Mis on SLAM? Kuidas isesõitvad autod teavad, kus nad asuvad

Reklaam

Samaaegne lokaliseerimine ja kaardistamine (SLAM) pole tõenäoliselt fraas, mida igapäevaselt kasutate. Kuid paljud viimased lahedad tehnoloogilised imed kasutavad seda protsessi oma eluea iga millisekundi jooksul.

Mis on SLAM? Miks me seda vajame? Ja mis on need lahedad tehnoloogiad, millest te räägite?

Akronüümist abstraktse ideeni

Siin on teile kiire mäng. Milline neist ei kuulu?

• Isesõitvad autod
• Liitreaalsuse rakendused
• Autonoomsed õhusõidukid ja veealused sõidukid
• Segareaalsuse kantavad
• The Roomba

Võite arvata, et vastus on hõlpsalt viimane punkt loendis. Teatud mõttes on teil õigus. Teisel viisil oli see trikkimäng, kuna kõik need üksused on seotud.

(Väga laheda) mängu tegelik küsimus on järgmine: mis teeb kõik need tehnoloogiad teostatavaks? Vastus: üheaegne lokaliseerimine ja kaardistamine või SLAM! nagu lahedad lapsed seda ütlevad.

Üldises mõttes on SLAM-algoritmide eesmärk piisavalt korduv. Keskkonna kaardi loomisel kasutab robot oma asukoha ja orientatsiooni (või poseerimise) hindamiseks samaaegset lokaliseerimist ja kaardistamist. See võimaldab robotil tuvastada, kus ta asub ja kuidas liikuda läbi mingi tundmatu ruumi.

Seetõttu jah, see tähendab, et kogu see väljamõeldud ja sunduse algoritm on hinnanguline positsioon. Teine populaarne tehnoloogia, Globaalne positsioneerimissüsteem (või GPS) Kuidas GPS-i jälgimine töötab ja mida saate sellega jälgida?GPS. Me teame seda kui tehnoloogiat, mis juhendab meid punktist A punkti B. Kuid GPS on midagi enamat. Võimaluste maailm on olemas ja me ei taha, et te kahe silma vahele jätaks. Loe rohkem on positsiooni hinnanud alates 1990. aastate esimesest lahesõjast.

SLAM-i ja GPS-i eristamine

Miks siis on vaja uut algoritmi? GPS-il on kaks olemuslikku probleemi. Esiteks, kuigi GPS on globaalse skaala suhtes täpne, vähendavad nii täpsus kui ka täpsus ruumi või laua või väikese ristmiku suhtes skaalat. GPS-i täpsus on alla meetri, kuid millise sentimeetri? Millimeeter?

Teiseks ei tööta GPS vee all hästi. Pole hästi, ma mõtlen, et üldse mitte. Samamoodi on jõudlus täppis paksude betoonseintega hoonetes. Või keldrites. Saad idee. GPS on satelliidipõhine süsteem, mis kannatab füüsiliste piirangute all.

Nii on SLAM-algoritmide eesmärk anda meie kõige arenenumate vidinate ja masinate paremat positsioonitunnet.

Nendel seadmetel on juba andurite ja välisseadmete liitmik. SLAM-algoritmid kasutavad võimalikult paljude andmete andmeid, kasutades selleks mõnda matemaatikat ja statistikat.

Kana või muna? Positsioon või kaart?

Matemaatika ja statistika on vajalikud keeruka küsimusele vastamiseks: kas asukohta kasutatakse ümbruse kaardi koostamiseks või kasutatakse asukoha arvutamiseks ümbruse kaarti?

Mõttekatse aeg! Teid on dimensioonide vahel lohistatud tundmatusse kohta. Mis on esimene, mida teete? Paanika? OK, rahune hästi, võta hinge. Võtke teine. Mis on teine ​​asi, mida teete? Vaadake ringi ja proovige leida midagi tuttavat. Tool on vasakul. Taim on teiest paremal. Teie ees on kohvilaud.

Järgmisena kord halvav hirm "Kus ma siis olen?" kulub ära, hakkad liikuma. Oota, kuidas liikumine selles mõõtmes töötab? Astuge samm edasi. Tool ja taim lähevad väiksemaks ja laud aina suuremaks. Nüüd saate kinnitada, et tegelikult liigute edasi.

Vaatlused on SLAM-i hinnangu täpsuse parandamisel võtmetähtsusega. Allolevas videos koostab robot parema keskkonnakaardi, kui robot liigub markerilt markerile.

Tagasi teise mõõtme juurde, mida rohkem te ringi kõnnite, seda enam orienteerute. Kõigis suundades astudes kinnitatakse, et selles mõõtmes liikumine sarnaneb teie koduse mõõtmega. Paremale minnes kandub taim suuremaks. Kasulikuks näete muid asju, mida peate selles uues maailmas orientiirideks ja mis võimaldavad teil enesekindlamalt tiirutada.

See on sisuliselt SLAM-i protsess.

Sisendid protsessi

Nende hinnangute tegemiseks kasutavad algoritmid mitmeid andmeid, mida saab liigitada sisemisteks või välisteks. Mõõtmetevahelise transpordi näite jaoks (tunnistage, teil oli lõbus reis) on sisemised mõõtmed sammude suuruse ja suuna järgi.

Välised mõõtmised on tehtud piltide kujul. Selliste orientiiride nagu taim, tool ja laud tuvastamine on silmadele ja ajule lihtne ülesanne. Kõige võimsam teadaolev protsessor - inimese aju - on võimeline neid pilte tegema ja mitte ainult objekte tuvastama, vaid ka hindama objekti kaugust.

Kahjuks (või õnneks, olenevalt teie hirmust SkyNeti ees) pole robotitel protsessorina inimese aju. Masinad toetuvad ränikilludele, mille aju on inimese kirjutatud kood.

Muud masinatükid teevad väliseid mõõtmisi. Selle tegemisel on abiks välisseadmed, näiteks güroskoobid või muu inertsiaalmõõtur (IMU). Robotid, näiteks isesõitvad autod, kasutavad sisemise mõõtmisena ka ratta asendi odomeetriat.

Väliselt kasutavad isesõitvad autod ja muud robotid LIDAR-i. Sarnaselt sellele, kuidas radar kasutab raadiolaineid, mõõdab LIDAR peegeldunud valguse impulsse kauguse tuvastamiseks. Kasutatav valgus on tavaliselt ultraviolettkiirgus või infrapuna lähedal, sarnaselt infrapuna sügavuse anduriga.

LIDAR saadab kümneid tuhandeid impulsse sekundis, et luua äärmiselt kõrglahutusega kolmemõõtmeline punktpilvekaart. Jah, jah, järgmine kord, kui Tesla autopiloodil ringi veereb, laseb see teid laseriga. Palju kordi.

Lisaks kasutavad SLAM-algoritmid välise mõõtmisena staatilisi pilte ja arvuti nägemise tehnikaid. Seda tehakse ühe kaameraga, kuid seda saab stereopaari abil veelgi täpsemaks muuta.

Musta kasti sees

Sisemised mõõtmised värskendavad hinnangulist asukohta, mida saab kasutada välise kaardi värskendamiseks. Välised mõõtmised värskendavad hinnangulist kaarti, mida saab kasutada asukoha värskendamiseks. Võite mõelda sellest järeldamisprobleemina ja idee on leida optimaalne lahendus.

Tavaline viis selleks on tõenäosuse kaudu. Sellised tehnikad nagu osakeste filtri ligikaudne asukoht ja kaardistamine, kasutades Bayes'i statistilisi järeldusi.

Tahkete osakeste filtril on kindel arv osakesi, mis jagunevad Gaussi jaotuse järgi. Iga osake "ennustab" roboti praegust asukohta. Igale osakesele omistatakse tõenäosus. Kõik osakesed algavad sama tõenäosusega.

Kui tehakse mõõtmisi, mis üksteist kinnitavad (näiteks samm edasi = tabel muutub suuremaks), antakse nende positsioonil “korrektsete” osakeste jaoks paremad tõenäosused. Eemal olevatele osakestele omistatakse madalamad tõenäosused.

Mida rohkem maamärke robot tuvastada saab, seda parem. Maamärgid pakuvad tagasisidet algoritmile ja võimaldavad täpsemaid arvutusi.

Praegused rakendused, kasutades SLAM-algoritme

Lagundame selle laheda tehnoloogia laheda tehnoloogia järgi.

Autonoomsed veealused sõidukid

Mehitamata allveelaevad võivad SLAM-tehnikat kasutades autonoomselt töötada. Sisemine IMU pakub kiirenduse ja liikumise andmeid kolmes suunas. Lisaks kasutavad AUV-d sügavuse hindamiseks põhjaga sonari. Külgskaneerimise sonar loob merepõhja pilte, mille tööulatus on paarisaja meetrit.

Segareaalsuses kantavad

Microsoft ja Magic Leap on koostanud tutvustatavaid kantavaid prille Segareaalsuse rakendused Windowsi segareaalsus: mis see on ja kuidas seda nüüd proovidaWindowsi segareaalsus on uus funktsioon, mis võimaldab teil kasutada Windows 10 virtuaalses ja liitreaalsuses. Siit saate teada, miks see on põnev ja kuidas teada saada, kas teie arvuti seda toetab. Loe rohkem . Asukoha hindamine ja kaardi koostamine on nende kantavate esemete jaoks ülioluline. Seadmed kasutavad kaarti, et paigutada virtuaalsed objektid reaalsete objektide peale ja lasta neil üksteisega suhelda.

Kuna need kantavad tooted on väikesed, ei saa nad kasutada suuri lisaseadmeid, näiteks LIDAR või sonar. Keskkonna kaardistamiseks kasutatakse selle asemel väiksemaid infrapuna sügavuse andureid ja väljapoole suunatud kaameraid.

Isesõitvad autod

Autonoomsetel autodel on kantavatega võrreldes pisut eelis. Palju suurema füüsilise suurusega autod mahutavad suuremaid arvuteid ja neil on rohkem välisseadmeid, et teha sisemisi ja välimisi mõõtmisi. Paljuski tähistavad isesõitvad autod tehnoloogia tulevikku, seda nii tarkvara kui ka riistvara osas.

SLAM-tehnoloogia on paranemas

Kuna SLAM-tehnoloogiat kasutatakse mitmel erineval viisil, on selle täiustamiseks vaja vaid ajaküsimust. Kui isesõitvaid autosid (ja muid sõidukeid) on iga päev nähtud, saate teada, et üheaegne lokaliseerimine ja kaardistamine on kõigile kasutamiseks valmis.

Isesõitmise tehnoloogia paraneb iga päevaga. Kas soovite rohkem teada saada? Tutvuge MakeUseOfi üksikasjaliku jaotusega kuidas isesõitvad autod töötavad Kuidas isesõitvad autod töötavad: mutrid ja poldid Google'i autonoomse auto programmi tagaVõimalus edasi-tagasi pendeldada tööle magades, sööma minnes või oma lemmikule järele jõudes ajaveebid on mõiste, mis on võrdselt ahvatlev ja pealtnäha kaugel ning tegelikult liiga futuristlik juhtuda. Loe rohkem . Sind võiksid ka huvitada kuidas häkkerid ühendatud autosid sihivad.

Pildikrediit: chesky_w /Depositphotos