Kas yra SLAM? Kaip patys vairuojantys automobiliai žino, kur jie yra

Skelbimas

Vienalaikis lokalizavimas ir žemėlapių sudarymas (SLAM) greičiausiai nėra frazė, kurią vartojate kasdien. Tačiau keli naujausi technologiniai stebuklai šį procesą naudoja kiekvieną milisekundę savo gyvenimo laiko.

Kas yra SLAM? Kodėl mums to reikia? Apie kokias šaunias technologijas jūs kalbate?

Nuo sutrumpinimo iki abstrakčios idėjos

Štai jums greitas žaidimas. Kuriems iš jų nepriklauso?

• Savarankiškai važiuojantys automobiliai
• Papildytos realybės programos
• Autonominės oro ir povandeninės transporto priemonės
• Maišytos tikrovės nešiojami drabužiai
• „The Roomba“

Galite pamanyti, kad atsakymas yra lengvai paskutinis sąrašo punktas. Tam tikra prasme jūs teisus. Kitaip tariant, tai buvo triukas, nes visi šie elementai yra susiję.

Tikrasis (labai šauniojo) žaidimo klausimas yra toks: kas daro šias technologijas įgyvendinamas? Atsakymas: vienalaikis lokalizavimas ir žemėlapių sudarymas arba SLAM! kaip sako šaunūs vaikai.

Bendrąja prasme SLAM algoritmų paskirtis yra pakankamai lengva, kad pasikartotų. Kurdamas savo aplinkos žemėlapį, robotas naudosis tuo pačiu lokalizavimu ir žemėlapių sudarymu, kad įvertintų savo vietą ir orientaciją (ar pozuotų) erdvėje. Tai leidžia robotui nustatyti, kur jis yra ir kaip judėti per nežinomą erdvę.

Taigi, taip, tai yra, kad visas šis išgalvotas ir protingas algoritmas yra įvertinimo padėtis. Kita populiari technologija, Visuotinė padėties nustatymo sistema (arba GPS) Kaip veikia GPS sekimas ir ką galite su juo stebėti?GPS. Mes žinome tai kaip technologiją, kuri nukreipia mus nuo A iki B. Bet GPS yra daugiau. Yra galimybių pasaulis, ir mes nenorime, kad jūs praleistumėte. Skaityti daugiau įvertino padėtį nuo pirmojo Persijos įlankos karo 1990 m.

Skirtumas tarp SLAM ir GPS

Taigi kodėl reikia naujo algoritmo? GPS turi dvi įgimtas problemas. Pirma, nors GPS yra tikslus pasaulio masto atžvilgiu, tiek tikslumas, tiek tikslumas mažina mastelį kambario, stalo ar mažos sankryžos atžvilgiu. GPS tikslumas siekia metrą, bet koks centimetras? Milimetras?

Antra, GPS neveikia gerai po vandeniu. Aš turiu omenyje visai ne tai. Panašiai, našumas pastebimas pastatų viduje su storomis betoninėmis sienomis. Arba rūsiuose. Jūs gaunate idėją. GPS yra palydovinė sistema, kuriai būdingi fiziniai apribojimai.

Taigi SLAM algoritmai siekia suteikti geresnį mūsų pažangiausių prietaisų ir mašinų padėties suvokimą.

Šie įrenginiai jau turi jutiklių ir periferinių įrenginių litaniją. SLAM algoritmai naudoja kiek įmanoma daugiau šių duomenų, naudodamiesi tam tikra matematika ir statistika.

Vištiena ar kiaušinis? Padėtis ar žemėlapis?

Matematika ir statistika yra būtina norint atsakyti į sudėtingą klausimą: ar vietovė naudojama kuriant apylinkių žemėlapį, ar vietovės žemėlapis naudojamas apskaičiuojant vietą?

Minties eksperimento laikas! Esate matomas tarp matmenų į nepažįstamą vietą. Ką pirmiausia padarai? Panika? Gerai, gerai nusiramink, atsikvėpk. Paimk kitą. Kas yra antras dalykas, kurį darai? Pasižvalgykite aplinkui ir pamėginkite rasti ką nors pažįstamo. Kėdė yra jūsų kairėje. Augalas yra jūsų dešinėje. Kavos staliukas yra priešais jus.

Kitas, kartą paralyžiuojanti baimė „Kur aš esu?“ nusidėvi, tu pradedi judėti. Palaukite, kaip judesys veikia šioje dimensijoje? Ženkite žingsnį į priekį. Kėdė ir augalas tampa vis mažesni, o stalas - vis didesnis. Dabar galite patvirtinti, kad iš tikrųjų judate į priekį.

Stebėjimai yra pagrindiniai siekiant pagerinti SLAM įvertinimo tikslumą. Žemiau esančiame vaizdo įraše robotas juda iš žymeklio į žymeklį ir sukuria geresnį aplinkos žemėlapį.

Grįžkite į kitą dimensiją, kuo daugiau vaikščiosite, tuo labiau orientuositės. Žingsnis visomis kryptimis patvirtina, kad judėjimas šioje dimensijoje yra panašus į jūsų namų matmenį. Važiuojant į dešinę, augalas stambėja. Naudinga, kad matote kitus dalykus, kuriuos įvardijate kaip orientyrus šiame naujame pasaulyje, kurie leidžia jums klaidžioti užtikrintiau.

Iš esmės tai yra SLAM procesas.

Įvestys į procesą

Norint atlikti šiuos vertinimus, algoritmai naudoja keletą duomenų, kuriuos galima suskirstyti į vidinius ar išorinius. Tarpdimensinio transporto pavyzdžiu (pripažinkime, tau buvo smagi kelionė) vidiniai matavimai yra laiptelių dydis ir kryptis.

Išoriniai matavimai atlikti vaizdų pavidalu. Identifikuoti tokius orientyrus kaip augalas, kėdė ir stalas yra lengva užduotis akims ir smegenims. Galingiausias žinomas procesorius - žmogaus smegenys - sugeba fotografuoti šiuos vaizdus ir ne tik identifikuoti objektus, bet ir įvertinti atstumą iki to objekto.

Deja (arba laimei, atsižvelgiant į jūsų baimę dėl „SkyNet“), robotai neturi žmogaus smegenų kaip procesoriaus. Mašinos remiasi silicio drožlėmis, kurių smegenys yra žmogaus parašytas kodas.

Iš kitų matavimų atliekami išoriniai matavimai. Periferiniai įrenginiai, tokie kaip giroskopai ar kitas inercinis matavimo vienetas (IMU), yra naudingi tai atliekant. Robotai, tokie kaip savarankiškai važiuojantys automobiliai, taip pat naudoja vidinį rato padėties odometriją.

Išoriškai, savarankiškai vairuojantis automobilis ir kiti robotai naudoja LIDAR. Panašiai kaip radaras naudoja radijo bangas, LIDAR matuoja atspindėtus šviesos impulsus atstumui nustatyti. Paprastai naudojama ultravioletinė arba beveik infraraudonųjų spindulių šviesa, panaši į infraraudonųjų spindulių gylio jutiklį.

LIDAR siunčia dešimtis tūkstančių impulsų per sekundę, kad sukurtų ypač aukštos raiškos trijų matmenų taškų debesų žemėlapį. Taigi, taip, kitą kartą, kai „Tesla“ riedės aplink autopilotą, jis šaudys tavimi lazeriu. Daug kartų.

Be to, SLAM algoritmai kaip išorinį matavimą naudoja statinius vaizdus ir kompiuterio matymo metodus. Tai atliekama su viena kamera, tačiau stereo pora gali būti dar tikslesnė.

Juodosios dėžės viduje

Vidiniai matavimai atnaujins numatytą vietą, kurią galima naudoti atnaujinant išorinį žemėlapį. Išoriniai matavimai atnaujins numatytą žemėlapį, kuris gali būti naudojamas atnaujinti vietą. Galite galvoti apie tai kaip išvadų problemą, o idėja yra rasti optimalų sprendimą.

Dažnas būdas tai padaryti yra tikimybė. Tokios metodikos kaip dalelių filtro apytikslė padėtis ir žemėlapių sudarymas naudojant Bajeso statistinius duomenis.

Dalelių filtrui naudojamas nustatytas skaičius dalelių, pasiskirsčiusių pagal Gauso paskirstymą. Kiekviena dalelė „numato“ dabartinę roboto padėtį. Kiekvienai dalelei priskiriama tikimybė. Visos dalelės prasideda ta pačia tikimybe.

Kai daromi vienas kitą patvirtinantys matavimai (pvz., Žingsnis į priekį = lentelė tampa vis didesnė), tada dalelėms, kurios „teisingos“ savo padėtyje, yra laipsniškai didinamos tikimybės. Dalelėms, kurios yra toli, priskiriama mažesnė tikimybė.

Kuo daugiau orientyrų gali atpažinti robotas, tuo geriau. Orientyrai suteikia grįžtamąjį ryšį į algoritmą ir leidžia atlikti tikslesnius skaičiavimus.

Dabartinės programos, naudojant SLAM algoritmus

Padalinkime tai, kas yra šaunu, pagal technologiją.

Autonominės povandeninės transporto priemonės (AUV)

Nepilotuojami povandeniniai laivai gali veikti autonomiškai, naudodamiesi SLAM metodais. Vidinis IMU teikia pagreičio ir judesio duomenis trimis kryptimis. Be to, visureigiai naudoja į apačią nukreiptą sonarą gylio įvertinimui. Šoniniu skenavimo sonaru sukuriami jūros dugno vaizdai, kurių atstumas yra keli šimtai metrų.

Maišytos tikrovės nešiojami drabužiai

„Microsoft“ ir „Magic Leap“ pagamino nešiojamus akinius, kurie pristato Mišrios realybės programos „Windows“ mišri realybė: kas tai yra ir kaip tai išbandyti dabar„Windows“ mišri realybė yra nauja funkcija, leidžianti naudoti „Windows 10“ virtualioje ir išplėstinėje tikrovėje. Štai kodėl tai įdomu ir kaip sužinoti, ar jūsų kompiuteris palaiko. Skaityti daugiau . Šiems nešiojantiems daiktams labai svarbu įvertinti padėtį ir sudaryti žemėlapį. Įrenginiai naudoja žemėlapį, kad virtualūs objektai būtų pastatyti ant realių objektų ir būtų sąveikaujantys tarpusavyje.

Kadangi šie nešiojami drabužiai yra maži, jie negali naudoti didelių periferinių įrenginių, tokių kaip LIDAR ar sonaro. Vietoj to, mažesniems infraraudonųjų spindulių gylio jutikliams ir į išorę nukreiptoms kameroms naudojami aplinkos žemėlapiai.

Savarankiškai važiuojantys automobiliai

Autonominiai automobiliai turi šiek tiek pranašumų prieš nešiojamus. Didesnio fizinio dydžio automobiliai gali laikyti didesnius kompiuterius ir turėti daugiau periferinių įrenginių, kad galėtų atlikti vidinius ir išorinius matavimus. Savarankiškai vairuojantys automobiliai įvairiais būdais atspindi technologijos ateitį tiek programinės, tiek aparatinės įrangos prasme.

„SLAM“ technologija tobulėja

Kai SLAM technologija naudojama įvairiais būdais, tobulėti reikia tik laiko klausimo. Kai savarankiškai važiuojantys automobiliai (ir kitos transporto priemonės) bus matomi kasdien, jūs žinosite, kad tuo pat metu lokalizacija ir žemėlapiai yra paruošti naudoti visiems.

Savarankiško vairavimo technologija tobulėja kiekvieną dieną. Norite sužinoti daugiau? Peržiūrėkite išsamų „MakeUseOf“ suskirstymą į kaip veikia savarankiškai važiuojantys automobiliai Kaip veikia savarankiškai važiuojantys automobiliai: „Google“ autonominių automobilių programos veržlės ir varžtaiGalimybė važiuoti pirmyn ir atgal į darbą miegant, valgant ar pasivaišinant mėgstamiausiu internetiniai dienoraščiai yra tokia pat patraukli, panaši į tolį ir per daug futuristiška koncepcija atsitikti. Skaityti daugiau . Galbūt jus taip pat domina kaip įsilaužėliai taiko sujungtus automobilius.

Vaizdo kreditas: chesky_w /Depositphotos