Home-theater-designers
Ο ταυτόχρονος εντοπισμός και χαρτογράφηση (SLAM) πιθανότατα δεν είναι μια φράση που χρησιμοποιείτε καθημερινά. Ωστόσο, αρκετά από τα πιο πρόσφατα υπέροχα τεχνολογικά θαύματα χρησιμοποιούν αυτήν τη διαδικασία κάθε χιλιοστό του δευτερολέπτου της ζωής τους.
Τι είναι το SLAM; Γιατί το χρειαζόμαστε; Και ποιες είναι αυτές οι υπέροχες τεχνολογίες για τις οποίες μιλάτε;
πώς να καταλάβω τι μητρική έχω τα windows 10
Από το αρκτικόλεξο στην αφηρημένη ιδέα
Εδώ είναι ένα γρήγορο παιχνίδι για εσάς. Σε ποιο από αυτά δεν ανήκει;
- Αυτοκίνητα αυτοκίνητα
- Εφαρμογές επαυξημένης πραγματικότητας
- Αυτόνομα εναέρια και υποβρύχια οχήματα
- Φορετά μικτής πραγματικότητας
- Το Roomba
Μπορεί να νομίζετε ότι η απάντηση είναι εύκολα το τελευταίο στοιχείο στη λίστα. Κατά κάποιον τρόπο, έχεις δίκιο. Με έναν άλλο τρόπο, αυτό ήταν ένα παιχνίδι κόλπο καθώς όλα αυτά τα στοιχεία σχετίζονται.
Πιστωτική εικόνα: Nathan Kroll/ Flickr
Το πραγματικό ερώτημα του (πολύ δροσερού) παιχνιδιού είναι αυτό: Τι κάνει όλες αυτές τις τεχνολογίες εφικτές; Η απάντηση: ταυτόχρονος εντοπισμός και χαρτογράφηση ή SLAM! όπως το λένε τα ωραία παιδιά.
Με μια γενική έννοια, ο σκοπός των αλγορίθμων SLAM είναι αρκετά εύκολος να επαναληφθεί. Ένα ρομπότ θα χρησιμοποιήσει ταυτόχρονο εντοπισμό και χαρτογράφηση για να εκτιμήσει τη θέση και τον προσανατολισμό του (ή να ποζάρει) στο διάστημα δημιουργώντας ταυτόχρονα έναν χάρτη του περιβάλλοντός του. Αυτό επιτρέπει στο ρομπότ να εντοπίσει πού βρίσκεται και πώς να κινηθεί μέσα σε κάποιο άγνωστο χώρο.
Επομένως, ναι, αυτό σημαίνει ότι όλος αυτός ο αλγόριθμος φανταχτερού χαρακτήρα είναι η εκτίμηση της θέσης. Μια άλλη δημοφιλής τεχνολογία, το Global Positioning System (ή GPS) υπολογίζει τη θέση του από τον πρώτο πόλεμο του Κόλπου της δεκαετίας του 1990.
Διαφορά μεταξύ SLAM και GPS
Τότε λοιπόν, γιατί χρειάζεται ένας νέος αλγόριθμος; Το GPS έχει δύο εγγενή προβλήματα. Πρώτον, ενώ το GPS είναι ακριβές σε σχέση με μια παγκόσμια κλίμακα, τόσο η ακρίβεια όσο και η ακρίβεια μειώνουν την κλίμακα σε σχέση με ένα δωμάτιο, ένα τραπέζι ή μια μικρή διασταύρωση. Το GPS έχει ακρίβεια έως ένα μέτρο, αλλά το εκατοστό; Χιλιοστόμετρο?
Δεύτερον, το GPS δεν λειτουργεί καλά κάτω από το νερό. Με το όχι καλά εννοώ καθόλου. Ομοίως, η απόδοση είναι κηλιδωτή μέσα σε κτίρια με χοντρούς τοίχους από σκυρόδεμα. Or σε υπόγεια. Παίρνετε την ιδέα. Το GPS είναι ένα δορυφορικό σύστημα, το οποίο υποφέρει από φυσικούς περιορισμούς.
Έτσι, οι αλγόριθμοι SLAM στοχεύουν να δώσουν μια βελτιωμένη αίσθηση θέσης στα πιο προηγμένα gadget και μηχανήματά μας.
Αυτές οι συσκευές έχουν ήδη μια σειρά από αισθητήρες και περιφερειακά. Οι αλγόριθμοι SLAM χρησιμοποιούν τα δεδομένα από όσο το δυνατόν περισσότερα χρησιμοποιώντας μαθηματικά και στατιστικά.
Κοτόπουλο ή αυγό; Θέση ή Χάρτης;
Τα μαθηματικά και τα στατιστικά στοιχεία χρειάζονται για να απαντήσουν σε ένα περίπλοκο δίλημμα: η θέση χρησιμοποιείται για τη δημιουργία του χάρτη του περιβάλλοντος χώρου ή ο χάρτης του περιβάλλοντος χώρου χρησιμοποιείται για τον υπολογισμό της θέσης;
Experimentρα πειράματος σκέψης! Είστε διαστασιακά στρεβλωμένοι σε ένα άγνωστο μέρος. Ποιο είναι το πρώτο πράγμα που κάνετε; Πανικός? Εντάξει, ηρέμησε, πάρε μια ανάσα. Πάρε άλλο. Τώρα, ποιο είναι το δεύτερο πράγμα που κάνετε; Κοιτάξτε γύρω και προσπαθήστε να βρείτε κάτι οικείο. Μια καρέκλα είναι στα αριστερά σας. Ένα φυτό είναι στα δεξιά σας. Ένα τραπεζάκι σαλονιού είναι μπροστά σας.
Στη συνέχεια, κάποτε ο παραλυτικός φόβος του 'Πού στο διάολο είμαι;' φθείρεται, αρχίζεις να κινείσαι. Περιμένετε, πώς λειτουργεί η κίνηση σε αυτήν τη διάσταση; Κάντε ένα βήμα μπροστά. Η καρέκλα και το φυτό γίνονται μικρότερα και το τραπέζι μεγαλώνει. Τώρα, μπορείτε να επιβεβαιώσετε ότι πράγματι προχωράτε.
πώς να ελέγξετε τι gpu έχετε στα windows 10
Οι παρατηρήσεις είναι βασικές για τη βελτίωση της ακρίβειας της εκτίμησης SLAM. Στο παρακάτω βίντεο, καθώς το ρομπότ μετακινείται από δείκτη σε δείκτη, δημιουργεί έναν καλύτερο χάρτη του περιβάλλοντος.
Πίσω στην άλλη διάσταση, όσο περισσότερο περπατάς τόσο περισσότερο προσανατολίζεσαι. Το βήμα προς όλες τις κατευθύνσεις επιβεβαιώνει ότι η κίνηση σε αυτήν τη διάσταση είναι παρόμοια με τη διάσταση του σπιτιού σας. Καθώς πηγαίνετε προς τα δεξιά, το φυτό μεγαλώνει. Χρήσιμα, βλέπετε άλλα πράγματα που αναγνωρίζετε ως ορόσημα σε αυτόν τον νέο κόσμο που σας επιτρέπουν να περιπλανηθείτε με μεγαλύτερη αυτοπεποίθηση.
Αυτή είναι ουσιαστικά η διαδικασία του SLAM.
Εισαγωγές στη Διαδικασία
Για να γίνουν αυτές οι εκτιμήσεις, οι αλγόριθμοι χρησιμοποιούν πολλά κομμάτια δεδομένων που μπορούν να κατηγοριοποιηθούν ως εσωτερικά ή εξωτερικά. Για το παράδειγμα των διαστάσεων μεταφοράς (παραδεχτείτε, είχατε ένα διασκεδαστικό ταξίδι), οι εσωτερικές μετρήσεις είναι το μέγεθος των βημάτων και η κατεύθυνση.
Οι εξωτερικές μετρήσεις γίνονται με τη μορφή εικόνων. Ο εντοπισμός ορόσημων όπως το φυτό, η καρέκλα και το τραπέζι είναι μια εύκολη δουλειά για τα μάτια και τον εγκέφαλο. Ο πιο ισχυρός γνωστός επεξεργαστής-ο ανθρώπινος εγκέφαλος --- είναι σε θέση να λάβει αυτές τις εικόνες και όχι μόνο να αναγνωρίσει αντικείμενα, αλλά και να εκτιμήσει την απόσταση από αυτό το αντικείμενο.
Δυστυχώς (ή ευτυχώς, ανάλογα με το φόβο σας για το SkyNet), τα ρομπότ δεν έχουν ανθρώπινο εγκέφαλο ως επεξεργαστή. Οι μηχανές βασίζονται σε τσιπ πυριτίου με ανθρώπινο γραπτό κώδικα ως εγκέφαλο.
Άλλα κομμάτια μηχανημάτων πραγματοποιούν εξωτερικές μετρήσεις. Περιφερειακά όπως γυροσκόπια ή άλλη μονάδα αδρανειακής μέτρησης (IMU) είναι χρήσιμα σε αυτό. Τα ρομπότ όπως τα αυτοκινούμενα αυτοκίνητα χρησιμοποιούν επίσης την χιλιομετρία της θέσης του τροχού ως εσωτερική μέτρηση.
Image Credit: Jennifer Morrow/ Flickr
Εξωτερικά, ένα αυτόνομο αυτοκίνητο και άλλα ρομπότ χρησιμοποιούν το LIDAR. Παρόμοια με το πώς τα ραντάρ χρησιμοποιούν τα ραδιοκύματα, το LIDAR μετρά τους παλμούς του ανακλώμενου φωτός για τον προσδιορισμό της απόστασης. Το φως που χρησιμοποιείται είναι συνήθως υπεριώδες ή σχεδόν υπέρυθρο, παρόμοιο με έναν αισθητήρα υπέρυθρου βάθους.
Το LIDAR στέλνει δεκάδες χιλιάδες παλμούς ανά δευτερόλεπτο για να δημιουργήσει έναν τρισδιάστατο χάρτη νέφους εξαιρετικά υψηλής ευκρίνειας. Έτσι, ναι, την επόμενη φορά που ο Tesla θα κυκλοφορήσει στον αυτόματο πιλότο, θα σας πυροβολήσει με λέιζερ. Πολλές φορές.
Επιπλέον, οι αλγόριθμοι SLAM χρησιμοποιούν στατικές εικόνες και τεχνικές όρασης υπολογιστή ως εξωτερική μέτρηση. Αυτό γίνεται με μία μόνο κάμερα, αλλά μπορεί να γίνει ακόμα πιο ακριβής με ένα στερεοφωνικό ζεύγος.
Μέσα στο Μαύρο Κουτί
Οι εσωτερικές μετρήσεις θα ενημερώσουν την εκτιμώμενη θέση, η οποία μπορεί να χρησιμοποιηθεί για την ενημέρωση του εξωτερικού χάρτη. Οι εξωτερικές μετρήσεις θα ενημερώσουν τον εκτιμώμενο χάρτη, ο οποίος μπορεί να χρησιμοποιηθεί για την ενημέρωση της θέσης. Μπορείτε να το θεωρήσετε ως ένα συμπέρασμα συμπεράσματος και η ιδέα είναι να βρείτε τη βέλτιστη λύση.
Ένας κοινός τρόπος για να γίνει αυτό είναι μέσω της πιθανότητας. Τεχνικές όπως φίλτρο σωματιδίων κατά προσέγγιση θέση και χαρτογράφηση χρησιμοποιώντας στατιστικό συμπέρασμα Bayesian.
Ένα φίλτρο σωματιδίων χρησιμοποιεί έναν καθορισμένο αριθμό σωματιδίων που διαχέονται από μια κατανομή Gauss. Κάθε σωματίδιο «προβλέπει» την τρέχουσα θέση του ρομπότ. Σε κάθε σωματίδιο αποδίδεται μια πιθανότητα. Όλα τα σωματίδια ξεκινούν με την ίδια πιθανότητα.
Όταν γίνονται μετρήσεις που επιβεβαιώνουν η μία την άλλη (όπως βήμα προς τα εμπρός = ο πίνακας μεγαλώνει), τότε στα σωματίδια που είναι «σωστά» στη θέση τους δίνεται σταδιακά καλύτερες πιθανότητες. Τα σωματίδια που βρίσκονται μακριά έχουν χαμηλότερες πιθανότητες.
Όσο περισσότερα ορόσημα μπορεί να εντοπίσει ένα ρομπότ, τόσο το καλύτερο. Τα ορόσημα παρέχουν ανατροφοδότηση στον αλγόριθμο και επιτρέπουν ακριβέστερους υπολογισμούς.
Τρέχουσες εφαρμογές χρησιμοποιώντας αλγόριθμους SLAM
Ας σπάσουμε αυτό το δροσερό κομμάτι της τεχνολογίας με το κομψό κομμάτι της τεχνολογίας.
Αυτόνομα υποβρύχια οχήματα (AUV)
Τα μη επανδρωμένα υποβρύχια μπορούν να λειτουργούν αυτόνομα χρησιμοποιώντας τεχνικές SLAM. Μια εσωτερική IMU παρέχει δεδομένα επιτάχυνσης και κίνησης σε τρεις κατευθύνσεις. Επιπλέον, τα AUV χρησιμοποιούν σόναρ προς τα κάτω για εκτιμήσεις βάθους. Το σόναρ πλευρικής σάρωσης δημιουργεί εικόνες από τον πυθμένα της θάλασσας, με εμβέλεια μερικών εκατοντάδων μέτρων.
Image Credit: Florida Sea Grant/ Flickr
Φορετά μικτής πραγματικότητας
Η Microsoft και η Magic Leap παρήγαγαν φορετά γυαλιά που εισάγουν εφαρμογές μεικτής πραγματικότητας. Η εκτίμηση της θέσης και η δημιουργία ενός χάρτη είναι ζωτικής σημασίας για αυτά τα φορετά. Οι συσκευές χρησιμοποιούν τον χάρτη για να τοποθετήσουν εικονικά αντικείμενα πάνω σε πραγματικά αντικείμενα και να τα αλληλεπιδράσουν μεταξύ τους.
πώς ακολουθείτε κάποιον στο facebook
Δεδομένου ότι αυτά τα φορετά είναι μικρά, δεν μπορούν να χρησιμοποιήσουν μεγάλα περιφερειακά όπως LIDAR ή σόναρ. Αντ 'αυτού, χρησιμοποιούνται μικρότεροι αισθητήρες υπέρυθρου βάθους και κάμερες προς τα έξω για τη χαρτογράφηση ενός περιβάλλοντος.
Αυτοκίνητα Αυτοκίνητα
Τα αυτόνομα αυτοκίνητα έχουν ένα μικρό πλεονέκτημα σε σχέση με τα φορετά. Με πολύ μεγαλύτερο φυσικό μέγεθος, τα αυτοκίνητα μπορούν να κρατούν μεγαλύτερους υπολογιστές και να έχουν περισσότερα περιφερειακά για να κάνουν εσωτερικές και εξωτερικές μετρήσεις. Με πολλούς τρόπους, τα αυτοκινούμενα αυτοκίνητα αντιπροσωπεύουν το μέλλον της τεχνολογίας, τόσο από άποψη λογισμικού όσο και υλικού.
Η τεχνολογία SLAM βελτιώνεται
Με την τεχνολογία SLAM να χρησιμοποιείται με διάφορους τρόπους, είναι θέμα χρόνου να τελειοποιηθεί. Μόλις εμφανίζονται καθημερινά αυτο-οδηγούμενα αυτοκίνητα (και άλλα οχήματα), θα γνωρίζετε ότι ο ταυτόχρονος εντοπισμός και η χαρτογράφηση είναι έτοιμοι για χρήση από όλους.
Η τεχνολογία αυτο-οδήγησης βελτιώνεται κάθε μέρα. Θέλετε να μάθετε περισσότερα; Δείτε τη λεπτομερή ανάλυση του MakeUseOf για το πώς λειτουργούν τα αυτοκινούμενα αυτοκίνητα. Μπορεί επίσης να σας ενδιαφέρει πώς στοχεύουν χάκερ συνδεδεμένα αυτοκίνητα.
Πίστωση εικόνας: chesky_w/ Φωτογραφίες καταθέσεων
Μερίδιο Μερίδιο Τιτίβισμα ΗΛΕΚΤΡΟΝΙΚΗ ΔΙΕΥΘΥΝΣΗ Πώς να αποκτήσετε πρόσβαση στο ενσωματωμένο επίπεδο φυσαλίδων της Google στο AndroidΕάν χρειαστήκατε ποτέ να βεβαιωθείτε ότι κάτι είναι στο ίδιο επίπεδο, μπορείτε τώρα να λάβετε ένα επίπεδο φυσαλίδων στο τηλέφωνό σας σε δευτερόλεπτα.
Διαβάστε Επόμενο Σχετικά θέματα- Η τεχνολογία εξηγείται
- Τεχνολογία αυτοκινήτου
- Τεχνητή νοημοσύνη
- Αυτοκίνητο Αυτοκίνητο
- ΧΤΥΠΗΜΑ
Ο Τομ είναι Μηχανικός Λογισμικού από τη Φλόριντα (φωνάξτε στο Florida Man) με πάθος για τη συγγραφή, το ποδόσφαιρο στο κολέγιο (πάτε Gators!), CrossFit και κόμματα της Οξφόρδης.
Περισσότερα από τον Tom JohnsenΕγγραφείτε στο newsletter μας
Εγγραφείτε στο ενημερωτικό μας δελτίο για τεχνικές συμβουλές, κριτικές, δωρεάν ebooks και αποκλειστικές προσφορές!
Κάντε κλικ εδώ για εγγραφή