Open Source Robotics

精選高品質的開源機器人專案、工具與軟體,推動機器人社群向前發展。

Ground-Penetrating Radar

  • 又稱: GPR, georadar, subsurface radar
  • 類別: Sensing › Exteroceptive
  • 標籤: radar, subsurface-sensing, localization, inspection, field-robotics

一種向地下發送無線電脈衝、記錄來自地下層與埋設物的反射,並產生地下影像的感測器;在機器人學中用於檢測與定位。

定義

透地雷達(GPR)(Ground-penetrating radar)透過一支貼近地表的天線,向地下發射頻率從數十 MHz 到幾 GHz 的短電磁脈衝。凡是材料電性改變之處(在土層、管線、空洞、鋼筋或岩石處),部分能量就會反射回接收天線。在單一位置的紀錄是一條一維波形,稱為軌跡(trace)或 A-scan,呈現反射強度隨雙程走時的變化。沿著一條測線移動天線,並把各條軌跡並排,就得到 B-scan,也就是沿路徑的地下二維影像;由多條測線構成的網格可以合成 3D 資料體。

判讀 GPR 資料需要審慎。唯有知道波在材料中的速度,走時才能換算成深度,而波速取決於介電係數,介電係數又會隨含水量與土壤類型而改變。小型埋設物在 B-scan 中呈現為一條雙曲線,因為天線在恰好通過其正上方之前與之後都會偵測到它;擬合雙曲線的形狀,可以同時求得物體位置與波速。較低的頻率穿透較深,但能解析的細節較少,而濕黏土或含鹽土壤等導電地層會快速吸收訊號,限制探測深度。

在機器人學中,GPR 扮演兩種角色。作為檢測酬載,它讓機器人能繪製混凝土中的鋼筋分布、偵測路面下的空洞、定位地下管線,或搜尋地雷。作為定位感測器,它利用了地下結構獨特且隨時間穩定、不受積雪、降雨、光照或地面上變化影響的特性:車輛先記錄一條路線的 GPR 地圖,之後再將即時的軌跡與之比對。MIT 林肯實驗室開發的定位用透地雷達(LGPR)已在道路車輛上展示了這一點,後續研究則學習 GPR 資料的編碼,以便在因子圖中進行比對。作為雷達的 GPR 不應與高斯過程迴歸混淆,後者是縮寫相同的一種機器學習方法。

為何重要

GPR 讓機器人看見地表以下,這是相機與光達做不到的。在檢測方面,它讓機器人成為基礎設施評估的工具;在導航方面,它提供一種定位訊號,即使地表外觀改變或天氣讓其他感測器失靈,仍能持續運作。

主要應用

  • 對照先驗地下地圖進行車輛定位
  • 以機器人檢測橋面板、隧道與混凝土中的鋼筋與空洞
  • 在開挖前偵測管線與電纜
  • 地雷與未爆彈偵測
  • 行星探測車的地下探測
  • 考古與地質調查

實際應用

一輛研究車輛在底盤下方安裝 GPR 陣列,沿一條路線行駛,同時記錄軌跡資料與精確的姿態,以建立先驗地圖。之後的行駛中,系統把即時 GPR 資料的短時間視窗編碼,並與地圖比較以產生位置量測,這些量測與里程計因子及 IMU 預積分因子一起進入因子圖。工程師維持天線高度一致,在比對前從每條軌跡中去除發射端直達接收端的訊號與地表反射,並檢查降雨改變土壤含水量後訊號會偏移多少。

常見誤解

  • GPR 能拍出地下埋藏物的照片 — 它記錄的是隨時間變化的反射;深度與形狀必須推斷,雙曲線、多重反射與雜訊都需要判讀
  • 深度可以直接從資料讀出 — 把走時換算成深度需要波速,而波速會隨土壤類型與含水量而變
  • GPR 在任何地層中的效果都一樣 — 濕黏土等導電土壤會吸收訊號,可能讓穿透深度變得極小
  • 機器人論文中的 GPR 一定是指雷達 — 同一個縮寫也用於高斯過程迴歸,這是一種無關的學習方法

誰需要了解

  • 野外與基礎設施檢測機器人工程師
  • 自駕車定位研究人員
  • 與機器人合作的地球物理與測量工程師
  • 行星探測車的科學家與工程師

相關技術

  • 定位用透地雷達(Localizing Ground-Penetrating Radar,LGPR)
  • 超寬頻雷達(Ultra-Wideband Radar)
  • 電磁感應感測器(Electromagnetic Induction Sensors)
  • 偏移成像(Migration Imaging)
  • 因子圖定位(Factor Graph Localization)

相關術語

  • Factor Graph
  • IMU Preintegration
  • Sensor Fusion
  • Odometry
  • Gaussian process regression

相關專案

  • Cartographer: Google's real-time 2D and 3D SLAM system for multi-platform robotics
  • OpenDroneMap: Open-source photogrammetry toolkit that turns drone images into maps and 3D models
  • Nav2: ROS 2 navigation stack with path planning and obstacle avoidance for mobile robots
  • AprilTag: The standard visual fiducial marker system for robot localization and pose estimation
  • GLIM: GPU-accelerated 3D lidar SLAM framework for any range sensor, from AIST
  • M2DGR: Multi-modal, multi-scenario SLAM dataset recorded by a ground robot (RA-L 2022)

影片

  • How ground-penetrating radar works: CBC News

本網站需要 JavaScript 才能正常運作。請啟用 JavaScript 以瀏覽我們的開源機器人專案。