Bildergalerie
Bild 1: Die Infrastruktur in Smartphones für MAR-Anwendungen.
Bild 2: Blockschaltbild der Fußgänger-Koppelnavigation für mobile Geräte.

Mittlerweile ist es die Regel, dass Smartphones mit schnellen CPUs und Multitasking-Betriebssystemen, hochempfindlichen GPS-Empfängern, 3G/4G-Kommunikations-Chipsätzen, hochauflösenden digitalen Videokameras, LCD-Touchscreens und großzügig bemessenem Speicher ausgestattet sind. Die Verwendung der MEMS-Sensoren beschränkt sich deshalb nicht mehr auf das Drehen der Bildschirmdarstellung, Stromsparfunktionen, Bewegungserkennung, einen elektronischen Kompass und 3D-Spiele, sondern man entwickelt inzwischen auch anspruchsvollere Applikationen wie etwa Augmented Reality (AR), Location-Based Services (LBS) oder die Koppelnavigation für Fußgänger.

Der L3G3250A ist ein verlustleistungsarmer, dreiachsiger Drehwinkelsensor.

Der L3G3250A ist ein verlustleistungsarmer, dreiachsiger Drehwinkelsensor.STMicroelectronics

Augmented Reality

Es gibt seit einiger Zeit eine ganze Reihe erfolgreicher Augmented Reality-Anwendungen. Unter anderem können Fahrsicherheits-Applikationen im Auto Informationen über den Straßenzustand und andere Fahrzeuge in der Umgebung sammeln, aufbereiten und an die Windschutzscheibe projizieren. Eine weitere Anwendung sieht die Anzeige von Informationen zu einem Objekt (zum Beispiel einem Restaurant oder Supermarkt) auf dem Smartphone-Display vor, wenn die eingebaute Kamera auf dieses Objekt gerichtet wird und ihr Bild ebenfalls im Display erscheint. Auch das Auffinden beispielsweise der nächsten U-Bahn-Station in einer fremden Stadt ist auf diese Weise kein Problem mehr. Man dreht sich mit seinem Smartphone, dessen Kamerabild auf dem Display angezeigt wird, einmal um die eigene Achse und erhält – in das Bild eingeblendet – Anweisungen über die einzuschlagende Richtung.

Das hohe Entwicklungstempo bei den Smartphones macht Augmented Reality (AR) nunmehr auch für mobile Geräte interessant, und so entsteht das MAR-Segment (Mobile Augmented Reality). Bild 1 gibt einen Überblick über die entscheidenden Komponenten, die sich in Smartphones für MAR-Applikationen finden:

Die iNEMO Baureihe verbindet Beschleunigungsmesser, Gyroskop und Magnetometer mit Druck- und Temperatursensor.

Die iNEMO Baureihe verbindet Beschleunigungsmesser, Gyroskop und Magnetometer mit Druck- und Temperatursensor.STMicroelectronics

  • Die digitale Videokamera dient dazu, Informationen über die reale Umgebung zu streamen. Das erfasste Videobild kann außerdem auf dem Touchscreen wiedergegeben werden. Zurzeit finden sich in neuen Smartphones Bildsensoren mit einer Auflösung von 5 Megapixeln und mehr.
  • CPU, Mobil-Betriebssystem, Benutzeroberfläche und Software-Development-Kit bilden das Kernstück eines Smartphones. Eine mit 1 GHz oder mehr getaktete Dual-Core-CPU mit 512 MByte RAM und 32 GByte Massenspeicher-Kapazität ist in neuen Smartphones keine Seltenheit. Benutzeroberfläche und Software-Development-Kit (SDK) bieten den Entwicklern eine einfache Möglichkeit zum Aufrufen von APIs, die wiederum dem Zugriff auf Grafik, drahtlose Kommunikation, Datenbanken und die Rohdaten von MEMS-Sensoren dienen, ohne dass man hierzu bei der Applikationsentwicklung die dahinter verborgenen Details kennen muss.
  • Hochempfindliche GPS-Empfänger, A-GPS und DGPS dienen der Bestimmung des aktuellen Standorts des Anwenders mit Längen- und Breitengrad, sofern geeignete Satelliten in Sicht sind. In den vergangenen Jahren wurde viel Aufwand getrieben, um die GPS-Empfindlichkeit zu steigern und die Genauigkeit der Positionsbestimmung zu steigern, wenn in geschlossenen Räumen und innerstädtischen Straßenschluchten die Satellitensignale nur beeinträchtigt ankommen und es zu Fehlern durch Mehrwegempfang kommt.
  • Drahtlose Datenübertragung per GSM/GPRS, WiFi, Bluetooth und RFID haben den Hauptzweck der drahtlosen Verbindung ins Internet, um aus einer Online-Datenbank Informationen über das Objekt in der Nähe des aktuellen Standorts abzurufen und Grobinformationen über die Position zu bekommen, wenn noch kein GPS-Fix vorliegt oder kein GPS verfügbar ist. Weitere Kurzstrecken-Funkverbindungen wie WLAN, Bluetooth und RFID können ebenfalls mit hinreichender Genauigkeit für die Indoor-Positionsbestimmung verwendet werden, wenn die Sender zuvor installiert wurden.
  • In der lokalen oder per Internet zugänglichen Datenbank befinden sich virtuelle Objektinformationen, die in das Videobild der realen Umgebung eingeblendet werden. Wird das Objekt mit der aktuellen Position und Blickrichtung abgeglichen, können seine Informationen aus einer lokalen Datenbank oder einem Online-Datenbestand abgerufen werden. Klickt der Anwender dann auf den Hyperlink oder das Icon auf dem Touchscreen, erhält er genauere Angaben zum Objekt.
  • LCD-Touchscreen mit digitaler Kartendarstellung dient der Darstellung einer hochauflösenden Benutzeroberfläche, die das Videobild der Realität durch virtuelle objektspezifische Informationen aufwertet. Mithilfe der digitalen Landkarte erfährt der Anwender seinen aktuellen Standort mitsamt den Straßennamen, ohne dass er dazu eine besondere Brille aufsetzen muss.
  • Bei MEMS-Sensoren (Beschleunigungssensoren, Magnetometer, Gyroskope und Drucksensoren) handelt es sich um eigenständige Bauelemente, die sich jederzeit und überall einsetzen lassen. Wegen ihres günstigen Preises, ihrer kleinen Abmessungen, ihres geringen Gewichts, ihrer geringen Leistungsaufnahme und ihrer hohen Leistungsfähigkeit haben sie es in Koppelnavigations-Applikationen für Fußgänger zu großer Verbreitung gebracht. In Verbindung mit einem GPS-Empfänger dienen sie hier zur Ermittlung von Position und Richtung in geschlossenen Räumen und unter freiem Himmel.

Position und Richtung in geschlossenen Räumen

Viele Smartphones sind mit einem eingebauten GPS-Empfänger ausgerüstet, der sich ausgezeichnet bewährt, wenn in Outdoor-Applikationen Position und Fahrtrichtung ermittelt und auf einer digitalen Karte angezeigt werden sollen. In geschlossenen Räumen und Straßenschluchten in Innenstädten dagegen versagen diese Empfänger meist, und selbst unter freiem Himmel liefert die GPS-Technik keine präzise Richtungs  und Kursinformationen, solange sich das Auto bzw. die Person nicht bewegt. Geringfügige Höhenänderungen werden per GPS ebenfalls nicht erkannt. Ebenso ist die GPS-Funktion mit einer einzelnen Antenne nicht in der Lage, einem mobilen Anwender oder Fahrzeug Lageinformationen bezüglich der Längs-, Hoch- oder Querachse zu liefern. Mithilfe von DGPS (Differential GPS) lässt sich die Position dagegen bis auf wenige Zentimeter genau ermitteln. Voraussetzung hierfür ist ein zweiter GPS-Empfänger als Basisstation, der den mobilen GPS-Empfängern in der Umgebung Korrekturdaten zusendet und ihnen damit eine exaktere Positionsbestimmung ermöglicht.

Jederzeit und überall präzise Positions- und Richtungsinformationen

Um mit der Indoor-Koppelnavigation einen Positionsfehler von 5 % einzuhalten, sind MEMS-Sensorfusions-Algorithmen erforderlich, die die Schwächen der einzelnen Sensoren kompensieren. Angesichts der stetig wachsenden Leistungsfähigkeit der MEMS-Sensoren ist zu erwarten, dass benutzerunabhängige integrierte GPS/SINS-Navigationssysteme in Smartphones schon in naher Zukunft die Regel sein werden.

Auf ähnliche Weise kann A-GPS (Assisted GPS) Hilfestellung bei der Indoor-Positionsermittlung leisten, allerdings ist es oft dennoch nicht möglich, die genaue Position in einem angemessenen Zeitrahmen zu bestimmen. Sind mindestens drei GPS-Antennen vorhanden, kann die GPS-Funktion eine Lageinformation liefern, selbst wenn sich der mobile Anwender nicht bewegt. Mehrere GPS-Antennen in einem Smartphone unterzubringen, ist allerdings derzeit noch nicht möglich. All dies hat zur Folge, dass ein nur mit GPS ausgestattetes Smartphone dem mobilen Anwender keine präzisen Positions- und Lageinformationen geben kann. Eigenständige MEMS-Sensoren sind jedoch hervorragend geeignet, der GPS-Funktion integrierter Navigationssysteme bei Location-Based Services im Innen- und Außenbereich zu assistieren.

Moderne GPS-Empfänger erreichen bei freier Sicht auf die Satelliten eine absolute Positionsgenauigkeit von 3 bis 20 m und es kommt zu keiner zeitlichen Drift. So genannte Strapdown Inertial Navigation Systems (SINS; sinngemäß: fest angebrachte Trägheits-Navigationssysteme) können zwar in kurzer Zeit präzise Positionsinformationen liefern, jedoch kommt es bei ihnen, abhängig von der Leistungsfähigkeit der Bewegungssensoren, rasch zu einer zeitlichen Drift. Die Fußgänger-Koppelnavigation wiederum ist ein relatives Verfahren für die Indoor-Navigation, das – ausgehend von einer Startposition – anhand von Schrittlänge und Richtung die zurückgelegte Strecke errechnet. Die Positionsgenauigkeit unterliegt keiner zeitlichen Drift, aber die Herausforderung besteht darin, in einer von magnetischen Störfeldern geprägten Umgebung die Genauigkeit der Kursinformation zu wahren. Überdies ist ein Kalibrieren der Schrittlänge mithilfe der GPS-Funktion erforderlich, damit eine hinreichend genaue Positionsbestimmung möglich ist.

Auf Basis der SINS-Theorie werden Trägheitssensoren (3-Achsen-Beschleunigungssensoren und 3-Achsen-Gyroskope) nach der Stabilität ihrer Bias- und Skalenfaktorwerte in die Kategorien Navigation Grade, Tactical Grade und Commercial Grade eingeteilt. Der horizontale Positionsfehler, der sich mit nicht unterstützten Beschleunigungssensoren bzw. Gyroskopen ergibt, lässt sich mit den beiden folgenden Gleichungen berechnen. Positionsfehler durch Beschleunigungssensor:

  • PE_ACC = ½ ACC_bias T2

Darin ist ACC_bias die Langzeit-Bias-Stabilität des Beschleunigungssensors, angegeben in mg (g = 9,81 m/s2), T die Zeitdauer für die doppelte Integration (in s), PE_ACC der Positionsfehler durch ACC_bias (in m).

Positionsfehler durch Gyroskop:

  • PE_GYRO = 1/6 g GYRO_bias T3

Darin ist g die Erdbeschleunigung von 9,81 m/s2, GYRO_bias die Langzeit-Bias-Stabilität des Gyroskops (Einheit: rad/s), T die Zeitdauer für die doppelte Integration in s und PE_GYRO der Positionsfehler durch GYRO_bias in m.

Mit den beiden obigen Gleichungen ist es möglich, die typische Leistungsfähigkeit der Trägheitssensoren und den Positionsfehler zu berechnen, der aus der Langzeit-Bias-Stabilität der Sensoren resultiert. Bei Integration mit einer GPS-Einheit nehmen diese Fehler mit der Zeit nicht zu. In den Berechnungen sollten darüber hinaus auch weitere Fehlerquellen wie beispielsweise Ausrichtungsfehler, Nichtlinearitäten und Temperatureffekte berücksichtigt werden, die zusätzliche Positionsfehler hervorrufen können.

Jüngste Fortschritte in der MEMS-Technik im Allgemeinen sowie bei den MEMS-basierten Beschleunigungsaufnehmern und Gyroskopen im Besonderen haben die Leistungsfähigkeit ständig verbessert und dafür gesorgt, dass sich die Sensoren immer mehr dem Niveau der Tactical-Grade-Bauelemente annähern. Nicht unterstützte Beschleunigungssensoren und Gyroskope können in einer kurzen Zeitspanne von beispielsweise einer Minute relativ exakte Positionsmessungen vornehmen. Dies ist sinnvoll für die Implementierung integrierter GPS/SINS-Navigationssysteme für Zeiten, in denen kein GPS-Signal verfügbar ist. Im Bereich der Consumer-Elektronik werden für die Fußgänger-Koppelnavigation in geschlossenen Räumen üblicherweise 5 % Fehler bei der Ermittlung der zurückgelegten Wegstrecke als akzeptabel angesehen. Der Fehler sollte also nach 100 m nicht größer als 5 m sein. Voraussetzung hierfür ist ein Kursfehler von ±2° bis ±5°. Beträgt der Kursfehler beispielsweise 2°, ergibt sich nach einer Wegstrecke von 100 m ein Positionsfehler von 3,5 m (nämlich 2 x 100 m x sin (2°/2).

MEMS-Drucksensoren sind darüber hinaus in der Lage, den absoluten Luftdruck bezogen auf Seehöhe zu messen. Die Höhe, in der sich ein mobiler Benutzer befindet, kann zwischen 600 m unter dem Meeresspiegel bis 9000 m ü. d. M. ermittelt werden, um die Höhenmessung per GPS zu unterstützen. Bild 2 zeigt ein Blockschaltbild der Fußgänger-Koppelnavigation mit MEMS-Sensoren und GPS-Funktion.

MEMS-Sensorfusion

Die MEMS-Sensorfusion besteht aus einer Reihe digitaler Filteralgorithmen mit dem Ziel, die Schwachstellen der einzelnen Sensoren zu kompensieren und präzise, dynamische Lageinformationen bezüglich der Längs-, Hoch- und Querachse auszugeben. Die Sensorfusion nimmt die Rohdaten der einzelnen Sensoren entgegen und verarbeitet diese mithilfe digitaler Filteralgorithmen so, dass sich die Sensoren gegenseitig kompensieren und unter dem Strich dynamische Lageinformationen entstehen. Die Lage- und Richtungsinformationen sind deshalb immun gegen magnetische Beeinflussungen und die Bias-Drift des Gyroskops.

Ein neigungskompensierter elektronischer Kompass, bestehend aus einem 3-Achsen-Beschleunigungssensor und einem 3-Achsen-Magnetometer, kann den Kurs bezogen auf den magnetischen Nordpol der Erde angeben, jedoch ist die Information anfällig gegen magnetische Störbeeinflussungen aus der Umgebung. Nimmt man noch ein 3-Achsen-Gyroskop hinzu, entsteht eine 9-Achsen-Sensorfusionslösung mit der Fähigkeit, jederzeit und überall eine präzise Kursinformation zu liefern.

Beim Design eines Systems aus Beschleunigungssensor, Gyroskop, Magnetometer und Drucksensor kommt es darauf an, die Stärken und Schwächen der einzelnen MEMS-Sensoren zu kennen.

Das Kalman-Filter erscheint heute als das gängigste mathematische Instrument zum Zusammenführen (Fusionieren) von Informationen aus verschiedenen Sensoren. Die Daten der einzelnen Sensoren werden jeweils dort am höchsten gewichtet, wo sie ihre Stärken haben. Auf diese Weise ergeben sich präzisere und stabilere Schätzwerte als mit einem System, das sich nur auf ein Medium stützt.

Quaternion-basierte Extended-Kalman-Filter (EKF) sind ein verbreitet angewandtes Verfahren für die Sensorfusion, da ein Quaternion nur vier Elemente enthält, während es bei einer Drehmatrix neun Elemente sind. Außerdem kann es das Singularitätsproblem vermeiden, das bei der Drehmatrix auftritt.