Что такое SLAM? Как автоуправляемые автомобили знают, где они

Реклама

Одновременная локализация и картирование (SLAM), вероятно, не та фраза, которую вы используете каждый день. Тем не менее, некоторые из последних крутых технологических чудес используют этот процесс каждую миллисекунду своей жизни.

Что такое SLAM? Зачем нам это нужно? А о каких классных технологиях ты говоришь?

От аббревиатуры к абстрактной идее

Вот быстрая игра для вас. Какой из них не принадлежит?

• Самостоятельные автомобили
• Приложения дополненной реальности
• Автономные воздушные и подводные аппараты
• Носки смешанной реальности
• Roomba

Вы можете подумать, что ответ - это последний элемент в списке. В некотором смысле, вы правы. По-другому, это была хитрая игра, так как все эти предметы связаны между собой.

Настоящий вопрос (очень крутой) игры заключается в следующем: что делает все эти технологии осуществимыми? Ответ: одновременная локализация и картирование или SLAM! как говорят крутые дети.

В общем смысле цель алгоритмов SLAM достаточно проста для повторения. Робот будет использовать одновременную локализацию и отображение для оценки своего положения и ориентации (или позы) в пространстве при создании карты своего окружения. Это позволяет роботу определить, где он находится и как перемещаться в неизвестном пространстве.

Следовательно, да, то есть все, что делает этот причудливый алгоритм - это оценка позиции. Еще одна популярная технология, Глобальная система позиционирования (или GPS) Как работает GPS-слежение и что вы можете с ним отслеживать?GPS. Мы знаем это как технологию, которая ведет нас от А до Б. Но GPS больше, чем это. Существует мир возможностей, и мы не хотим, чтобы вы пропустили. Читать далее оценивает положение со времен первой войны в Персидском заливе 1990-х годов.

Различение между SLAM и GPS

Тогда зачем нужен новый алгоритм? У GPS есть две присущие проблемы. Во-первых, в то время как GPS точен относительно глобального масштаба, точность и точность уменьшают масштаб относительно комнаты, или стола, или небольшого пересечения. GPS имеет точность до метра, но какой сантиметр? Миллиметр?

Во-вторых, GPS не очень хорошо работает под водой. Под не хорошо я имею в виду совсем нет. Аналогичным образом производительность внутри зданий с толстыми бетонными стенами невелика. Или в подвалах. Вы поняли идею. GPS - это спутниковая система, которая страдает физическими ограничениями.

Таким образом, алгоритмы SLAM нацелены на то, чтобы дать лучшее чувство позиции для наших самых совершенных гаджетов и машин.

Эти устройства уже имеют множество датчиков и периферийных устройств. Алгоритмы SLAM используют данные из максимально возможного числа данных, используя некоторые математические и статистические данные.

Цыпленок или Яйцо? Положение или Карта?

Математика и статистика необходимы, чтобы ответить на сложный вопрос: используется ли позиция для создания карты окрестностей или карта окрестностей используется для расчета местоположения?

Мысленное время эксперимента! Вы межпространственно искривлены в незнакомом месте. Что ты делаешь первым? Паника? Хорошо, хорошо успокойся, сделай вдох. Возьми другой. Теперь, что вы делаете вторым? Оглянись вокруг и попробуй найти что-нибудь знакомое. Стул слева от вас. Растение справа от вас. Журнальный столик перед вами.

Затем, однажды парализующий страх "Где, черт возьми, я?" стирается, вы начинаете двигаться. Подождите, как работает движение в этом измерении? Сделай шаг вперед. Стул и завод становятся меньше, а стол становится 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.

Вернуться в другое измерение, чем больше вы гуляете, тем больше вы ориентируетесь. Шаг во всех направлениях подтверждает, что движение в этом измерении похоже на ваше домашнее измерение. Когда вы идете направо, растение вырисовывается больше. Полезно, что вы видите другие вещи, которые вы определяете как ориентиры в этом новом мире, которые позволяют вам бродить более уверенно.

Это по сути процесс SLAM.

Входы в процесс

Чтобы сделать эти оценки, алгоритмы используют несколько частей данных, которые могут быть классифицированы как внутренние или внешние. Для вашего примера межпространственного транспорта (допустим, у вас была веселая поездка), внутренние измерения - это размер шагов и направление.

Внешние измерения сделаны в виде изображений. Определить такие ориентиры, как растение, стул и стол, - это простая задача для глаз и мозга. Самый мощный из известных процессоров - человеческий мозг - способен снимать эти изображения и не только идентифицировать объекты, но и оценивать расстояние до этого объекта.

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 написанным кодом как мозг.

Другие части машин делают внешние измерения. Периферийные устройства, такие как гироскопы или другие инерционные единицы измерения (IMU), помогают в этом. Роботы, такие как автомобили с автоматическим управлением, также используют одометрию положения колеса в качестве внутреннего измерения.

Внешне автомобиль с водителем и другие роботы используют LIDAR. Подобно тому, как радар использует радиоволны, LIDAR измеряет импульсы отраженного света для определения расстояния. Используемый свет обычно ультрафиолетовый или ближний инфракрасный, аналогичный инфракрасному датчику глубины.

LIDAR отправляет десятки тысяч импульсов в секунду для создания трехмерной карты облаков точек с очень высокой четкостью. Так что, да, в следующий раз, когда Тесла будет кататься на автопилоте, он застрелит 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 может быть еще более точным с помощью стереопары.

Внутри черного ящика

Внутренние измерения обновят оценочную позицию, которая может быть использована для обновления внешней карты. Внешние измерения обновят оценочную карту, которая может быть использована для обновления положения. Вы можете думать об этом как о проблеме вывода, и идея состоит в том, чтобы найти оптимальное решение.

Обычный способ сделать это - через вероятность. Такие методы, как фильтр частиц, приближенное положение и отображение с использованием байесовского статистического вывода.

Фильтр частиц использует заданное количество частиц, распределенных по гауссовскому распределению. Каждая частица «предсказывает» текущее положение робота. Вероятность назначается каждой частице. Все частицы начинаются с одинаковой вероятностью.

Когда выполняются измерения, которые подтверждают друг друга (например, шаг вперед = увеличение таблицы), тогда частицы, которые являются «правильными» в своем положении, постепенно получают лучшие вероятности. Частицам, которые находятся далеко, присваиваются более низкие вероятности.

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

Современные приложения, использующие алгоритмы SLAM

Давайте разберем этот крутой образец технологии с помощью отличного элемента.

Автономные подводные аппараты (AUV)

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 AUV используют гидролокатор, обращенный снизу. Гидролокатор бокового обзора создает изображения морского дна, с расстояния в пару сотен метров.

Носки смешанной реальности

Microsoft и Magic Leap выпустили носимые очки, которые представляют Приложения смешанной реальности Смешанная реальность Windows: что это такое и как это попробовать сейчасWindows Mixed Reality - это новая функция, которая позволяет использовать Windows 10 в виртуальной и дополненной реальности. Вот почему это интересно и как узнать, поддерживает ли ваш компьютер это. Читать далее . Оценка положения и создание карты имеет решающее значение для этих носимых. Устройства используют карту, чтобы размещать виртуальные объекты поверх реальных и взаимодействовать друг с другом.

Поскольку эти носимые устройства являются небольшими, они не могут использовать большие периферийные устройства, такие как LIDAR или гидролокатор. Вместо этого для отображения окружающей среды используются меньшие инфракрасные датчики глубины и внешние камеры.

Самостоятельные автомобили

Автономные машины имеют небольшое преимущество перед носимыми. Имея гораздо больший физический размер, автомобили могут содержать большие компьютеры и иметь больше периферийных устройств для внутренних и внешних измерений. Во многих отношениях автомобили с самостоятельным вождением представляют будущее технологий, как с точки зрения программного, так и аппаратного обеспечения.

Технология SLAM совершенствуется

С технологией SLAM, используемой многими различными способами, это только вопрос времени, когда она будет усовершенствована. Когда ежедневные автомобили с самостоятельным вождением (и другие транспортные средства) будут замечены, вы узнаете, что одновременная локализация и составление карт готовы для всех пользователей.

Технология самостоятельного вождения совершенствуется с каждым днем. Хотите узнать больше? Проверьте MakeUseOf подробную разбивку как работают автономные автомобили Как работают автомобили с автоматическим управлением: гайки и болты, стоящие за автономной автомобильной программой GoogleВозможность ездить туда и обратно на работу, когда вы спите, едите или догоняете любимую блоги - это концепция, которая одинаково привлекательна и, казалось бы, далека и слишком футуристична, чтобы на самом деле бывает. Читать далее . Вы также можете быть заинтересованы в как хакеры нацелены на подключенные автомобили.

Изображение предоставлено: chesky_w /Depositphotos