Kas ir SLAM? Cik pašbraucoši auto zina, kur viņi atrodas

Reklāma

Vienlaicīga lokalizācija un kartēšana (SLAM), iespējams, nav frāze, kuru lietojat ikdienā. Tomēr vairāki jaunākie tehnoloģiskie brīnumi izmanto šo procesu ik pēc savas dzīves ilguma milisekundēm.

Kas ir SLAM? Kāpēc mums tas vajadzīgs? Un kādas ir šīs foršās tehnoloģijas, par kurām jūs runājat?

No saīsinājuma līdz abstraktai idejai

Šī ir ātra spēle jums. Kurš no šiem nepieder?

• Pašbraucošas automašīnas
• Papildinātās realitātes lietotnes
• Autonomi gaisa un zemūdens transporta līdzekļi
• Valkātas jauktas realitātes lietas
• The Roomba

Var domāt, ka atbilde ir viegli pēdējā saraksta pozīcija. Savā ziņā jums ir taisnība. Citā veidā šī bija viltība, jo visi šie priekšmeti ir saistīti.

Īstais (ļoti foršās) spēles jautājums ir šāds: Kas padara šīs tehnoloģijas iespējamas? Atbilde: vienlaicīga lokalizācija un kartēšana vai SLAM! kā saka foršie bērni.

Vispārīgā nozīmē SLAM algoritmu mērķis ir pietiekami viegli atkārtojams. Robots izmantos vienlaicīgu lokalizāciju un kartēšanu, lai novērtētu tā atrašanās vietu un orientāciju (vai pozu) telpā, veidojot savas vides karti. Tas ļauj robotam noteikt, kur tas atrodas un kā pārvietoties pa kādu nezināmu vietu.

Tāpēc, jā, tas ir, viss šis iedomātā-smancy algoritms ir stāvokļa novērtējums. Vēl viena populāra tehnoloģija, Globālā pozicionēšanas sistēma (vai GPS) Kā darbojas GPS izsekošana un ko jūs ar to varat izsekot?GPS. Mēs to zinām kā tehnoloģiju, kas mūs virza no A līdz B. Bet GPS ir kas vairāk. Pastāv iespēju pasaule, un mēs nevēlamies, lai jūs nepalaistu garām. Lasīt vairāk ir novērtējis stāvokli kopš pirmā Līča kara 1990. gados.

Atšķirība starp SLAM un GPS

Tad kāpēc ir nepieciešams jauns algoritms? GPS ir divas raksturīgas problēmas. Pirmkārt, kamēr GPS ir precīzs attiecībā pret globālo mērogu, gan precizitāte, gan precizitāte samazina mērogu attiecībā pret istabu, galdiņu vai nelielu krustojumu. GPS precizitāte nepārsniedz metru, bet kāds ir centimetrs? Milimetru?

Otrkārt, GPS nedarbojas labi zem ūdens. Ar sliktu es domāju nemaz. Tāpat sniegums ir plankumains ēkās ar biezām betona sienām. Vai pagrabos. Jums rodas ideja. GPS ir satelītu sistēma, kas cieš no fiziskiem ierobežojumiem.

Tātad SLAM algoritmu mērķis ir sniegt uzlabotu izpratni par mūsu vismodernākajiem sīkrīkiem un mašīnām.

Šīm ierīcēm jau ir sensoru un perifērijas ierīču litanija. SLAM algoritmi izmanto datus pēc iespējas vairākos no šiem datiem, izmantojot kādu matemātiku un statistiku.

Vistas vai olu? Pozīcija vai karte?

Matemātika un statistika ir nepieciešama, lai atbildētu uz sarežģītu jautājumu: vai atrašanās vieta tiek izmantota, lai izveidotu apkārtnes karti, vai arī apkārtnes karte tiek izmantota, lai aprēķinātu atrašanās vietu?

Doma eksperimenta laiks! Jūs esat starpdimensiju deformēts nepazīstamā vietā. Kas ir pirmais, ko jūs darāt? Panika? Labi, labi nomierinieties, atvelciet elpu. Ņem citu. Kāda ir otrā lieta, ko jūs darāt? Paskatieties apkārt un mēģiniet atrast kaut ko pazīstamu. Krēsls atrodas pa kreisi. Augs ir jūsu labajā pusē. Jūsu priekšā ir kafijas galdiņš.

Pēc tam reiz reizē paralizējošās bailes no “kur es esmu?” nolietojas, jūs sākat kustēties. Pagaidiet, kā kustība darbojas šajā dimensijā? Soli soli uz priekšu. Krēsls un augs kļūst mazāks, un galds kļūst lielāks. Tagad jūs varat apstiprināt, ka jūs faktiski virzāties uz priekšu.

Novērojumi ir atslēga, lai uzlabotu SLAM novērtējuma precizitāti. Zemāk esošajā videoklipā, kad robots pārvietojas no marķiera uz marķieri, tas izveido labāku vides karti.

Atpakaļ pie citas dimensijas, jo vairāk staigājat apkārt, jo vairāk orientēsities. Soļošana visos virzienos apstiprina, ka kustība šajā dimensijā ir līdzīga jūsu mājas dimensijai. Dodoties pa labi, augs stelles kļūst lielākas. Noderīgi, ka jūs redzat citas lietas, kuras jūs identificējat kā orientierus šajā jaunajā pasaulē, kas ļauj jums klīst daudz pārliecinošāk.

Tas būtībā ir SLAM process.

Ievade procesā

Lai veiktu šos aprēķinus, algoritmi izmanto vairākus datu fragmentus, kurus var klasificēt kā iekšējos vai ārējos. Starpdimensiju transporta piemēram (atzīstiet, ka jums bija jautrs ceļojums), iekšējie mērījumi ir soļu lielums un virziens.

Veiktie ārējie mērījumi ir attēlu veidā. Orientieru, piemēram, auga, krēsla un galda, identificēšana ir viegls uzdevums acīm un smadzenēm. Visspēcīgākais zināmais procesors - cilvēka smadzenes - spēj uzņemt šos attēlus un ne tikai identificēt objektus, bet arī noteikt attālumu līdz šim objektam.

Diemžēl (vai par laimi, atkarībā no jūsu bailēm no SkyNet) robotiem nav cilvēka smadzeņu kā procesoram. Mašīnas paļaujas uz silīcija mikroshēmām ar smadzenēm, kurām ir cilvēka rakstīts kods.

Citi mašīnu gabali veic ārējos mērījumus. To darīt palīdz perifērijas ierīces, piemēram, žiroskopi vai cita inerciālā mērvienība (IMU). Roboti, piemēram, pašpiedziņas automašīnas, kā iekšēju mērījumu izmanto arī riteņa stāvokļa odometriju.

Ārēji pašbraucoša automašīna un citi roboti izmanto LIDAR. Līdzīgi tam, kā radars izmanto radioviļņus, LIDAR mēra atstarotus gaismas impulsus, lai noteiktu attālumu. Izmantotā gaisma parasti ir ultravioletā vai gandrīz infrasarkanā, līdzīga infrasarkanā starojuma dziļuma sensoram.

LIDAR izsūta desmitiem tūkstošu impulsu sekundē, lai izveidotu īpaši augstas izšķirtspējas trīsdimensiju punktu mākoņu karti. Tātad, jā, nākamreiz, kad Tesla riņķo apkārt autopilotā, tas jūs nošaus ar lāzeru. Daudzas reizes.

Turklāt SLAM algoritmi kā ārēju mērījumu izmanto statiskus attēlus un datora redzes paņēmienus. Tas tiek darīts ar vienu kameru, bet ar stereo pāri to var padarīt vēl precīzāku.

Melnās kastes iekšpusē

Ar iekšējiem mērījumiem tiks atjaunināta aprēķinātā pozīcija, kuru var izmantot, lai atjauninātu ārējo karti. Ārējie mērījumi atjauninās aprēķināto karti, kuru var izmantot, lai atjauninātu pozīciju. Jūs to varat uzskatīt par secinājumu problēmu, un ideja ir atrast optimālo risinājumu.

Parasti to var izdarīt, izmantojot varbūtību. Tādas metodes kā daļiņu filtra aptuvenā pozīcija un kartēšana, izmantojot Beisija statistiskos secinājumus.

Daļiņu filtrā tiek izmantots noteikts skaits daļiņu, kuras izkliedē pēc Gausa sadalījuma. Katra daļiņa “prognozē” robota pašreizējo stāvokli. Katrai daļiņai tiek piešķirta varbūtība. Visas daļiņas sākas ar vienādu varbūtību.

Kad tiek veikti mērījumi, kas viens otru apstiprina (piemēram, solis uz priekšu = tabula kļūst lielāka), tad daļiņām, kuras ir “pareizas” savā stāvoklī, pakāpeniski tiek dotas labākas varbūtības. Daļiņām, kas atrodas tālu, tiek piešķirta zemāka varbūtība.

Jo vairāk orientieru robots var identificēt, jo labāk. Orientieri nodrošina atgriezenisko saiti ar algoritmu un ļauj veikt precīzākus aprēķinus.

Pašreizējās lietojumprogrammas, izmantojot SLAM algoritmus

Izjauksim šo izcilo tehnoloģiju pēc vēsās tehnikas.

Autonomi zemūdens transportlīdzekļi (AUV)

Bezpilota zemūdenes var darboties autonomi, izmantojot SLAM metodes. Iekšējais IMU nodrošina paātrinājuma un kustības datus trīs virzienos. Turklāt dziļuma novērtēšanai AUV izmanto hidrolokatoru, kas vērsts uz leju. Sānu skenēšanas sonārs rada jūras dibena attēlus ar pāris simtu metru attālumu.

Valkājami jauktas realitātes izstrādājumi

Microsoft un Magic Leap ir izstrādājuši valkājamas brilles, kuras iepazīstina Jauktas realitātes lietojumi Windows jauktā realitāte: kas tas ir un kā to izmēģināt tagadWindows jauktā realitāte ir jauna funkcija, kas ļauj izmantot Windows 10 virtuālajā un paplašinātajā realitātē. Lūk, kāpēc tas ir aizraujoši, un kā uzzināt, vai jūsu dators to atbalsta. Lasīt vairāk . Šiem valkājamiem priekšnoteikumiem ir atrašanās vietas noteikšana un kartes izveidošana. Ierīces izmanto karti, lai novietotu virtuālos objektus virs reālajiem objektiem un panāktu, ka tie mijiedarbojas savā starpā.

Tā kā šie valkājamie materiāli ir mazi, tie nevar izmantot lielas perifērijas ierīces, piemēram, LIDAR vai hidrolokatoru. Tā vietā, lai kartētu vidi, tiek izmantoti mazāki infrasarkano staru dziļuma sensori un uz āru vērstas kameras.

Pašbraucošas automašīnas

Autonomām automašīnām ir nedaudz priekšrocību salīdzinājumā ar valkājamām. Ar daudz lielāku fizisko izmēru automašīnas var turēt lielākus datorus, un tām ir vairāk perifērijas ierīču, lai veiktu iekšējos un ārējos mērījumus. Daudzējādā ziņā pašbraucošās automašīnas atspoguļo tehnoloģiju nākotni gan programmatūras, gan aparatūras ziņā.

SLAM tehnoloģija uzlabojas

Tā kā SLAM tehnoloģija tiek izmantota vairākos dažādos veidos, ir tikai laika jautājums, pirms tā tiek pilnveidota. Kad pašbraucošās automašīnas (un citi transportlīdzekļi) tiek parādīti katru dienu, jūs zināt, ka vienlaicīga lokalizācija un kartēšana ir gatava lietošanai.

Pašvadīšanas tehnoloģija uzlabojas katru dienu. Vai vēlaties uzzināt vairāk? Izlasiet MakeUseOf detalizētu sadalījumu pa kā darbojas pašbraucošās automašīnas Kā darbojas patstāvīgi braucoši auto: uzgriežņi un skrūves aiz Google autonomās automašīnas programmasSpēja pārvietoties uz priekšu un atpakaļ uz darbu, guļot, ēdot vai sasniedzot savu iecienīto emuāri ir jēdziens, kas ir tikpat pievilcīgs un šķietami tāls, un patiesībā pārāk futūristisks notikt. Lasīt vairāk . Jūs varētu arī interesēt kā hakeri mērķē uz savienotajām automašīnām.

Attēla kredīts: chesky_w /Depositphotos