Što je SLAM? Kako samovozeći automobili znaju gdje se nalaze

Što je SLAM? Kako samovozeći automobili znaju gdje se nalaze

Istodobna lokalizacija i mapiranje (SLAM) vjerojatno nije izraz koji koristite svakodnevno. Međutim, nekoliko najnovijih čudesnih tehnoloških čuda koristi ovaj proces svake milisekunde svog životnog vijeka.





Što je SLAM? Zašto nam treba? A o kojim kul tehnologijama govorite?



kako uključiti Apple TV bez daljinskog upravljača

Od akronima do apstraktne ideje

Evo jedne brze igre za vas. Koje od ovih ne pripada?





  • Automobili koji se sami voze
  • Aplikacije proširene stvarnosti
  • Autonomna zračna i podvodna vozila
  • Nosivi uređaji iz miješane stvarnosti
  • Roomba

Možda mislite da je odgovor lako posljednja stavka na popisu. Na neki način imaš pravo. Na drugi način, ovo je bila trik igra jer su sve te stavke povezane.

Kredit za sliku: Nathan Kroll/ Flickr



Pravo pitanje (vrlo cool) igre je sljedeće: Što čini sve ove tehnologije izvedivima? Odgovor: istovremena lokalizacija i mapiranje, ili SLAM! kako to kažu cool djeca.

U općem smislu, svrha SLAM algoritama je dovoljno laka za ponavljanje. Robot će koristiti istovremenu lokalizaciju i mapiranje kako bi procijenio svoj položaj i orijentaciju (ili pozu) u prostoru dok stvara kartu svog okruženja. To omogućuje robotu da identificira gdje se nalazi i kako se kreće kroz neki nepoznati prostor.



Stoga, da, to znači da sve što ovaj fancy-smancy algoritam radi je procjena položaja. Druga popularna tehnologija, Global Positioning System (ili GPS), procjenjuje položaj od prvog Zaljevskog rata 1990 -ih.

Razlikovanje između SLAM -a i GPS -a

Čemu onda potreba za novim algoritmom? GPS ima dva svojstvena problema. Prvo, iako je GPS točan u odnosu na globalnu ljestvicu, i preciznost i točnost smanjuju razmjer u odnosu na prostoriju, stol ili malo sjecište. GPS ima točnost do metra, ali što je centimetar? Milimetar?



Drugo, GPS ne radi dobro pod vodom. Ne mislim dobro, uopće ne mislim. Slično, performanse su mrlje unutar zgrada s debelim betonskim zidovima. Ili u podrumima. Shvaćate ideju. GPS je satelitski sustav koji pati od fizičkih ograničenja.

Stoga SLAM algoritmi imaju za cilj poboljšati osjećaj položaja za naše najnaprednije gadgete i strojeve.

Ovi uređaji već imaju niz senzora i perifernih uređaja. SLAM algoritmi koriste podatke iz što je moguće više njih koristeći neke matematike i statistike.

Piletina ili jaje? Položaj ili karta?

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

Vrijeme za misaon eksperiment! Interdimenzionalno ste iskrivljeni na nepoznato mjesto. Što prvo učinite? Panika? U redu, smiri se, udahni. Uzmi drugu. Što drugo radite? Pogledajte oko sebe i pokušajte pronaći nešto poznato. Stolica je s vaše lijeve strane. S vaše desne strane je biljka. Stolić za kavu je ispred vas.

Zatim, jednom paralizirajući strah od 'Gdje sam, dovraga?' potroši se, počneš se kretati. Čekaj, kako pokret funkcionira u ovoj dimenziji? Napravite korak naprijed. Stolica i biljka postaju sve manji, a stol sve veći. Sada možete potvrditi da zapravo napredujete.

gdje je wps gumb na mom ruteru

Promatranja su ključna za poboljšanje točnosti SLAM procjene. U donjem videu, dok se robot pomiče od markera do markera, gradi bolju kartu okoliša.

Vratimo se na drugu dimenziju, što više hodate, više se orijentirate. Koraci u svim smjerovima potvrđuju da je kretanje u ovoj dimenziji slično vašoj dimenziji doma. Kako idete desno, biljka postaje sve veća. Korisno, vidite i druge stvari koje identificirate kao orijentire u ovom novom svijetu koje vam omogućuju sigurnije lutanje.

To je u biti proces SLAM -a.

Ulazni podaci u proces

Kako bi se izvršile ove procjene, algoritmi koriste nekoliko podataka koji se mogu kategorizirati kao unutarnji ili vanjski. Za vaš primjer međudimenzionalnog prijevoza (priznajte, imali ste zabavno putovanje), unutarnja mjerenja su veličina koraka i smjer.

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

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

Ostali strojevi vrše vanjska mjerenja. Periferne jedinice, poput žiroskopa ili drugih inercijalnih mjernih jedinica (IMU), pomažu u tome. Roboti, poput samovozećih automobila, također koriste mjerenje kilometraže položaja kotača kao unutarnje mjerenje.

Zasluga za sliku: Jennifer Morrow/ Flickr

Izvana, samovozeći automobil i drugi roboti koriste LIDAR. Slično kao što radar koristi radio valove, LIDAR mjeri reflektirane svjetlosne impulse za identifikaciju udaljenosti. Korišteno svjetlo je tipično ultraljubičasto ili blizu infracrvenog svjetla, slično infracrvenom senzoru dubine.

LIDAR šalje desetke tisuća impulsa u sekundi kako bi stvorio trodimenzionalnu mapu oblaka točaka iznimno visoke definicije. Dakle, da, sljedeći put kad se Tesla otkotrlja na autopilotu, snimit će vas laserom. Puno puta.

Nadalje, SLAM algoritmi koriste statičke slike i tehnike računalnog vida kao vanjsko mjerenje. To se radi s jednom kamerom, ali može biti još preciznije sa stereo parom.

Unutar Crne kutije

Unutarnja mjerenja ažurirat će 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 zamisliti kao problem zaključivanja, a ideja je pronaći optimalno rješenje.

Uobičajen način za to je vjerojatnost. Tehnike poput približnog položaja filtera čestica i mapiranja pomoću Bayesovog statističkog zaključivanja.

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

Kad se izvrše mjerenja koja se međusobno potvrđuju (kao što je korak naprijed = stol postaje sve veći), tada se česticama koje su 'ispravne' u svom položaju postupno daje bolja vjerojatnost. Čestim česticama dodjeljuju se manje vjerojatnosti.

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

Trenutne aplikacije pomoću SLAM algoritama

Razbijmo ovaj, cool komad tehnologije hladnom tehnologijom.

Autonomna podvodna vozila (AUV)

Podmornice bez posade mogu djelovati autonomno pomoću SLAM tehnika. Interni IMU pruža podatke o ubrzanju i kretanju u tri smjera. Osim toga, AUV-i za procjenu dubine koriste sonar okrenut prema dnu. Sonar za bočno skeniranje stvara slike morskog dna u rasponu od nekoliko stotina metara.

Kredit za sliku: Florida Sea Grant/ Flickr

Nosivi proizvodi mješovite stvarnosti

Microsoft i Magic Leap proizveli su naočare za nošenje koje uvode aplikacije mješovite stvarnosti. Procjena položaja i izrada karte od ključne je važnosti za ove nosive predmete. Uređaji koriste kartu za postavljanje virtualnih objekata na stvarne objekte i njihovu međusobnu interakciju.

kako napraviti iso pokretački USB za podizanje sustava?

Budući da su ti nosivi uređaji mali, ne mogu koristiti velike periferne uređaje poput LIDAR -a ili sonara. Umjesto toga, manji infracrveni senzori dubine i kamere okrenute prema van koriste se za mapiranje okoliša.

Automobili koji se sami voze

Autonomni automobili imaju malu prednost u odnosu na nosive. S puno većom fizičkom veličinom, automobili mogu držati veća računala i imati više perifernih uređaja za unutarnja i vanjska mjerenja. Na mnogo načina, samovozeći automobili predstavljaju budućnost tehnologije, što se tiče softvera i hardvera.

SLAM tehnologija se poboljšava

S obzirom da se SLAM tehnologija koristi na različite načine, samo je pitanje vremena kada će se usavršiti. Kad se svakodnevno vide automobili (i druga vozila) koji se sami voze, znat ćete da su simultana lokalizacija i mapiranje spremni za upotrebu svima.

Tehnologija samoupravljanja svakim danom se poboljšava. Želite li znati više? Pogledajte MakeUseOfov detaljni prikaz kako funkcioniraju samovozeći automobili. Možda će vas zanimati i kako hakeri ciljaju povezane automobile.

Kredit za sliku: chesky_w/ Depositphotos

Udio Udio Cvrkut E -pošta Kako pristupiti Googleovoj ugrađenoj razini mjehurića na Androidu

Ako ste se ikada trebali uvjeriti da je nešto na razini, sada možete dobiti razinu mjehurića na telefonu u nekoliko sekundi.

Pročitajte Dalje Povezane teme
  • Objašnjena tehnologija
  • Automobilska tehnologija
  • Umjetna inteligencija
  • Samovozeći automobil
  • ZALUPITI
O autoru Tom Johnsen(3 objavljena članka)

Tom je softverski inženjer s Floride (vikni prema Floridi) sa strašću za pisanjem, fakultetskim nogometom (go Gators!), CrossFitom i zarezima iz Oxforda.

Više od Toma Johnsena

Pretplatite se na naše obavijesti

Pridružite se našem biltenu za tehničke savjete, recenzije, besplatne e -knjige i ekskluzivne ponude!

Kliknite ovdje za pretplatu