Mähroboter-Navigation von Begrenzungskabel über RTK und LiDAR bis zur Sensorfusion

Die Entwicklung der Mähroboter-Navigation: Vom Begrenzungskabel zur Sensorfusion

Vom Begrenzungskabel zur Sensorfusion

Die Navigation von Mährobotern hat sich in den vergangenen Jahren stark weiterentwickelt.

Während klassische Geräte mit einem Begrenzungskabel arbeiteten, setzen moderne Systeme zunehmend auf eine Kombination aus Satellitennavigation, Bewegungssensoren, Kameras, LiDAR und weiteren Technologien.

Dabei verlief die Entwicklung nicht bei allen Herstellern nach einem einheitlichen Stufenmodell.

Vielmehr wurden verschiedene Technologien parallel entwickelt und eingesetzt, um unterschiedliche Aufgaben zu lösen: die eigene Position bestimmen, Bewegungen erfassen, die Umgebung erkennen und Hindernisse wahrnehmen.

Heute geht es deshalb nicht mehr nur um die Frage:

Wo darf der Mähroboter fahren?

Sondern zunehmend auch um:

Wo befindet er sich, was befindet sich in seiner Umgebung und wie kann er sich dort zuverlässig bewegen?

1. Das Begrenzungskabel – die klassische Orientierung

Bei klassischen Mährobotern wird die Arbeitsfläche durch ein Begrenzungskabel definiert.

Das Kabel wird entlang der gewünschten Rasenfläche verlegt. Der Mähroboter erkennt das vom Kabel erzeugte Signal und kann dadurch feststellen, wo die Grenze seines Arbeitsbereichs liegt.

Das Prinzip ist vergleichsweise einfach und hat einen entscheidenden Vorteil:

Die Arbeitsfläche ist eindeutig definiert.

Doch die Installation des Kabels kann aufwendig sein. Veränderungen im Garten erfordern unter Umständen Anpassungen, und ein beschädigtes Kabel kann den Betrieb beeinträchtigen.

Außerdem liefert das Begrenzungskabel vor allem eine Information über die zulässige Arbeitsfläche.

Es ist jedoch keine vollständige Umgebungskarte und sagt dem Roboter nicht automatisch, welche Objekte sich innerhalb dieser Fläche befinden.

Damit entsteht ein grundlegender Unterschied zu modernen Navigationssystemen:

Das Begrenzungskabel definiert die Grenze – es beschreibt nicht die gesamte Umgebung.

2. GNSS und RTK – die Position wird digital

Eine wichtige Entwicklung war die Nutzung satellitengestützter Positionierung.

Dabei muss zunächst zwischen den Begriffen unterschieden werden:

GNSS ist der Oberbegriff für globale Satellitennavigationssysteme.

Dazu gehören beispielsweise:

  • GPS
  • Galileo
  • GLONASS
  • BeiDou

GPS ist also nur ein Teil von GNSS.

Für Mähroboter ist vor allem interessant, dass GNSS eine Möglichkeit bietet, die eigene Position ohne ein physisches Begrenzungskabel zu bestimmen.

Noch präziser kann die Position mit RTK bestimmt werden.

RTK steht für Real Time Kinematic und nutzt zusätzliche Korrekturdaten, um Positionsabweichungen deutlich zu reduzieren.

Unter geeigneten Bedingungen kann damit eine sehr hohe Positionsgenauigkeit erreicht werden.

Dadurch wird es möglich, Arbeitsbereiche digital zu definieren und Fahrwege wesentlich präziser zu planen.

Der entscheidende Wandel lautet:

Die Grenze muss nicht mehr zwingend physisch vorhanden sein – sie kann digital definiert werden.

👉 Mehr dazu erfahren Sie in unserem Artikel “GPS vs GNSS"

3. Die Grenzen satellitengestützter Navigation

GNSS und RTK sind jedoch nicht unter allen Bedingungen gleich zuverlässig.

Ein Garten ist schließlich keine freie Fläche mit uneingeschränkter Sicht zum Himmel.

Probleme können beispielsweise entstehen durch:

  • dichte Baumkronen
  • Gebäude
  • hohe Hecken
  • Überdachungen
  • enge Bereiche zwischen Gebäuden
  • Reflexionen von Satellitensignalen

Solche Bedingungen können den Empfang beeinflussen oder die Positionsbestimmung erschweren.

Wie ein konkreter Mähroboter mit einer vorübergehend schlechteren oder fehlerhaften RTK-Position umgeht, hängt vom jeweiligen Hersteller und Modell ab.

Ein System kann beispielsweise zusätzliche Sensoren nutzen, die Geschwindigkeit reduzieren, die Position weiter schätzen oder in bestimmten Situationen anhalten.

Damit wird deutlich:

Eine präzise Satellitenposition ist wertvoll – aber sie kann nicht jede Situation allein lösen.

Und genau hier kommen weitere Sensoren ins Spiel.

👉 Mehr dazu erfahren Sie in unserem Artikel "Was ist RTK bei Mährobotern?"

4. Odometrie und IMU – Bewegung erfassen

Eine wichtige Ergänzung zur absoluten Positionsbestimmung sind Odometrie und Inertialsensoren.

Odometrie

Die Odometrie beschreibt die Bewegung des Roboters anhand seiner eigenen Bewegungsdaten, beispielsweise über Radencoder.

IMU

Eine IMU (Inertial Measurement Unit) erfasst Bewegungs- und Orientierungsinformationen, typischerweise mithilfe von Beschleunigungssensoren und Gyroskopen.

Beide Systeme liefern vor allem Informationen über die relative Bewegung.

Vereinfacht gesagt kann der Roboter damit abschätzen:

„Ich war gerade hier und habe mich seitdem so und so weit bewegt.“

Das kann kurzfristig helfen, wenn eine absolute Positionsquelle weniger zuverlässig ist.

Allerdings können sich dabei Fehler aufbauen.

Unebenheiten oder andere Abweichungen führen dazu, dass die berechnete Bewegung nicht dauerhaft perfekt mit der tatsächlichen Position übereinstimmt.

Deshalb können Odometrie und IMU eine wichtige Ergänzung sein, ersetzen aber nicht automatisch eine absolute Positionsinformation.

5. Kameras werden zu Navigationssensoren

Eine weitere wichtige Entwicklung ist der Einsatz von Kameras.

Zunächst wurden Kameras beispielsweise eingesetzt, um Hindernisse zu erkennen.

Doch kamerabasierte Systeme können wesentlich mehr Informationen liefern.

Je nach System können Kameras beispielsweise eingesetzt werden für:

  • Hinderniserkennung
  • Objekterkennung
  • Erkennung von Rasen- und Nicht-Rasenflächen
  • visuelle Bewegungsschätzung
  • Orientierung anhand visueller Merkmale
  • Unterstützung bei der Kartierung

Damit bekommt der Mähroboter eine völlig andere Art von Information.

Während RTK beispielsweise Informationen darüber liefert, wo sich der Roboter befindet, kann eine Kamera Informationen darüber liefern, was der Roboter sieht.

Wichtig ist dabei:

Eine Kamera bedeutet nicht automatisch vSLAM.

Kamerabasierte Navigation kann aus unterschiedlichen Verfahren bestehen.

6. Von Computer Vision zu vSLAM

Eine spezielle Form der visuellen Navigation ist vSLAM – Visual Simultaneous Localization and Mapping.

Dabei werden visuelle Informationen genutzt, um die Umgebung zu erfassen und gleichzeitig die eigene Position innerhalb dieser Umgebung zu bestimmen.

Der Roboter kann beispielsweise markante Merkmale erkennen und diese für seine Orientierung verwenden.

Vereinfacht gesagt geht es um zwei Fragen:

Wo bin ich?

und

Wie sieht die Umgebung aus?

Damit wird die Kamera von einem reinen Beobachtungssensor zu einem möglichen Bestandteil der Navigation.

Aber auch hier gilt: Nicht jedes kamerabasierte System arbeitet automatisch mit vollständigem vSLAM. Die konkrete Umsetzung hängt von der jeweiligen Hard- und Software ab.

7. LiDAR – räumliche Informationen per Laser

Eine weitere Technologie für die Umgebungserfassung ist LiDAR.

LiDAR arbeitet mit Laserimpulsen und misst Entfernungen zu Objekten.

Aus vielen einzelnen Messungen können räumliche Informationen über die Umgebung entstehen. Eine mögliche Darstellung dieser Daten ist eine 3D-Punktwolke.

LiDAR kann beispielsweise Informationen liefern für:

  • Hinderniserkennung
  • räumliche Umgebungserfassung
  • Kartierung
  • Lokalisierung

Damit unterscheidet sich LiDAR deutlich von einer klassischen Kamera.

Vereinfacht gesagt:

Kamera:
„Welche visuellen Merkmale erkenne ich?“

LiDAR:
„Welche Entfernungen und räumlichen Strukturen kann ich messen?“

Wie gut LiDAR eingesetzt werden kann, hängt dabei vom jeweiligen Sensor, der Software und der Umgebung ab.

Eine Punktwolke ist eine mögliche Darstellung der Messdaten – aber nicht die einzige Art, wie ein System LiDAR-Informationen verarbeitet.

👉 Mehr dazu erfahren Sie in unserem Artikel "LiDar vs. vSLAM bei Mährobotern"

8. Warum mehrere Sensoren sinnvoll sind

Bis hierhin wird ein entscheidender Punkt sichtbar:

Jede Technologie hat ihre eigenen Stärken und Grenzen.

GNSS / RTK

Stärke:
präzise absolute Positionsbestimmung unter geeigneten Bedingungen.

Grenzen:
Abschattung, Reflexionen und schwierige Empfangsbedingungen können die Positionierung beeinflussen.

Kamera / vSLAM

Stärke:
visuelle Merkmale und Umgebungsinformationen.

Grenzen:
Die Qualität der visuellen Informationen hängt unter anderem von den Umgebungsbedingungen und der konkreten Systemauslegung ab.

LiDAR

Stärke:
Entfernungen und räumliche Strukturen.

Grenzen:
Die Nutzung der Messdaten hängt vom Sensor, der Software und der jeweiligen Umgebung ab.

IMU / Odometrie

Stärke:
Informationen über Bewegung und Orientierung.

Grenzen:
Positionsfehler können sich ohne regelmäßige Korrektur aufbauen.

Damit liegt ein naheliegender Gedanke auf der Hand:

Warum sollte ein Mähroboter sich auf nur eine Informationsquelle verlassen, wenn mehrere Sensoren unterschiedliche Stärken besitzen?

9. Mehrfachsensorik: Verschiedene Systeme arbeiten zusammen

In modernen Navigationssystemen werden deshalb zunehmend mehrere Sensoren kombiniert.

Mögliche Kombinationen sind beispielsweise:

RTK + Kamera

oder

Kamera + Odometrie

oder

LiDAR + IMU

oder auch komplexere Kombinationen aus mehreren Sensoren.

Dabei ist allerdings ein wichtiger Unterschied zu beachten:

Mehrere Sensoren bedeuten nicht automatisch Sensorfusion.

Ein Sensor kann beispielsweise lediglich als zusätzliche Informationsquelle oder Absicherung dienen.

Bei einer echten Sensorfusion werden die Informationen verschiedener Sensoren gezielt zusammengeführt und gemeinsam für die Navigation ausgewertet.

Wie genau das geschieht, hängt von der jeweiligen Systemarchitektur ab.

10. Sensorfusion – aus mehreren Informationen entsteht ein Gesamtbild

Bei der Sensorfusion werden unterschiedliche Sensordaten miteinander kombiniert.

Ein Navigationssystem kann beispielsweise Informationen erhalten von:

GNSS / RTK
→ Wo bin ich?

IMU / Odometrie
→ Wie bewege ich mich?

LiDAR
→ Was befindet sich räumlich um mich herum?

Kamera / vSLAM
→ Welche visuellen Merkmale erkenne ich?

Jeder Sensor liefert damit einen anderen Teil des Gesamtbildes.

Das Ziel ist nicht, dass ein einzelner Sensor alles können muss.

Vielmehr sollen die verschiedenen Informationsquellen ihre jeweiligen Stärken einbringen.

Aus mehreren einzelnen Informationen entsteht ein möglichst konsistentes Lagebild der Umgebung.

Das ist einer der entscheidenden Gedanken hinter moderner Mähroboter-Navigation.

👉 Mehr dazu erfahren Sie in unserem Artikel "Was ist Sensorfusion bei Mährobotern?"

11. Ein Beispiel: Warum Sensorfusion sinnvoll ist

Stellen wir uns einen Mähroboter vor, der über eine offene Rasenfläche fährt.

Unter diesen Bedingungen kann RTK eine wichtige und präzise Positionsinformation liefern.

Nun fährt der Roboter unter einen großen Baum.

Die Bedingungen für den Satellitenempfang können sich verändern.

Bei einem System, das beispielsweise RTK, Kamera und Bewegungssensorik kombiniert, können nun zusätzliche Informationsquellen genutzt werden.

IMU und Odometrie liefern Informationen über die Bewegung.

Die Kamera kann visuelle Merkmale der Umgebung erfassen.

LiDAR, sofern vorhanden, kann zusätzliche Informationen über Entfernungen und räumliche Strukturen liefern.

Damit stehen dem Navigationssystem mehrere Informationsquellen zur Verfügung.

Wichtig ist jedoch:

Wie der Mähroboter in einer solchen Situation tatsächlich reagiert, hängt vom jeweiligen Modell und dessen Software ab.

Ein System kann weiterfahren, seine Geschwindigkeit reduzieren, die Position anders bewerten oder anhalten.

Genau darin liegt die Stärke eines Mehrfachsensor-Systems:

Nicht jeder Sensor muss unter allen Bedingungen perfekt funktionieren. Die unterschiedlichen Informationsquellen können sich gegenseitig ergänzen.

Fazit: Vom Begrenzungskabel zum gemeinsamen Lagebild

Die Entwicklung der Mähroboter-Navigation lässt sich nicht als eine einfache, für alle Hersteller gültige Abfolge von Begrenzungskabel → RTK → Kamera → LiDAR → Sensorfusion darstellen.

Vielmehr wurden verschiedene Technologien entwickelt, die unterschiedliche Aufgaben lösen:

Begrenzungskabel
→ definiert die zulässige Arbeitsfläche

GNSS / RTK
→ bestimmt die Position

Odometrie / IMU
→ erfassen Bewegung und Orientierung

Kamera / Computer Vision
→ liefert visuelle Informationen

vSLAM
→ kann visuelle Informationen zur Lokalisierung und Kartierung nutzen

LiDAR
→ erfasst Entfernungen und räumliche Strukturen

Sensorfusion
→ kombiniert Informationen verschiedener Sensoren

Der entscheidende Wandel besteht deshalb nicht darin, dass eine Technologie einfach die vorherige ersetzt.

Vielmehr geht die Entwicklung zunehmend dahin, verschiedene Informationsquellen miteinander zu kombinieren.

Aus der ursprünglichen Frage

„Wo ist die Grenze?“

wurde:

„Wo bin ich?“

und zunehmend:

„Was befindet sich um mich herum und wie kann ich mich dort zuverlässig bewegen?“

Damit wird aus der einfachen Begrenzung eines Mähbereichs Schritt für Schritt ein komplexeres Navigationssystem, das verschiedene Sensoren und Informationen miteinander verbindet.

Und genau hier beginnt das Thema Sensorfusion.

Weiterführende Artikel

Wenn Sie mehr über die einzelnen Navigationstechnologien erfahren möchten, empfehlen wir diese Beiträge:

Zurück zum Blog

Hinterlasse einen Kommentar

Bitte beachte, dass Kommentare vor der Veröffentlichung freigegeben werden müssen.