MagSLAM

Autonomous Guided Vehicles (AGV) worden hedendaags breed toegepast in verschillende sectoren als agri,
logistiek en zorg. De taken die AGV’s verrichten zijn veelal gericht op het indoor transporteren van goederen
en vereisen daarom een precieze en robuuste locatiebepaling.
Indoor lokalisatie is een ‘key-technology’ daar het in allerlei toepassingsgebieden een fundamentele rol speelt.
Tot op heden is er geen algemeen toepasbare techniek voorhanden en is het noodzakelijk om de omgeving
uit te rusten met een op maat gemaakt lokalisatiesysteem wat duur, tijdrovend en inflexibel is.
Een veelbelovende techniek is Magnetic-Simulataneous-Localisation-And-Mapping (MagSLAM). Deze
techniek is berust op een verstoord aardmagnetisch veld door de aanwezigheid van vele ‘indoor’
ferromagnetische structuren. Deze verstoringen zijn specifiek voor de plek binnen het gebouw en zodoende
als informatiebron gezien kunnen worden. Deze wijze biedt een aantal fundamentele voordelen ten opzichte
van camera, radio of tag gebaseerde lokalisatiesystemen.
Het doel van dit KIEM-project is een onderzoek naar de vraag in hoeverre we het magnetisch veld als
informatieprovider kunnen gebruiken om het lokalisatievraagstuk voor AGV’s te kunnen helpen. De
belangrijkste onderzoekvraag daarbij is
“Hoe kunnen we de MagSLAM-technologie opwerken en inpassen in een AGV-systeem?”
Daarbij rekening houdend met uitdagingen als kalibratie, fusie van sensordata (bijvoorbeeld odometrie) en het
robuust zijn voor grote inductiestromen (bijvoorbeeld motoren en laadcircuits).
Saxion en haar partners zetten zich de komende jaren in op de sleuteltechnologieën voor robotica als
perception, navigation, cognition en artificial-intelligence welke allen integraal onderdeel vormen in dit KIEM
project.
Het project zal uit 4 fases bestaan: allereerst een inventarisatie van huidige MagSLAM-algoritmiek en AGVpositioneringssystemen (IST), een systeem- en gebruikerseisen onderzoek (SOLL) en tenslotte een analyse
om de technologie op te werken en te passen (GAP).