Home-theater-designers
Истовремена локализација и мапирање (СЛАМ) вероватно није израз који користите свакодневно. Међутим, неколико најновијих чудесних технолошких чуда користи овај процес сваке милисекунде свог животног века.
Шта је СЛАМ? Зашто нам треба? А о којим кул технологијама говорите?
кбок оне контролер се стално искључује
Од акроним до апстрактне идеје
Ево брзе игре за вас. Које од ових не припада?
- Аутомобили који се сами возе
- Апликације проширене стварности
- Аутономна ваздушна и подводна возила
- Носиви предмети из мешовите стварности
- Тхе Роомба
Можда мислите да је одговор лако последња ставка на листи. На неки начин сте у праву. На други начин, ово је била трик игра јер су све те ставке повезане.
Кредит за слику: Натхан Кролл/ Флицкр
Право питање (веома кул) игре је следеће: Шта све ове технологије чини изводљивим? Одговор: истовремена локализација и мапирање, или СЛАМ! како то кажу кул деца.
У општем смислу, сврха СЛАМ алгоритама је довољно лака за понављање. Робот ће користити истовремену локализацију и мапирање како би процијенио свој положај и оријентацију (или позу) у простору док ствара мапу свог окружења. Ово омогућава роботу да идентификује где се налази и како да се креће кроз неки непознати простор.
Према томе, да, то јест све што овај фантастични алгоритам ради је процена положаја. Друга популарна технологија, Глобал Поситионинг Систем (или ГПС), процењује положај од првог Заливског рата 1990 -их.
Разликовање између СЛАМ -а и ГПС -а
Па чему онда потреба за новим алгоритмом? ГПС има два инхерентна проблема. Прво, иако је ГПС тачан у односу на глобалну скалу, и прецизност и тачност умањују скалу у односу на просторију, сто или малу раскрсницу. ГПС има тачност до метра, али шта је центиметар? Милиметар?
Друго, ГПС не ради добро под водом. Не мислим добро, не мислим уопште. Слично, перформансе су мрљаве унутар зграда са дебелим бетонским зидовима. Или у подрумима. Схватили сте идеју. ГПС је сателитски систем који пати од физичких ограничења.
Тако СЛАМ алгоритми имају за циљ да побољшају осећај положаја за наше најнапредније гаџете и машине.
Ови уређаји већ имају низ сензора и периферних уређаја. СЛАМ алгоритми користе податке из што је могуће више њих користећи неку математику и статистику.
Пилетина или јаје? Положај или мапа?
Математика и статистика су потребни да би се одговорило на сложену недоумицу: користи ли се позиција за израду карте околине или се мапа околине користи за израчунавање положаја?
Време за мисаони експеримент! Интердимензионално сте искривљени на непознато место. Шта прво урадите? Паника? У реду, смири се, удахни. Узми другу. Шта сте друго урадили? Погледајте око себе и покушајте да пронађете нешто познато. Столица је са ваше леве стране. Биљка је са ваше десне стране. Сточић за кафу је испред вас.
Затим, једном паралишући страх од 'Где сам дођавола?' истроши, почнете да се крећете. Чекај, како покрет функционише у овој димензији? Направите корак напред. Столица и биљка постају све мањи, а стол све већи. Сада можете потврдити да заправо напредујете.
најбољи начин да набавите Мицрософт Оффице
Запажања су кључна за побољшање тачности СЛАМ процене. У доњем видеу, док се робот креће од маркера до маркера, гради бољу мапу окружења.
Назад у другу димензију, што се више крећете, више се оријентишете. Кораци у свим правцима потврђују да је кретање у овој димензији слично вашој димензији дома. Како идете десно, биљка постаје све већа. Корисно, видите и друге ствари које идентификујете као оријентире у овом новом свету које вам омогућавају да самопоузданије лутате.
Ово је у суштини процес СЛАМ -а.
Улазни подаци у процес
Да би се извршиле ове процене, алгоритми користе неколико података који се могу категорисати као интерни или екстерни. За ваш пример међудимензионалног транспорта (признајте, имали сте забавно путовање), унутрашња мерења су величина корака и смер.
Спољна мерења су у облику слика. Идентификовање оријентира попут биљке, столице и стола лак је задатак за очи и мозак. Најмоћнији познати процесор-људски мозак-може да направи ове слике и не само да идентификује објекте, већ и процени удаљеност до тог објекта.
Нажалост (или на срећу, у зависности од вашег страха од СкиНета), роботи немају људски мозак као процесор. Машине се ослањају на силиконске чипове са људским писаним кодом као мозгом.
Други делови машина врше спољна мерења. Периферне јединице, попут жироскопа или других инерцијалних мерних јединица (ИМУ), помажу у томе. Роботи, као што су самовозећи аутомобили, такође користе мерење километраже положаја точка као унутрашње мерење.
Заслуга за слику: Јеннифер Морров/ Флицкр
Споља, самовозећи аутомобил и други роботи користе ЛИДАР. Слично начину на који радар користи радио таласе, ЛИДАР мери импулсе рефлектоване светлости како би идентификовао удаљеност. Коришћено светло је обично ултраљубичасто или близу инфрацрвеног, слично инфрацрвеном сензору дубине.
ЛИДАР шаље десетине хиљада импулса у секунди да створи тродимензионалну мапу облака тачака изузетно високе дефиниције. Дакле, да, следећи пут када се Тесла котрља на аутопилоту, снимиће вас ласером. Пуно пута.
Поред тога, СЛАМ алгоритми користе статичке слике и технике рачунарског вида као спољно мерење. Ово се ради са једном камером, али може бити још прецизније помоћу стерео пара.
Унутар Црне кутије
Интерна мерења ће ажурирати процењени положај, који се може користити за ажурирање спољне карте. Спољна мерења ће ажурирати процењену мапу, која се може користити за ажурирање положаја. Можете то замислити као проблем закључивања, а идеја је пронаћи оптимално решење.
Уобичајен начин за то је кроз вероватноћу. Технике као што су приближни положај и мапирање филтера честица помоћу Баиесовог статистичког закључивања.
Филтер честица користи одређени број честица распоређених Гауссовом расподелом. Свака честица 'предвиђа' тренутну позицију робота. Свакој честици се додељује вероватноћа. Све честице почињу са истом вероватноћом.
Када се изврше мерења која се међусобно потврђују (као што је корак напред = табела постаје све већа), тада се честицама које су „исправне“ у свом положају постепено даје већа вероватноћа. Честицама које су удаљене додељују се мање вероватноће.
Што више оријентира робот може да идентификује, то боље. Оријентири пружају повратну информацију алгоритму и омогућавају прецизније прорачуне.
Тренутне апликације користећи СЛАМ алгоритме
Хајде да разбијемо овај, кул комад технологије по хладном делу технологије.
Аутономна подводна возила (АУВ)
Подморнице без посаде могу деловати аутономно користећи СЛАМ технике. Интерни ИМУ пружа податке о убрзању и кретању у три правца. Додатно, АУВ-и за процену дубине користе сонар окренут према дну. Сонар за бочно скенирање ствара слике морског дна у распону од неколико стотина метара.
Кредит за слику: Флорида Сеа Грант/ Флицкр
Одећа за мешовиту стварност
Мицрософт и Магиц Леап произвели су наочаре за ношење које уводе апликације за мешовиту стварност. Процена положаја и израда карте је кључна за ове носиве ствари. Уређаји користе мапу за постављање виртуелних објеката на стварне објекте и њихову интеракцију.
ако ваш софтвер за заштиту од злонамерног софтвера не открије и уклони вирус, шта бисте прво требали покушати
Пошто су ови носиви уређаји мали, не могу да користе велике периферне уређаје као што су ЛИДАР или сонар. Уместо тога, мањи инфрацрвени сензори дубине и камере окренуте према споља се користе за мапирање окружења.
Самовозећи аутомобили
Аутономни аутомобили имају малу предност у односу на носиве. Са много већом физичком величином, аутомобили могу држати веће рачунаре и имати више периферних уређаја за унутрашња и спољна мерења. На много начина, самовозећи аутомобили представљају будућност технологије, како у софтверском тако и у хардверском смислу.
СЛАМ технологија се побољшава
С обзиром да се СЛАМ технологија користи на више различитих начина, само је питање времена када ће се усавршити. Након што се аутомобили (и друга возила) који се сами возе свакодневно виђају, знаћете да су истовремена локализација и мапирање спремни за употребу свима.
Технологија самоуправљања се сваким даном побољшава. Желите ли знати више? Погледајте детаљан приказ начина на који функционишу самовозећи аутомобили компаније МакеУсеОф. Можда ће вас такође занимати како хакери циљају повезане аутомобиле.
Кредит за слику: цхески_в/ Депоситпхотос
Објави Објави Твеет Емаил Како приступити Гоогле-овом уграђеном нивоу облачића на АндроидуАко сте икада морали да се уверите да је нешто у равни, сада можете да добијете ниво облачића на телефону за неколико секунди.
Прочитајте следеће Повезане теме- Објашњена технологија
- Аутомотиве Тецхнологи
- Вештачка интелигенција
- Самовозећи аутомобил
- СЛАМ
Том је софтверски инжењер са Флориде (узвик за Флорида Ман) са страшћу за писањем, факултетским фудбалом (иди Гаторс!), ЦроссФитом и оксфордским зарезима.
Више од Тома ЈохнсенаПретплатите се на наш билтен
Придружите се нашем билтену за техничке савете, критике, бесплатне е -књиге и ексклузивне понуде!
Кликните овде да бисте се претплатили