Što je SLAM? Kako samovozeći automobili znaju gdje su

Oglas

Istovremena lokalizacija i mapiranje (SLAM) vjerojatno nije fraza koju svakodnevno koristite. Međutim, nekoliko najnovijih tehnoloških čuda koristi taj postupak svake milisekunde svog životnog vijeka.

Što je SLAM? Zašto nam treba? I koje su to cool tehnologije o kojima govorite?

Od akronima do apstraktne ideje

Evo kratke igre za vas. Koji od ovih ne pripada?

• Samovozna vozila
• Aplikacije proširene stvarnosti
• Autonomna zračna i podvodna vozila
• Nošenje mješovite stvarnosti
• Roomba

Možda mislite da je odgovor lako zadnja stavka na popisu. Na neki način ste u pravu. Na drugi način, ovo je bila trik igra jer su sve te stavke povezane.

Pravo pitanje (vrlo cool) igre je sljedeće: Zbog čega su sve ove tehnologije izvedive? Odgovor: istodobna lokalizacija i mapiranje ili SLAM! kako to cool djeca kažu.

Općenito, svrha SLAM algoritama je dovoljno jednostavna za ponavljanje. Robot će koristiti istodobnu lokalizaciju i mapiranje za procjenu svog položaja i orijentacije (ili poze) u prostoru dok će stvoriti kartu svog okruženja. To omogućava robotu da prepozna gdje se nalazi i kako se kreće kroz neki nepoznati prostor.

Dakle, da, to znači da sve ovo algoritam zamišljenog raspoloženja čini procjenu položaja. Još jedna popularna tehnologija, Global Positioning System (ili GPS) Kako funkcionira GPS praćenje i što možete pratiti?GPS. Mi to znamo kao tehnologiju koja nas vodi od točke A do točke B. Ali GPS je i više od toga. Postoji svijet mogućnosti i ne želimo da ga propustite. Čitaj više procjenjivao je položaj od prvog zaljevskog rata devedesetih.

Razlikovanje SLAM-a i GPS-a

Pa zašto onda potreba za novim algoritmom? GPS ima dva urođena problema. Prvo, dok je GPS precizan u odnosu na globalnu razinu, i preciznost i preciznost umanjuju ljestvicu u odnosu na sobu, stol ili mali presjek. GPS ima točnost do metra, ali koji centimetar? Milimetar?

Drugo, GPS ne radi dobro pod vodom. Ne mislim dobro uopće. Slično tome, izvedba je pjegava unutar zgrada sa debelim betonskim zidovima. Ili u podrumima. Shvaćate ideju. GPS je satelitski sustav koji pati od fizičkih ograničenja.

Dakle, algoritmi SLAM imaju za cilj poboljšati osjećaj položaja za najnaprednije uređaje i uređaje.

Ovi uređaji već imaju litaniju senzora i perifernih uređaja. SLAM algoritmi koriste podatke iz što većeg broja pomoću matematike i statistike.

Piletina ili jaje? Položaj ili karta?

Matematika i statistika potrebni su za odgovor na složene potrebe: koristi li se položaj za izradu karte okolice ili se karta okruženja koristi za izračun položaja?

Mislio vrijeme eksperimenta! Vi ste interdimenzionalno iskrivljeni na nepoznato mjesto. Što je prvo što radite? Panika? OK, dobro se smiri, udahni. Uzmi još jedno. Što je drugo što radite? Osvrnite se oko sebe i pokušajte pronaći nešto poznato. S vaše lijeve strane je stolica. Biljka je s vaše desne strane. Stol za kavu je pred vama.

Nakon toga, paralizirajući strah "Gdje sam dovraga?" istroši se, počneš se kretati. Čekaj, kako djeluje pokret u ovoj dimenziji? Napravite korak naprijed. Stolica i biljka postaju sve manji, a stol sve veći. Sada možete potvrditi da zapravo krenete naprijed.

Promatranja su ključna za poboljšanje točnosti procjene SLAM-a. U videu u nastavku, kako robot kreće od markera do markera, gradi bolju mapu okoliša.

Natrag do druge dimenzije, što više hodate okolo više se orijentirate. Korak u svim smjerovima potvrđuje da je kretanje u ovoj dimenziji slično vašoj kućnoj dimenziji. Kako idete desno, biljka se povećava. U pomoć vam vide i druge stvari koje u ovom novom svijetu prepoznajete kao orijentiri, a koje vam omogućavaju da samopouzdano lutate.

To je u osnovi proces SLAM-a.

Unosi u proces

Da bi se napravile ove procjene, algoritmi koriste nekoliko podataka koji se mogu kategorizirati kao unutarnji ili vanjski. Za vaš primjer interdimenzionalnog transporta (priznajte, zabavno ste putovali), unutarnja su mjerenja veličina koraka i smjera.

Vanjska mjerenja izrađena su u obliku slika. Prepoznavanje orijentira poput biljke, stolice i stola jednostavan je zadatak za oči i mozak. Najmoćniji poznati procesor - ljudski mozak - sposoban je snimiti te slike i ne samo identificirati predmete, već i procijeniti udaljenost do tog objekta.

Nažalost (ili srećom, ovisno o vašem strahu od SkyNeta), roboti nemaju ljudski mozak kao procesor. Strojevi se kao mozak oslanjaju na silikonske čipove s ljudskim pisanim kodom.

Ostali strojevi vrše vanjska mjerenja. Periferni uređaji poput žiroskopa ili druge inercijalne mjerne jedinice (IMU) pomažu u tome. Roboti, poput automobila koji se voze, također koriste odometriju položaja kotača kao unutarnje mjerenje.

Izvana, osobni automobil i drugi roboti koriste LIDAR. Slično kao što radar koristi radio valove, LIDAR mjeri reflektirane svjetlosne impulse za prepoznavanje udaljenosti. Upotrijebljeno svjetlo je obično ultraljubičasto ili blizu infracrvenog zračenja, slično infracrvenom senzoru dubine.

LIDAR odašilje desetke tisuća impulsa u sekundi kako bi stvorio trodimenzionalnu mapu oblaka vrlo visoke razlučivosti. Dakle, da, sljedeći put kad se Tesla valja na autopilotu, snimit će vas laserom. Puno puta.

Dodatno, algoritmi SLAM koriste statičke slike i tehnike računalnog vida kao vanjsko mjerenje. To se postiže jednom kamerom, ali može se učiniti još preciznijim stereo parom.

Unutar crne kutije

Unutarnjim mjerenjima ažurirat će se procijenjeni položaj koji se može koristiti za ažuriranje vanjske karte. Vanjska mjerenja ažurirat će procijenjenu kartu koja se može koristiti za ažuriranje položaja. Možete to smatrati problemom zaključivanja, a ideja je pronaći optimalno rješenje.

Čest način za to je vjerojatnost. Tehnike poput filtra čestica približni položaj i preslikavanje pomoću Bayesovih statističkih zaključaka.

Filter za čestice koristi određeni broj čestica raspoređenih Gaussovom distribucijom. Svaka čestica "predviđa" trenutni položaj robota. Svakoj čestici je dodijeljena vjerojatnost. Sve čestice počinju s istom vjerojatnošću.

Kad se izvrše mjerenja koja se međusobno potvrđuju (poput koraka naprijed = tablica postaje veća), česticama koje su "ispravne" u svom položaju postupno se daju veće vjerojatnosti. Čestice koje se odmaku imaju manju vjerojatnost.

Što više orijentira robot može prepoznati, to je bolje. Orijentiri daju povratnu informaciju algoritmu i omogućuju preciznije izračune.

Trenutačne aplikacije pomoću SLAM algoritama

Raščlanimo ovaj, cool komad tehnologije, cool dio tehnologije.

Autonomna podvodna vozila (AUVs)

Bespilotne podmornice mogu samostalno raditi pomoću SLAM tehnika. Interni IMU pruža podatke o ubrzanju i kretanju u tri smjera. Uz to, AUV-ovi koriste sonar usmjeren odozdo za procjenu dubine. Bočni sonar za skeniranje stvara slike morskog dna, s rasponom od nekoliko stotina metara.

Nosive mješovite stvarnosti

Microsoft i Magic Leap proizveli su nosive naočale koje se predstavljaju Aplikacije miješane stvarnosti Mješovita stvarnost sustava Windows: Što je to i kako sada pokušatiWindows Mixed Reality nova je značajka koja vam omogućuje korištenje Windowsa 10 u virtualnoj i dopunjenoj stvarnosti. Evo zašto je uzbudljivo i kako otkriti podržava li vaše računalo. Čitaj više . Procjena položaja i izrada karte presudna je za ove nošnje. Uređaji koriste kartu da virtualne objekte postave na stvarne objekte i da međusobno komuniciraju.

Budući da su ove nosivosti male, ne mogu koristiti velike periferne uređaje poput LIDAR-a ili sonara. Umjesto toga, za mapiranje okoliša koriste se manji infracrveni senzori dubine i kamere usmjerene prema van.

Samovozna automobila

Autonomni automobili imaju malu prednost u odnosu na nosivost. S puno većom fizičkom veličinom automobili mogu držati veća računala i imati više perifernih uređaja za obavljanje unutarnjih i vanjskih mjerenja. Na mnogo načina, automobili s vlastitim upravljanjem predstavljaju budućnost tehnologije, kako u pogledu softvera, tako i hardvera.

Tehnologija SLAM se poboljšava

S obzirom da se SLAM tehnologija koristi na više različitih načina, samo je pitanje vremena kada će se usavršiti. Nakon što se svakodnevno viđaju samostalno voženi automobili (i druga vozila), znat ćete da su istodobna lokalizacija i mapiranje spremni za upotrebu svih.

Tehnologija samostalne vožnje poboljšava se svakim danom. Želite znati više? Pogledajte detaljni prikaz MakeUseOfa kako rade automobili koji voze samostalno Kako rade samovozeći automobili: matice i vijci koji stoje iza Googleovog programa autonomnih automobilaBiti u stanju putovati naprijed i nazad na posao dok spavate, jedete ili nadoknađujete svoje omiljene blogovi je koncept koji je podjednako privlačan i naizgled dalekovidan i zapravo previše futuristički dogoditi. Čitaj više . Možda će vas također zanimati kako hakeri ciljaju povezane automobile.

Kreditna slika: chesky_w /Depositphotos