Ce este SLAM? Cum știu autovehiculele unde se află

Publicitate

Localizarea și maparea simultană (SLAM) nu este probabil o expresie pe care o utilizați zilnic. Cu toate acestea, multe dintre cele mai recente minunate tehnologii cool folosesc acest proces la fiecare milisecundă a vieții lor.

Ce este SLAM? De ce avem nevoie? Și despre ce tehnologii frumoase vorbești?

De la acronim la idee abstractă

Iată un joc rapid pentru tine. Care dintre acestea nu aparține?

• Mașini cu autovehicul
• Aplicații cu realitate augmentată
• Vehicule aeriene și subacvatice autonome
• Purtări de realitate mixtă
• Roomba

Puteți crede că răspunsul este cu ușurință ultimul element din listă. Într-un fel, ai dreptate. Într-un alt mod, acesta a fost un joc truc, deoarece toate acele elemente sunt legate.

Adevărata întrebare a jocului (foarte fain) este aceasta: Ce face posibilă toate aceste tehnologii? Răspunsul: localizare și mapare simultană sau SLAM! cum o spun copiii mișto.

Într-un sens general, scopul algoritmilor SLAM este destul de ușor de iterat. Un robot va folosi localizarea și maparea simultană pentru a-și estima poziția și orientarea (sau poza) în spațiu în timp ce creează o hartă a mediului său. Acest lucru permite robotului să identifice unde se află și cum să se deplaseze printr-un spațiu necunoscut.

Prin urmare, da, adică tot acest algoritm fantezie-smancy este poziția estimării. O altă tehnologie populară, Sistem de poziționare globală (sau GPS) Cum funcționează urmărirea GPS și ce poți urmări cu acesta?GPS. O cunoaștem ca tehnologia care ne ghidează de la A la B. Dar GPS-ul este mai mult decât atât. Există o lume de posibilități și nu vrem să pierdeți. Citeste mai mult a estimat poziția de la primul război din Golful anilor ’90.

Diferențierea dintre SLAM și GPS

Atunci de ce este nevoie de un nou algoritm? GPS-ul are două probleme inerente. În primul rând, în timp ce GPS-ul este exact în raport cu o scară globală, atât precizia cât și precizia diminuează scala în raport cu o cameră, sau o masă sau o mică intersecție. GPS-ul are precizie până la un metru, dar ce este centimetrul? Milimetru?

În al doilea rând, GPS-ul nu funcționează bine sub apă. Nu sunt bine, mă refer deloc. În mod similar, performanța se observă în interiorul clădirilor cu pereți groși de beton. Sau în subsoluri. Ai ideea. GPS-ul este un sistem bazat pe satelit, care suferă de limitări fizice.

Așadar, algoritmii SLAM urmăresc să ofere un sentiment îmbunătățit de poziție pentru dispozitivele și mașinile noastre cele mai avansate.

Aceste dispozitive au deja o litanie de senzori și periferice. Algoritmii SLAM utilizează datele din cât mai multe dintre acestea, folosind unele date matematice și statistici.

Pui sau ou? Poziție sau hartă?

Matematica și statisticile sunt necesare pentru a răspunde unei întrebări complexe: poziția este utilizată pentru a crea harta împrejurimilor sau este utilizată harta împrejurimilor pentru calcularea poziției?

Timp de experimentare gândit! Sunteți transdimensionat într-un loc necunoscut. Care este primul lucru pe care îl faci? Panică? OK, liniștește-te, inspiră. Ia altul. Acum, care este al doilea lucru pe care îl faci? Privește în jur și încearcă să găsești ceva familiar. Un scaun este în stânga ta. O plantă este în dreapta ta. O masă de cafea este în fața ta.

Apoi, odată ce teama paralizantă de „Unde dracu sunt?” se poartă, începi să te miști. Stai, cum funcționează mișcarea în această dimensiune? Fă un pas înainte. Scaunul și planta sunt din ce în ce mai mici, iar masa este din ce în ce mai mare. Acum, puteți confirma că, de fapt, înaintezi.

Observațiile sunt esențiale pentru îmbunătățirea preciziei estimării SLAM. În videoclipul de mai jos, pe măsură ce robotul trece de la un marker la un marker, construiește o hartă mai bună a mediului.

Înapoi la cealaltă dimensiune, cu cât te plimbi mai mult cu atât te orientezi. Pașii în toate direcțiile confirmă faptul că mișcarea în această dimensiune este similară cu dimensiunea de acasă. Pe măsură ce mergeți spre dreapta, planta este mai mare. În mod util, vedeți alte lucruri pe care le identificați ca repere în această lume nouă care vă permit să rătăciți mai încrezător.

Acesta este în esență procesul SLAM.

Intrări la proces

Pentru a face aceste estimări, algoritmii utilizează mai multe bucăți de date care pot fi clasificate ca interne sau externe. Pentru exemplul dvs. de transport inter-dimensional (recunoașteți-l, ați avut o călătorie distractivă), măsurătorile interne sunt dimensiunea pașilor și direcției.

Măsurătorile externe făcute sunt sub formă de imagini. Identificarea reperelor precum planta, scaunul și masa este o sarcină ușoară pentru ochi și creier. Cel mai puternic procesor cunoscut - creierul uman - este capabil să ia aceste imagini și nu doar să identifice obiecte, ci și să estimeze distanța față de acel obiect.

Din păcate (sau din fericire, în funcție de frica dvs. de SkyNet), roboții nu au creierul uman ca procesor. Mașinile se bazează pe cipuri de siliciu cu cod scris uman ca creier.

Alte piese de mașini fac măsurători externe. Periferice, cum ar fi giroscopii sau o altă unitate de măsură inerțială (IMU) sunt utile în acest sens. Roboții, cum ar fi mașinile cu autovehicul, folosesc, de asemenea, odometria poziției roților ca măsurătoare internă.

Extern, o mașină cu autovehicul și alți roboți folosesc LIDAR. Similar cu radarul folosește undele radio, LIDAR măsoară impulsurile de lumină reflectate pentru a identifica distanța. Lumina folosită este în mod tipic ultravioletă sau aproape infraroșu, similară cu un senzor de adâncime în infraroșu.

LIDAR transmite zeci de mii de impulsuri pe secundă pentru a crea o hartă în cloud tridimensională extrem de înaltă. Deci, da, data viitoare când Tesla se rostogolește pe pilonul automat, te va trage cu un laser. Mult timp.

În plus, algoritmii SLAM folosesc imagini statice și tehnici de vizionare a computerului ca măsurătoare externă. Aceasta se face cu o singură cameră, dar poate fi făcută și mai precisă cu o pereche stereo.

În interiorul cutiei negre

Măsurătorile interne vor actualiza poziția estimată, care poate fi utilizată pentru actualizarea hărții externe. Măsurătorile externe vor actualiza harta estimată, care poate fi utilizată pentru actualizarea poziției. Puteți crede că este o problemă de inferență, iar ideea este de a găsi soluția optimă.

Un mod comun de a face acest lucru este prin probabilitate. Tehnici, cum ar fi un filtru de particule, poziția aproximativă și cartografierea utilizând inferența statistică bayesiană.

Un filtru de particule folosește un număr setat de particule răspândite de o distribuție gaussiană. Fiecare particulă „prezice” poziția actuală a robotului. O probabilitate este atribuită fiecărei particule. Toate particulele încep cu aceeași probabilitate.

Atunci când se fac măsurători care se confirmă reciproc (cum ar fi pasul înainte = tabelul din ce în ce mai mare), atunci particulele care sunt „corecte” în poziția lor li se crește gradual probabilități mai bune. Particulelor care sunt în afara acestora li se atribuie probabilități mai mici.

Cu cât mai multe repere pot identifica un robot, cu atât mai bine. Reperele oferă feedback algoritmului și permit calcule mai precise.

Aplicații curente folosind algoritmi SLAM

Haideți să descărcăm această componentă, tehnică mișto de tehnologie.

Vehicule subacvatice autonome (AUV-uri)

Submarinele fără pilot pot funcționa autonom folosind tehnici SLAM. Un IMU intern oferă date de accelerare și mișcare în trei direcții. În plus, AUV-urile folosesc sonar orientat în jos pentru estimări de adâncime. Sonarul de scanare laterală creează imagini ale fundului mării, cu o autonomie de câteva sute de metri.

Wearables cu realitate mixtă

Microsoft și Magic Leap au produs ochelari care se poartă Aplicații de realitate mixtă Realitate mixtă Windows: Ce este și cum să încercați acumWindows Mixed Reality este o caracteristică nouă care vă permite să utilizați Windows 10 în realitate virtuală și augmentată. Iată de ce este interesant și cum să aflați dacă computerul dvs. îl acceptă. Citeste mai mult . Estimarea poziției și crearea unei hărți este crucială pentru aceste ținute. Dispozitivele folosesc harta pentru a plasa obiecte virtuale deasupra obiectelor reale și pentru a le interacționa între ele.

Întrucât aceste purtabile sunt mici, nu pot utiliza periferice mari, cum ar fi LIDAR sau sonar. În schimb, senzorii de adâncime infraroșu mai mici și camerele orientate spre exterior sunt utilizate pentru a cartona un mediu.

Mașini cu autovehicul

Mașinile autonome au un avantaj puțin față de purtătoare. Cu o dimensiune fizică mult mai mare, mașinile pot ține calculatoare mai mari și au mai multe periferice pentru a face măsurători interne și externe. În multe privințe, mașinile cu autovehicul reprezintă viitorul tehnologiei, atât în ​​ceea ce privește software-ul, cât și hardware-ul.

Tehnologia SLAM se îmbunătățește

Tehnologia SLAM fiind utilizată în mai multe moduri diferite, este doar o chestiune de timp înainte de a fi perfecționată. După ce se vor vedea zilnic autovehicule (și alte vehicule), veți ști că localizarea și cartografierea simultană sunt gata pentru toată lumea.

Tehnologia de auto-conducere se îmbunătățește în fiecare zi. Vrei să afli mai multe? Consultați defalcarea detaliată a MakeUseOf a cum funcționează mașinile cu autovehicul Cum funcționează autovehiculele cu autovehicule: piulițele și șuruburile din spatele programului autonom pentru GoogleSă fii capabil să faci naveta înainte și înapoi la locul de muncă în timp ce dormi, mănânci sau te ocupi de favorit blogurile este un concept la fel de atrăgător și aparent îndepărtat și prea futurist ca de fapt întâmpla. Citeste mai mult . de asemenea poti fi interesat de modul în care hackerii vizează mașinile conectate.

Credit imagine: chesky_w /Depositphotos