Что такое SLAM? Как беспилотные автомобили знают, где они находятся

Одновременная локализация и сопоставление (SLAM), скорее всего, не та фраза, которую вы используете каждый день. Однако некоторые из последних крутых технологических чудес используют этот процесс каждую миллисекунду своей жизни.

Что такое SLAM? Зачем нам это нужно? И о каких этих крутых технологиях вы говорите?

От аббревиатуры к абстрактной идее

Вот вам быстрая игра. Какой из них не принадлежит?

  • Беспилотные автомобили
  • Приложения с дополненной реальностью
  • Автономные летательные и подводные аппараты
  • Носимые устройства смешанной реальности
  • Roomba

Вы можете подумать, что ответ — это последний элемент в списке. В каком-то смысле вы правы. С другой стороны, это была игра-уловка, поскольку все эти предметы связаны между собой.

Настоящий вопрос (очень крутой) игры: это: Что делает все эти технологии возможными? Ответ: одновременная локализация и отображение, или SLAM! как говорят крутые ребята.

В общем смысле алгоритмы SLAM достаточно легко повторять. Робот будет использовать одновременную локализацию и картографирование для оценки своего положения и ориентации (или позы) в пространстве при создании карты своего окружения. Это позволяет роботу определять, где он находится и как перемещаться в неизвестном пространстве.

Следовательно, да, то есть все, что делает этот фантастический алгоритм, — это оценка позиции. Другая популярная технология, глобальная система определения местоположения (или GPS), используется для определения местоположения со времен первой войны в Персидском заливе 1990-х годов.

Различия между SLAM и GPS

Итак, зачем тогда нужен новый алгоритм? У GPS есть две проблемы. Во-первых, хотя GPS точен относительно глобального масштаба, точность и точность уменьшают масштаб относительно комнаты, стола или небольшого перекрестка. GPS имеет точность до метра, а какой сантиметр? Миллиметр?

Во-вторых, GPS плохо работает под водой. Под «неважно» я имею в виду совсем не так. Точно так же производительность невысока внутри зданий с толстыми бетонными стенами. Или в подвалах. Вы уловили идею. GPS — это спутниковая система, имеющая физические ограничения.

Таким образом, алгоритмы SLAM нацелены на улучшение понимания положения наших самых продвинутых устройств и устройств.

У этих устройств уже есть множество датчиков и периферийных устройств.. Алгоритмы SLAM используют данные из как можно большего количества из них, используя математику и статистику.

Курица или яйцо? Положение или карта?

Математика и статистика необходимы для ответа на сложный вопрос: используется ли позиция для создания карты окрестностей или карта окрестностей используется для вычисления местоположения?

Время мысленного эксперимента! Вы межпространственно перенесены в незнакомое место. Что вы делаете в первую очередь? Паника? Хорошо, успокойся, сделай вдох. Возьми другой. Что вы делаете во-вторых? Осмотритесь и попытайтесь найти что-нибудь знакомое. Слева от вас стул. Справа от вас растение. Перед вами журнальный столик.

Затем, однажды парализующий страх «Где я, черт возьми?» стирается, вы начинаете двигаться. Подождите, как работает движение в этом измерении? Сделайте шаг вперед. Стул и растение становятся меньше, а стол — больше. Теперь вы можете подтвердить, что действительно движетесь вперед.

Наблюдения являются ключом к повышению точности оценки SLAM. На видео ниже, когда робот перемещается от маркера к маркеру, он строит лучшую карту окружающей среды.

Возвращаясь к другому измерению, чем больше вы ходите, тем больше ориентируетесь. Шаги во всех направлениях подтверждают, что движение в этом измерении похоже на ваше домашнее измерение. Когда вы идете направо, растение становится больше. К счастью, вы видите другие вещи, которые вы определяете как ориентиры в этом новом мире, которые позволяют вам блуждать более уверенно.

По сути, это процесс SLAM.

Входы в процесс

В Чтобы сделать эти оценки, алгоритмы используют несколько фрагментов данных, которые можно разделить на внутренние или внешние. Для вашего примера межпространственного транспорта (признайтесь, вы весело провели время) внутренние измерения — это размер шагов и направление.

Внешние измерения выполнены в виде изображений. Определение таких ориентиров, как растение, стул и стол, — легкая задача для глаз и мозга. Самый мощный из известных процессоров — человеческий мозг — способен делать эти изображения и не только идентифицировать объекты, но и оценивать расстояние до них.

К сожалению (или, к счастью, в зависимости от вашего страха перед SkyNet), у роботов нет человеческого мозга в качестве процессора. Машины полагаются на кремниевые чипы с человеческим кодом в качестве мозга.

Другие части оборудования производят внешние измерения. В этом могут помочь периферийные устройства, такие как гироскопы или другие инерциальные измерительные устройства (IMU). Роботы, такие как беспилотные автомобили, также используют одометрию положения колес в качестве внутреннего измерения..

Внешне беспилотный автомобиль и другие роботы используют ЛИДАР. Подобно тому, как радар использует радиоволны, LIDAR измеряет отраженные световые импульсы для определения расстояния. Используемый свет обычно ультрафиолетовый или ближний инфракрасный, аналогичный инфракрасному датчику глубины.

ЛИДАР отправляет десятки тысяч импульсов в секунду для создания трехмерной карты облака точек чрезвычайно высокой четкости. Итак, да, в следующий раз, когда Тесла будет кататься на автопилоте, он выстрелит в вас лазером. Много времени.

Кроме того, алгоритмы SLAM используют статические изображения и методы компьютерного зрения в качестве внешнего измерения. Это делается с помощью одной камеры, но можно сделать еще более точным с помощью стереопары.

Внутри черного ящика

Внутренние измерения обновят предполагаемое положение, которое можно использовать для обновления внешней карты. Внешние измерения обновят оценочную карту, которую можно использовать для обновления положения. Вы можете думать об этом как о проблеме вывода, а идея состоит в том, чтобы найти оптимальное решение.

Распространенный способ сделать это — использовать вероятность. Такие методы, как приблизительное положение фильтра частиц и картографирование с использованием байесовского статистического вывода.

Фильтр частиц использует заданное количество частиц, распределенных по распределению Гаусса. Каждая частица «предсказывает» текущее положение робота. Каждой частице присваивается вероятность. Все частицы начинаются с одинаковой вероятностью.

Когда измерения подтверждают друг друга (например, шаг вперед = таблица становится больше), тогда частицы, которые «правильны» в своем положении, постепенно увеличиваются. учитывая лучшие вероятности. Частицам, которые находятся далеко, присваиваются более низкие вероятности.

Чем больше ориентиров сможет определить робот, тем лучше. Ориентиры обеспечивают обратную связь с алгоритмом и позволяют проводить более точные вычисления.

Текущие приложения, использующие алгоритмы SLAM

Давайте разберем эту крутую технологию на классную технологию.

Автономные подводные аппараты (АПА)

Беспилотные подводные лодки могут работать автономно, используя методы SLAM. Внутренний IMU предоставляет данные об ускорении и движении в трех направлениях. Кроме того, для оценки глубины на АПА используется гидролокатор, обращенный ко дну. Гидролокатор бокового обзора создает изображения морского дна с дальностью до пары сотен метров.

Носимые устройства смешанной реальности

Microsoft и Magic Leap выпустили носимые очки, которые представляют приложения смешанной реальности.. Оценка положения и создание карты имеют решающее значение для этих носимых устройств. Устройства используют карту, чтобы размещать виртуальные объекты поверх реальных объектов и заставлять их взаимодействовать друг с другом.

Поскольку эти носимые устройства маленькие, они не могут использовать большие периферийные устройства, такие как лидар или сонар. Вместо этого для картирования окружающей среды используются меньшие инфракрасные датчики глубины и камеры, обращенные наружу.

Самоходные автомобили

Автономные автомобили имеют небольшое преимущество перед носимыми устройствами. Имея гораздо больший физический размер, автомобили могут вместить большие компьютеры и иметь больше периферийных устройств для выполнения внутренних и внешних измерений. Во многих отношениях беспилотные автомобили представляют будущее технологий как с точки зрения программного обеспечения, так и с точки зрения оборудования.

Технология SLAM улучшается

С Технология SLAM используется по-разному, и ее совершенствование — лишь вопрос времени. Как только беспилотные автомобили (и другие транспортные средства) видны ежедневно, вы будете знать, что одновременная локализация и отображение готовы к использованию всеми.

Технология автономного вождения совершенствуется с каждым днем. Хотите узнать больше? Ознакомьтесь с подробным описанием работы беспилотных автомобилей в MakeUseOf. Вам также может быть интересно узнать, как хакеры атакуют подключенные автомобили.

Изображение предоставлено: chesky_w/Depositphotos

.

Оцените статью
oilgasindustry.ru
Добавить комментарий