugt durch praktische Tests, die der Fachmann im konkreten Fall vornehmen kann. Für die Ausrichtung im konkreten Fall wird z.B. ein unrealistisch kleiner Wert (z.B. 10 ¹⁵ rad ² /s ² ) gewählt, während einem Testbetrieb des Fahr zeugs bzw. Mähroboters 1 der Verlauf der Flauptdiagonale der Kovarianzmatrix (aus den Mess daten mit den Abweichungen) aufgezeichnet und ausgewertet, welches der minimale Wert ist, welcher diese erreicht. Ein sinnvoller Wert kann durch den Fachmann im konkreten Fall etwas höher angesetzt werden, z.B. 1.1 Mal den gemessen Minimalwert. Weiter kann auch die Mini mierung des RMS Wertes der Innovationssequenz (Systemvorhersage minus Messung) über eine bestimmte Zeit, oder in einem Betriebsmodus (Geradeausfahren, Kurvenfahrt und ver schiedene Geschwindigkeiten) angestrebt werden, falls genaue Messungen möglich sind. Diese Methoden für die praktischen Tests zum Bestimmen des Grundwerts eines Prozessrau schens sind dem Fachmann grundsätzlich bekannt. Neben der Ausrichtung kann für die Ge schwindigkeit analog vorgegangen werden. Damit kann der Fachmann im konkreten Fall den Grundwert für das Prozessrauschen Q bestimmen.

Die dynamische Anpassung erfolgt nun erfindungsgemäss dadurch, dass die Grundwerte für die Messunsicherheit R und das Prozessrauschen Q nicht über die ganze Länge des vorbe stimmten Pfads beibehalten, sondern am aktuellen Ort auf dem vorbestimmten Pfad 3 nach dessen dort vorhandenen Eigenschaften belassen oder verändert werden. Bevorzugt ist eine Eigenschaft dadurch gegeben, ob der vorbestimmte Pfad am aktuellen Standort gerade oder gekrümmt ausgebildet ist.

Entsprechend wird beispielsweise auf einem geraden Abschnitt 4,5 des vorbestimmten Pfads 3 (s. Figur 1) entweder der Wert für die Messunsicherheit R höher, beispielsweise wie oben erwähnt l,lmal höher, d.h. auf 3,55 * 10 ³ m ² angesetzt. Das bedeutet, dass für die im nach folgenden Schritt 37 erfolgende Fusion der Odometriedaten mit den UWB Distanzmessdaten das Vertrauen in die UWB Messdaten und damit deren Gewichtung in der Fusion verringert wird: ein höherer Wert für die Messunsicherheit R bedeutet die Annahme einer grösseren Va rianz der Daten aus der UWB Distanzmessung, damit einer grösseren, durchschnittlich zu er wartenden Abweichung von der realen Messdistanz (dem Erwartungswert).

Alternativ kann für den geraden Abschnitt 4,5 im konkreten Fall auch der Wert für das Prozess rauschen Q (beispielsweise ebenfalls um 10%) verringert werden: dann wird eine kleinere Va rianz und damit ein kleinerer, durchschnittlicher Fehler in den Odometriedaten angenommen und damit ein kleinerer durchschnittlicher Fehler in der aus den Odometriedaten berechneten Geschwindigkeit und Ausrichtung des Mähroboters 1. Ebenso ist es möglich, auch beide Werte Q und R zu verändern - jedoch stets so, dass im Ergebnis auf einem geraden Abschnitt 4,5 die Odometriedaten bei der Fusion höher gewichtet sind. Der Fachmann kann im konkreten Fall den Betrag der Änderung der Werte für das Prozessrauschen P und die Messunsicherheit R beispielsweise in Schritten von 10%-Änderungen in Verbindung mit entsprechenden Tests leicht bestimmen.

Es ergibt sich, dass bei einem Standort mit der Eigenschaft eines geraden Abschnitts (4,5) oder der Eigenschaft einer erhöhten Griffigkeit des Untergrunds der Wert für die Grösse der Messunsicherheit R gegenüber dem vorbestimmten Wert vergrössert wird und/oder der Wert für die Grösse des Prozessrauschens Q gegenüber dem vorbestimmten Wert verkleinert wird.

Weiter ergibt sich ein Fahrzeug 1 bei welchem bevorzugt die Steuerung weiter ausgebildet ist, bei einem Standort auf einem geraden 5 Abschnitt den Wert für die Grösse der Messunsicher heit R gegenüber dem vorbestimmten Grundwert zu vergrössern und/oder den Wert für die Grösse des Prozessrauschens Q gegenüber dem vorbestimmten Grundwert zu verkleinern.

Umgekehrt wird in einer Kurve 6 des vorbestimmten Pfads 3 (Figur 1) der Wert für das Pro zessrauschen Q erhöht, damit ein grösserer durchschnittlicher Fehler angenommen und so bei der Fusion die Gewichtung der Odometriedaten verringert. Wiederum kann alternativ der Wert für die Messunsicherheit R verringert oder es können beide Werte Q und R verändert werden, jedoch stets so, dass im Ergebnis in einer Kurve 6 die UWB Distanzmessdaten bei der Fusion höher gewichtet sind. Es ergibt sich, dass bei einem Standort mit der Eigenschaft eines gekrümmten Abschnitts 6 und/oder der Eigenschaft einer reduzierten Griffigkeit des Untergrunds der Wert für die Grösse der Messunsicherheit R gegenüber dem vorbestimmten Wert verkleinert wird und/oder der Wert für die Grösse des Prozessrauschens Q gegenüber dem vorbestimmten Wert vergrössert wird.

Dabei ist weiter die Steuerung bevorzugt ausgebildet, bei einem Standort auf einem gekrümm ten Abschnitt 6 den Wert für die Grösse der Messunsicherheit R gegenüber dem vorbestimm ten Grundwert zu verkleinern und/oder den Wert für die Grösse des Prozessrauschens Q ge genüber dem vorbestimmten Grundwert zu vergrössern.

Im Schritt 37 wird nach der dynamischen Anpassung der Werte für die Messunsicherheit R und das Prozessrauschen Q bevorzugt durch einen Unscented Kalman Filter eine Fusion der Odo- metriedaten und der UWB Distanzmessdaten erzeugt. Wie eingangs erwähnt, ist der Algorith mus des Kalman Filters als solcher bekannt, ebenso der im Fall von nichtlinearen Funktionen (beispielsweise die Funktion der Ausrichtung f( ^' Ö)) zu bevorzugende Unscented Kalmen Filter. Dieser Algorithmus dient hier dazu, auf Grund eines früheren Standorts aus verschiedenen Messungen, die von diesem ausgehend den aktuellen Standort bestimmen, durch die Fusion der Messwerte den aktuellen Standort präziser zu bestimmen, als es auf Grund der einzelnen (und voneinander unabhängigen) Messungen möglich ist. Zudem kann diese Fusion durch den Kalman Filter auch dann vorgenommen werden, wenn alle Grössen (d.h. der frühere Standort und die aus den Messungen erhaltenen Messwerte) als statistische Grössen mit einem Erwar tungswert und der dazu gehörenden (statischen) Varianz vorliegen. Das Resultat ist dann ein aktueller Standort mit einem Erwartungswert und einer Varianz, die kleiner ist als diejenige der einzelnen Messwerte. Es sei an dieser Stelle angemerkt, dass an Stelle eines Unscented Kalman Filters auch beispielsweise ein Extended Kalman Filter verwendet werden kann.

Diese Fusion ergibt damit hier einen angenommenen Standort und eine angenommene Aus richtung des Mähroboters 1 mit einer geringeren Varianz als es bei der Messunsicherheit R und das Prozessrauschen Q der Fall ist. Der durchschnittliche Fehler bei dem durch die Fusion angenommenen Standort und der angenommenen Ausrichtung ist kleiner, als er es ohne Fu sion der durch die Odometrie oder die UWB Distanzmessung erhaltenen Werte wäre. Auf Grund der erfindungsgemässen dynamischen Anpassung ist das Resultat der Fusion für den Zweck der Navigation des sich bewegenden Fahrzeugs verbessert. Im Schritt 38 wird auf Grund der in Schritt 37, auf Grund der in Schritt 36 dynamisch angepass ten Werte erfindungsgemäss präziser berechneten Position durch den Trajektorienregler die Kurskorrektur berechnet, damit der Mähroboter 1 auf dem vorbestimmten Pfad 3 bleibt. Der Trajektorienregler besteht aus zwei Komponenten, einem Regler für die Ausrichtung (Lenkung) des Fahrzeugs und einem Regler für die Fahrzeuggeschwindigkeit. Die Trajektorie, d.h. der vor bestimmte Pfad 3, besteht aus verschiedenen Punkten P, welche Informationen über die Soll werte für die Ausrichtung, die Position des Mähroboters, dessen Geschwindigkeit und im Fall des Mähroboters, einen Fahrzeugmodus wie aktiviertes Mähen etc. beinhalten.

Der Regler für die Ausrichtung des Fahrzeugs wird bevorzugt wie folgt ausgebildet:

1. Suchen des Trajektorienpunktes P _k mit dem geringsten Abstand zur momentanen, im Schritt 37 (oder auch im Schritt 34) ermittelten Position des Mähroboters 1,

2. Berechnung des Cross Track Errors, d.h. der Distanz von der momentanen Position des Mähroboters 1 zum Punkt P _k .

3. Berechnung der Abweichung von der momentanen Ausrichtung des Fahrzeugs zur Sollaus richtung (diese ist in der Trajektorie gespeichert).

4. Berechnung der Änderung der Sollausrichtung um den nächsten Punkt auf der Trajektorie (d.h. die Ausrichtung im nächsten Punkt P _k+i minus P _k ).

6. Berechnung des Stellwertes für die Fahrzeugdrehrate Q.

Solche Trajektorienregler sind dem Fachmann grundsätzlich bekannt, der Fachmann kann im konkreten Fall einen geeigneten Trajektorenregler vorsehen.

Die Stellgrösse für die Fahrzeugdrehrate wird Drehbeschleunigungs- und (Dreh)Rucklimitiert und in eine Drehzahldifferenz der beiden Antriebsräder umgerechnet. Diese wird an den Reg ler für die Motorendrehzahl weitergegeben.

Im Schritt 39 entscheidet die Steuerung 22, ob das Ende des vorbestimmten Pfads 3 erreicht ist oder nicht. Wenn nein, wird der Zyklus durch einen Rücksprung zu Schritt 31 erneut abge arbeitet, wenn ja die Navigation abgebrochen. Die erfindungsgemässe dynamische Anpassung der Werte für das Prozessrauschen Q und die Messunsicherheit R erlaubt wie erwähnt eine präzisere Navigation, als es bei statischen Wer ten der Fall ist, d.h. bei einem konventionell angesetzten Kalman Filter. Nach den Erkenntnis sen der Anmelderin wird durch die dynamische Anpassung beispielsweise ein vermehrter Schlupf der Antriebsräder 15,15' in der Kurvenfahrt künstlich, aber antizipierend berücksich tigt, so dass die Navigation im Ergebnis präziser ausfällt. Ein weiterer Aspekt der dynamischen Anpassung ist, dass während der Kurskorrekturen die Trajektorie, d.h. der vorbestimmte Pfad 3, weniger gekreuzt wird, und sich gemäss der oben erwähnten Simulation die Anzahl der Kreu zungen um gegen 50% verringern lässt. Weniger heftige Korrekturen führen zu einer präzise ren Navigation mit einem mehr gestreckten realen Pfad des erfindungsgemässen Fahrzeugs, was sich auch auf die Optik eines bearbeiteten Gebiets auswirkt.

Der Natur der Sache nach ist die Präzision der Navigation auch von der Geschwindigkeit des Fahrzeugs abhängig, da bei geringerer Geschwindigkeit in einem Abschnitt des vorbestimmten Pfads mehr Messungen und damit auch mehr Korrekturen durch den Trajektorienregler vor genommen werden können (umgekehrt bei höherer Geschwindigkeit). Über die gestellte Auf gabe hinaus kann damit gemäss der vorliegenden Erfindung mit Hilfe der dynamischen Anpas sung der Werte für das Prozessrauschen Q und der Messunsicherheit R die Geschwindigkeit eines navigierenden Roboters erhöht werden, ohne dass dessen Präzision gegenüber einer konventionellen Navigation ohne dynamische Anpassung verringert ist.

Bevorzugt kann die dynamische Anpassung nicht nur im Hinblick auf das Vorliegen eines gera den Abschnitts oder einer Kurve, sondern auch in Abhängigkeit des Krümmungsradius einer Kurve erfolgen, beispielsweise derart, dass die Anpassung mit kleiner werdendem Krüm mungsradius starker ausfällt, d.h. die entsprechenden Werte für das Prozessrauschen Q und der Messunsicherheit R stärker verändert werden. Ebenso können die Eigenschaften des vor bestimmten Pfads nicht nur auf dessen Geometrie, sondern auch auf andere Eigenschaften wie den Untergrund selbst bezogen werden, so dass beispielsweise bei einem vermehrt rut schigen bzw. weniger griffigen Untergrund die dynamische Anpassung analog zu einer Kurve vorgenommen und bei einem vermehrt griffigen Untergrund die dynamische Anpassung ana log zu einer Geraden vorgenommen wird. Die Steuerung 22 kann der Fachmann dann entspre chend ausbilden. Es ergibt sich damit, dass bevorzugt eine hohe Traktion zu einem höheren Vertrauen in die Odometrie führt (kleinerer Wert für das Prozessrauschen) und umgekehrt eine verminderte Traktion zu einem höheren Vertrauen in die Distanzmessung (kleinerer Wert für die Messunsicherheit R).

Zusammenfassend ist es erfindungsgemäss so, dass das Prozessrauschen Q und die Messunsi cherheit R Verarbeitungswerte sind für die Verarbeitung der Odometriedaten und der Daten der Distanzmessung im Kalman Filter. Diesen Verarbeitungswerten wird ein vorbestimmter Grundwert zugeordnet, betreffend die Bestimmung des Grundwerts für das Prozessrauschen Q s. oben die Beschreibung zum Schritt 33 (beispielsweise Tests). Betreffend die Bestimmung des Grundwerts für die Messunsicherheit R s. oben die Beschreibung zum Schritt 33 (Daten blatt bzw. Messungen).

Durch die dynamische Anpassung gemäss Schritt 36 wird dann wenigstens einer der Verarbei tungswerte (Prozessrauschen Q bzw. Messunsicherheit R) gegenüber seinem vorbestimmten Grundwert verändert, wobei die Veränderung je nach den Eigenschaften des vorbestimmten Pfads am bestimmten, aktuellen Standort erfolgt.

Es ergibt sich damit erfindungsgemäss ein Verfahren, bei welchem bevorzugt Zustandsbe obachter Z einen Kalman Filter aufweist oder der Zustandsbeobachter Z ein Kalman Filter ist. Dabei sind bevorzugt die Verarbeitungswerte vorbestimmte Grundwerte für die Grössen für ein Prozessrauschen Q der Odometriedaten und eine Messunsicherheit R der Daten aus der Distanzmessung, wobei wenigstens einer der Werte für die Grössen für das Prozessrauschen Q und die Messunsicherheit R gegenüber den vorbestimmten Grundwerten verändert werden, je nach Eigenschaften des vorbestimmten Pfads am bestimmten, aktuellen Standort.

Weiter ergibt sich ein Fahrzeug 1 mit einer Steuerung 22, die bevorzugt einen Zustandsbe obachter umfasst, der einen Kalman-Filter aufweist oder ein Kalman Filter ist. Dabei sind wei ter bevorzugt die vorbestimmten Grundwerte für die Verarbeitung der Odometriedaten und der Daten aus der Distanzmessung Grössen für das Prozessrauschen Q und die Messunsicher heit R des Kalman Filters.

In einer anderen Ausführungsform der vorliegenden Erfindung wird an Stelle eines Kalman- Filters ein dem Fachmann an sich bekannter Luenberger Beobachter verwendet. Ein Luenber- ger Beobachter stellt, wie der Kalman Filter auch, einen Zusstandsbeobachter dar (der oft ein- fach als Beobachter bezeichnet wird). Der Luenberger-Beobachter und der Kalman Filter ha ben dieselbe mathematische Struktur, lediglich der Wert der Rückführmatrix wird anders be rechnet.

Wird nun ein Luenberger Beobachter eingesetzt, werden erfindungsgemäss ebenfalls Verar beitungswerte mit jeweils einem vorbestimmten Grundwert A,B für die Verarbeitung der Odo- metriedaten und der Daten der Distanzmessung verwendet. Diese Grundwerte A,B dienen dann der Filterung der Odometriedaten bzw. der Distanzmessdaten im Luenberger Beobach ter.

Analog zum Schritt 36 erfolgt dann eine dynamische Anpassung der Verarbeitungswerte d.h. der vorbestimmten Grössen A,B so, dass diese gegenüber den vorbestimmten Grundwerten verändert werden, je nach Eigenschaften des vorbestimmten Pfads am bestimmten, aktuellen Standort.

Analog zum Schritt 37 wird dann an Stelle des Kalman Filters in einer Ausführungsform des erfindungsgemässen Verfahrens ein Zustandsbeobachter vorgesehen, der einen Luenberger Beobachter aufweist. Weiter sind dann bevorzugt im Luenberger-Beobachter die Verarbei tungswerte vorbestimmte Grössen A,B sind für die jeweilige Filterung der Daten aus der Odo- metrie und die Daten aus der Distanzmessung, wobei wenigstens einer der Werte für die Grös sen A, B gegenüber den vorbestimmten Grundwerten verändert werden, je nach Eigenschaf ten des vorbestimmten Pfads am bestimmten, aktuellen Standort.

Entsprechend ergibt sich ein Fahrzeug 1, bei welchem der Zustandsbeobachter einen Luenber ger Beobachter aufweist. Dann sind weiter bevorzugt die vorbestimmten Grundwerte Grössen für die jeweilige Filterung der Daten A aus der Odometrie und die Daten B aus der Distanzmes sung.

Figur 4 zeigt ein dem Fachmann als solches bekanntes Schema einer Regelstrecke x mit einem Zustandsbeobachter Z, wobei hier die Regelstrecke x einem Fahrzeug 1 (Figur 2) entspricht und der Zustandsbeobachter Z einem Teil der Steuerung 22 des Fahrzeugs (Figur 2). Das Kom mando u (z.B. Steuersignale der Steuerung 22 für die Antriebsmotore der Räder 15,15' des Fahrzeugs 1) wird in der Regelstrecke x ausgeführt (das Fahrzeug 1 fährt entlang dem vorbe- stimmten Pfad 3, Figur 1), was zum Resultat y (der Position des Fahrzeugs 1) führt. Der Zu standsbeobachter Z enthält ein mathematisches Modell x ^" _des Fahrzeugs 1, welches dasselbe Kommando u erhält wie die Regelstrecke x, und so das Resultat y ^A (die Position des Fahrzeugs 1) mathematisch schätzen kann. Zwischen der wahren, hier durch Sensoren der Odometrie und durch beispielsweise die UWB-Anker gemessenen Position besteht entsprechend der Un terschied D, aus dem eine Rückführmatrix I für das Modell c ^L generiert wird, so dass dieses das Resultat y (Position des Fahrzeugs 1) verbessert schätzen kann. Dadurch ist das Modell c ^L in der Lage, eine Rückführmatrix -K für das Kommando u zu generieren, d.h. hier die Steuersig nale für die Motore 15,15' für einen präzisen Kurs auf dem vorbestimmten Pfad 3 (Figur 1) geeignet zu modifizieren.

Wie oben erwähnt, kann nun der Zustandsbeobachter als Kalman - Filter oder auch als Luen- berger Beobachter aufgebaut sein oder einen solchen aufweisen. Ein Kalman - Filter besitzt den Vorteil, dass er das Rauschen der Sensoren berücksichtigt und mit kurzen Unterbrüchen der Sensordaten durch Schätzwerte gut umgehen kann. Nachteilig ist dem Kalman - Filter je doch die vergleichsweise trägere Korrektur: im Verhältnis zu anderen Algorithmen ist die Dy namik recht tief. Der Luenberger Beobachters wiederum erlaubt dagegen eine hohe Dynamik, welche über die sogenannte Polplatzierung gewählt werden kann, was bei einem komplizier ten vorbestimmten Pfad 3 und grösseren Geschwindigkeiten des Fahrzeugs 1 vorteilhaft ist. Allerdings ist dem Luenberger Beobachter nachteilig, dass das Sensorrauschen nicht geglättet wird und Unterbrüche der Sensorwerte Probleme bereiten. Entsprechend kann der Fachmann für den konkreten Fall zur Fusion von Odometriedaten und den Daten zum Fahrzeugstandort einen Kalman - Filter oder einen Luenberger Beobachter vorsehen - denkbar ist auch, je nach Streckenabschnitt bzw. Abschnitt des vorbestimmten Pfads 3 alternativ einen Zustandsbe obachter mit einem Kalman - Filter oder mit einem Luenberger Beobachter vorzusehen.

Es ergibt sich damit ein Verfahren, bei welchem bevorzugt bei einem Standort mit der Eigen schaft eines geraden Abschnitts 4 oder der Eigenschaft einer erhöhten Griffigkeit des Unter grunds der Wert Verarbeitungswert für die Daten der Distanzmessung, insbesondere der Wert für die Grösse der Messunsicherheit R, oder die Grösse B für die Filterung der Daten aus der Distanzmessung gegenüber dem vorbestimmten Wert vergrössert wird und/oder der Wert für die Grösse des Prozessrauschens Q, oder die Grösse A für die Filterung der Daten aus der Odo metrie gegenüber dem vorbestimmten Wert verkleinert wird. Entsprechend ist bei einem Fahrzeug 1 die Steuerung bevorzugt ausgebildet, bei einem Standort auf einem geraden 5 Ab schnitt den Wert Verarbeitungswert für die Daten der Distanzmessung, insbesondere den Wert für die Grösse der Messunsicherheit R, oder die Grösse B für die Filterung der Daten aus der Distanzmessung, gegenüber dem vorbestimmten Grundwert zu vergrössern und/oder den Wert für die Grösse des Prozessrauschens Q, oder die Grösse A für die Filterung der Daten aus der Odometrie gegenüber dem vorbestimmten Grundwert zu verkleinern.

Umgekehrt ergibt sich ein Verfahren, bei welchem bevorzugt bei einem Standort mit der Ei genschaft eines gekrümmten Abschnitts 6 und/oder der Eigenschaft einer reduzierter Griffig keit des Untergrunds der Verarbeitungswert für die Daten der Distanzmessung, insbesondere der Wert für die Grösse der Messunsicherheit R, oder die Grösse B für die Filterung der Daten aus der Distanzmessung gegenüber dem vorbestimmten Wert verkleinert wird und/oder der Wert für die Grösse des Prozessrauschens Q, oder die Grösse A für die Filterung der Daten aus der Odometrie gegenüber dem vorbestimmten Wert vergrössert wird. Bei einem Fahrzeug 1 ist dann bevorzugt die Steuerung ausgebildet, bei einem Standort auf einem geraden 5 Ab schnitt den Verarbeitungswert für die Daten der Distanzmessung, insbesondere den Wert für die Grösse der Messunsicherheit R, oder die Grösse B für die Filterung der Daten aus der Dis tanzmessung, gegenüber dem vorbestimmten Grundwert zu vergrössern und/oder den Wert für die Grösse des Prozessrauschens Q, oder die Grösse A für die Filterung der Daten aus der Odometrie gegenüber dem vorbestimmten Grundwert zu verkleinern.

Der vorbestimmte Pfad 3 (Figur 1) kann neben der Krümmung oder Griffigkeit viele weitere Eigenschaften aufweisen, die im konkreten Fall vom Fachmann für eine präzise Navigation als relevant eingestuft werden. Dabei kann sich eine Schwelle für die Relevanz ergeben, es können aber auch die Verarbeitungswerte in einer Abhängigkeit (proportional, nicht proportional, schrittweise) von der jeweiligen Eigenschaft verändert werden. Es ergibt sich damit bevorzugt ein Verfahren, wobei wenigstens einer der Verarbeitungswerte (Kalman Filter oder Luenberger Beobachter, s. die Beschreibung unten), insbesondere für die Grössen für das Prozessrauschen Q und die Messunsicherheit R oder die Grössen A,B für die jeweilige Filterung der Daten aus der Odometrie und die Daten aus der Distanzmessung gegenüber den vorbestimmten Grund werten in Abhängigkeit von der Intensität der Eigenschaften verändert werden.

Darüber hinaus kann, wie oben erwähnt, der Fachmann natürlich auch einen Zustandsbe obachter mit einem anderen, geeigneten Algorithmus vorsehen, der die Odometriedaten und die Daten zum Fahrzeugstandort fusioniert, dabei erfindungsgemäss wenigstens einer der Ver arbeitungswerte für die Verarbeitung der Odometriedaten bzw. der Daten der Distanzmessung verändern, je nach Eigenschaften des vorbestimmten Pfads am bestimmten, aktuellen Stand ort, dynamisch anpassen.

Es ergibt sich zusammenfassend ein Verfahren zur Bewegung eines Fahrzeugs (1) entlang eines vorbestimmten Pfads (3), wobei zyklisch ein aktueller Standort auf dem vorbestimmten Pfad (3) sowie eine an diesem Standort vorhandene Fahrtrichtung (Q) des Fahrzeugs (1) durch die Fusion von Odometriedaten des Roboters (1) und Daten zum Fahrzeugstandort aus einer drahtlosen Distanzmessung durch einen Zustandsbeobacher Z bestimmt und danach aus dem erhaltenen Standort mit der erhaltenen Fahrtrichtung in einem Trajektorenregler eine Kurskorrektur für das Fahrzeug (1) bestimmt wird, dadurch gekennzeichnet, dass Verarbei tungswerte mit jeweils einem vorbestimmten Grundwert für einerseits der Verarbeitung der Odometriedaten und andererseits der Daten der Distanzmessung im Zustandsbeobachter Z vorgesehen werden, und wenigstens einer der Verarbeitungswerte gegenüber seinem vorbe stimmten Grundwert verändert wird, je nach Eigenschaften des vorbestimmten Pfads am be stimmten, aktuellen Standort.

Bei einer bevorzugten Ausführungsform ergibt sich ein Verfahren zur Bewegung eines Fahr zeugs 1 entlang eines vorbestimmten Pfads 3, wobei zyklisch ein aktueller Standort auf dem vorbestimmten Pfad (3) sowie eine an diesem Standort vorhandene Fahrtrichtung (Q) des Fahrzeugs (1) durch die Fusion von Odometriedaten des Roboters (1) und Daten zum Roboter standort aus einer drahtlosen Distanzmessung durch einen Kalman-Filter bestimmt und da nach aus dem erhaltenen Standort mit der erhaltenen Fahrtrichtung in einem Trajektorenreg ler eine Kurskorrektur für das Fahrzeug (1) bestimmt wird, und wobei im Kalman-Filter vorbe stimmte Grundwerte für die Grössen für ein Prozessrauschen Q der Odometriedaten und eine Messunsicherheit R der Daten aus der Distanzmessung verwendet werden, dadurch gekenn zeichnet, dass wenigstens einer der Werte für die Grössen für das Prozessrauschen Q und die Messunsicherheit R gegenüber den vorbestimmten Grundwerten verändert werden, je nach Eigenschaften des vorbestimmten Pfads am bestimmten, aktuellen Standort.

Weitere ergibt sich ein Fahrzeug (1) mit einer Antriebskonfiguration zur Fortbewegung auf dem Untergrund, Sensoren (21) für Odometriedaten aus der Bewegung von Rädern (15,15'), einer Lenkanordnung für die Änderung der Fortbewegungsrichtung des Roboters, einer Steu erung (22) für die Lenkanordnung und einer Empfangseinheit (19') für die Daten von Sendern für eine drahtlose Distanzmessung, wobei die Steuerung (22) ausgebildet ist, aus den Daten der Distanzmessung zyklisch eine Distanz des Fahrzeugs (1) zu einem Distanzmesspunkt zu be stimmen und durch einen Zustandsbeobachter Z mit den Odometriedaten zu fusionieren und dadurch einen aktuellen Standort und eine Fahrtrichtung (Q) des Fahrzeugs (1) zu bestimmen, dadurch gekennzeichnet, dass die Steuerung (22) weiter ausgebildet ist, vorbestimmte Grund werte für die Verarbeitung der Odometriedaten und der Daten der Distanzmessung des Zu standsbeobachters Z zu verändern, je nach den Eigenschaften des vorbestimmten Pfads am bestimmten, aktuellen Standort.

Bevorzugt ist eine Eigenschaft dadurch gegeben, ob der vorbestimmte Pfad am aktuellen Standort gerade oder gekrümmt ausgebildet ist.

Bevorzugt ergibt sich ein Fahrzeug 1 mit einer Antriebskonfiguration zur Fortbewegung auf dem Untergrund, Sensoren (21) für Odometriedaten aus der Bewegung von Rädern (15,15'), einer Lenkanordnung für die Änderung der Fortbewegungsrichtung des Roboters, einer Steu erung (22) für die Lenkanordnung und einer Empfangseinheit (19') für die Daten von Sendern für eine drahtlose Distanzmessung dadurch gekennzeichnet, die Steuerung (22) ausgebildet ist, aus den Daten der Distanzmessung zyklisch eine Distanz des Roboters (1) zu einem Distanz messpunkt zu bestimmen und durch einen Kalman-Filter mit den Odometriedaten zu fusionie ren und dadurch einen aktuellen Standort und eine Fahrtrichtung (Q) des Roboters (1) zu be stimmen, dadurch gekennzeichnet, dass die Steuerung (22) weiter ausgebildet ist, vorbe stimmte Grundwerte für die Grössen für das Prozessrauschen Q und die Messunsicherheit R des Kalman-Filters zu verändern, je nach den Eigenschaften des vorbestimmten Pfads am be stimmten, aktuellen Standort.