Home-theater-designers
Localizarea și cartografierea simultană (SLAM) nu este probabil o expresie pe care o folosiți în fiecare zi. Cu toate acestea, câteva dintre cele mai recente minuni tehnologice interesante folosesc acest proces la fiecare milisecundă din durata lor de viață.
Ce este SLAM? De ce avem nevoie de ea? Și despre ce sunt aceste tehnologii interesante despre care vorbiți?
cum să obțineți dungi pe Snapchat
De la acronim la idee abstractă
Iată un joc rapid pentru tine. Care dintre acestea nu aparține?
- Autoturisme
- Aplicații de realitate augmentată
- Vehicule aeriene și subacvatice autonome
- Portabile de realitate mixtă
- Roomba
S-ar putea să credeți că răspunsul este cu ușurință ultimul element din listă. Într-un fel, ai dreptate. Într-un alt mod, acesta a fost un joc truc, deoarece toate aceste articole sunt legate.
Credit de imagine: Nathan Kroll / Flickr
Adevărata întrebare a jocului (foarte cool) este următoarea: Ce face toate aceste tehnologii fezabile? Răspunsul: localizare și mapare simultană, sau SLAM! cum spun copiii mișto.
Într-un sens general, scopul algoritmilor SLAM este suficient de ușor de iterat. Un robot va utiliza localizarea și cartografierea simultană pentru a-și estima poziția și orientarea (sau poza) în spațiu în timp ce creează o hartă a mediului său. Acest lucru permite robotului să identifice unde se află și cum să se deplaseze printr-un spațiu necunoscut.
Prin urmare, da, adică tot ceea ce face acest algoritm fantezist este să estimeze poziția. O altă tehnologie populară, sistemul de poziționare globală (sau GPS) estimează poziția încă din primul război din Golf din anii 1990.
Diferențierea între SLAM și GPS
Atunci de ce este nevoie de un nou algoritm? GPS-ul are două probleme inerente. În primul rând, în timp ce GPS-ul este precis în raport cu o scară globală, atât precizia cât și precizia scad scara în raport cu o cameră, o masă sau o intersecție mică. GPS-ul are precizie de până la un metru, dar ce centimetru? Milimetru?
În al doilea rând, GPS-ul nu funcționează bine sub apă. Nu prea bine, vreau să spun deloc. În mod similar, performanța este nepotrivită în interiorul clădirilor cu pereți groși de beton. Sau în subsoluri. Ai ideea. GPS-ul este un sistem bazat pe satelit, care suferă de limitări fizice.
Prin urmare, algoritmii SLAM își propun să ofere un sentiment îmbunătățit de poziție pentru cele mai avansate gadgeturi și mașini.
Aceste dispozitive au deja o litanie de senzori și periferice. Algoritmii SLAM utilizează datele din cât mai multe dintre acestea posibil folosind unele matematici și statistici.
Pui sau ou? Poziție sau hartă?
Matematica și statisticile sunt necesare pentru a răspunde la o problemă complexă: este poziția folosită pentru a crea harta împrejurimilor sau este folosită harta împrejurimilor pentru a calcula poziția?
Timpul experimentului de gândire! Sunteți deformat inter-dimensional într-un loc necunoscut. Care este primul lucru pe care îl faci? Panică? Bine, calmează-te, respiră. Ia altul. Acum, care este al doilea lucru pe care îl faci? Uită-te în jur și încearcă să găsești ceva familiar. Un scaun este în stânga ta. O plantă este în dreapta ta. O masă de cafea este în fața ta.
Apoi, odată frica paralizantă de „Unde naiba sunt?” dispare, începi să te miști. Așteaptă, cum funcționează mișcarea în această dimensiune? Fă un pas înainte. Scaunul și planta sunt din ce în ce mai mici, iar masa este din ce în ce mai mare. Acum, puteți confirma că de fapt mergeți înainte.
cum aflu cine m-a blocat pe facebook
Observațiile sunt esențiale pentru îmbunătățirea acurateței estimării SLAM. În videoclipul de mai jos, pe măsură ce robotul se deplasează de la marker la marker, construiește o hartă mai bună a mediului.
Înapoi la cealaltă dimensiune, cu cât te plimbi mai mult cu atât te orientezi mai mult. Pasul în toate direcțiile confirmă faptul că mișcarea în această dimensiune este similară cu cea a casei dvs. Pe măsură ce mergeți la dreapta, planta se conturează mai mare. În mod util, vedeți alte lucruri pe care le identificați ca puncte de reper în această nouă lume, care vă permit să vă plimbați cu mai multă încredere.
Acesta este în esență procesul SLAM.
Intrări în proces
Pentru a face aceste estimări, algoritmii utilizează mai multe date care pot fi clasificate ca interne sau externe. Pentru exemplul dvs. de transport inter-dimensional (recunoașteți, ați avut o călătorie distractivă), măsurătorile interne sunt dimensiunea treptelor și direcția.
Măsurătorile externe efectuate sunt sub formă de imagini. Identificarea reperelor, cum ar fi planta, scaunul și masa este o sarcină ușoară pentru ochi și creier. Cel mai puternic procesor cunoscut --- creierul uman --- este capabil să ia aceste imagini și nu doar să identifice obiecte, ci și să estimeze distanța până la acel obiect.
Din păcate (sau din fericire, în funcție de frica dvs. față de SkyNet), roboții nu au creier uman ca procesor. Mașinile se bazează pe cipuri de siliciu cu cod scris uman ca creier.
Alte piese de utilaje efectuează măsurători externe. Periferice, cum ar fi giroscopurile sau alte unități de măsurare inerțiale (IMU), sunt utile în acest sens. Roboții, cum ar fi mașinile cu conducere automată, folosesc și odometria poziției roții ca măsurare internă.
Credit de imagine: Jennifer Morrow / Flickr
În exterior, o mașină cu conducere automată și alți roboți folosesc LIDAR. Similar cu modul în care radarul utilizează undele radio, LIDAR măsoară impulsurile de lumină reflectate pentru a identifica distanța. Lumina utilizată este de obicei ultravioletă sau aproape în infraroșu, similar cu un senzor de adâncime în infraroșu.
LIDAR trimite zeci de mii de impulsuri pe secundă pentru a crea o hartă tridimensională cu nori de puncte de înaltă definiție. Deci, da, data viitoare când Tesla se rotește pe pilot automat, te va împușca cu un laser. Mult timp.
În plus, algoritmii SLAM utilizează imagini statice și tehnici de viziune pe computer ca măsurare externă. Acest lucru se face cu o singură cameră, dar poate fi făcut și mai precis cu o pereche stereo.
În interiorul Cutiei Negre
Măsurătorile interne vor actualiza poziția estimată, care poate fi utilizată pentru actualizarea hărții externe. Măsurătorile externe vor actualiza harta estimată, care poate fi utilizată pentru actualizarea poziției. Vă puteți gândi la asta ca la o problemă de inferență, iar ideea este să găsiți soluția optimă.
O modalitate obișnuită de a face acest lucru este prin probabilitate. Tehnici precum un filtru de particule poziția aproximativă și cartografierea utilizând inferența statistică bayesiană.
Un filtru de particule utilizează un număr stabilit de particule răspândite printr-o distribuție gaussiană. Fiecare particulă „prezice” poziția actuală a robotului. O probabilitate este atribuită fiecărei particule. Toate particulele încep cu aceeași probabilitate.
Când se fac măsurători care se confirmă reciproc (cum ar fi pasul înainte = masa devine mai mare), atunci particulele care sunt „corecte” în poziția lor sunt încredințate cu probabilități mai bune. Particulelor care sunt departe sunt atribuite probabilități mai mici.
Cu cât un robot poate identifica mai multe repere, cu atât mai bine. Reperele oferă feedback algoritmului și permit calcule mai precise.
Aplicații curente folosind algoritmi SLAM
Haideți să descompunem această bucată de tehnologie cool cu o bucată de tehnologie cool.
Vehicule subacvatice autonome (AUV)
Submarinele fără pilot pot funcționa autonom folosind tehnici SLAM. Un IMU intern oferă date de accelerație și mișcare în trei direcții. În plus, AUV-urile folosesc sonarul orientat spre fund pentru estimări de adâncime. Sonarul de scanare laterală creează imagini ale fundului mării, cu o rază de acțiune de câteva sute de metri.
Credit de imagine: Florida Sea Grant / Flickr
Îmbrăcăminte cu realitate mixtă
Microsoft și Magic Leap au produs ochelari purtabili care introduc aplicații de realitate mixtă. Estimarea poziției și crearea unei hărți este crucială pentru aceste articole portabile. Dispozitivele folosesc harta pentru a plasa obiecte virtuale deasupra obiectelor reale și pentru a le interacționa.
cum să răsuciți celulele în Excel
Deoarece aceste articole portabile sunt mici, nu pot utiliza periferice mari, cum ar fi LIDAR sau sonar. În schimb, senzorii de adâncime în infraroșu mai mici și camerele orientate spre exterior sunt folosite pentru cartografierea unui mediu.
Mașini cu conducere automată
Mașinile autonome au un pic de avantaj față de articolele portabile. Cu o dimensiune fizică mult mai mare, mașinile pot deține computere mai mari și au mai multe periferice pentru a face măsurători interne și externe. În multe privințe, mașinile cu conducere automată reprezintă viitorul tehnologiei, atât în ceea ce privește software-ul, cât și hardware-ul.
Tehnologia SLAM se îmbunătățește
Cu tehnologia SLAM utilizată în mai multe moduri diferite, este doar o chestiune de timp înainte ca aceasta să fie perfecționată. Odată ce mașinile care se conduc singure (și alte vehicule) sunt văzute zilnic, veți ști că localizarea și cartarea simultană sunt gata de utilizare de către toată lumea.
Tehnologia de conducere automată se îmbunătățește în fiecare zi. Vrei să afli mai multe? Consultați detaliile MakeUseOf despre modul în care funcționează mașinile cu conducere automată. S-ar putea să vă intereseze și modul în care hackerii vizează mașinile conectate.
Credit de imagine: chesky_w / Depositphotos
Acțiune Acțiune Tweet E-mail Cum se accesează nivelul încorporat Google cu bule pe AndroidDacă ați avut vreodată nevoie să vă asigurați că ceva este la nivel într-o ciupire, acum puteți obține un nivel de bule pe telefonul dvs. în câteva secunde.
Citiți în continuare Subiecte asemănătoare- Tehnologie explicată
- Tehnologia auto
- Inteligență artificială
- Autoturism
- SLAM
Tom este un inginer de software din Florida (strigând către Florida Man) cu pasiune pentru scris, fotbal universitar (du-te Gators!), CrossFit și virgule Oxford.
Mai multe de la Tom JohnsenAboneaza-te la newsletter-ul nostru
Alăturați-vă newsletter-ului pentru sfaturi tehnice, recenzii, cărți electronice gratuite și oferte exclusive!
Faceți clic aici pentru a vă abona