Home-theater-designers
Bản địa hóa và ánh xạ đồng thời (SLAM) có thể không phải là một cụm từ bạn sử dụng hàng ngày. Tuy nhiên, một số kỳ quan công nghệ mới nhất sử dụng quy trình này mỗi phần nghìn giây trong vòng đời của chúng.
SLAM là gì? Tại sao chúng ta cần nó? Và bạn nói đến những công nghệ tuyệt vời này là gì?
cửa hàng google play sẽ không cập nhật ứng dụng
Từ viết tắt đến ý tưởng trừu tượng
Đây là một trò chơi nhanh dành cho bạn. Cái nào trong số này không thuộc về?
- Ô tô tự lái
- Ứng dụng thực tế tăng cường
- Các phương tiện tự hành trên không và dưới nước
- Thiết bị đeo thực tế hỗn hợp
- Roomba
Bạn có thể nghĩ rằng câu trả lời dễ dàng là mục cuối cùng trong danh sách. Theo một cách nào đó, bạn đã đúng. Theo một cách khác, đây là một trò chơi đánh lừa vì tất cả những vật phẩm đó đều có liên quan đến nhau.
Tín dụng hình ảnh: Nathan Kroll / Flickr
Câu hỏi thực sự của trò chơi (rất hay) là: Điều gì làm cho tất cả những công nghệ này trở nên khả thi? Câu trả lời: bản địa hóa và ánh xạ đồng thời, hoặc SLAM! như những đứa trẻ tuyệt vời nói.
Theo nghĩa chung, mục đích của các thuật toán SLAM đủ dễ dàng để lặp lại. Robot sẽ sử dụng bản đồ và bản địa hóa đồng thời để ước tính vị trí và định hướng (hoặc tư thế) của nó trong không gian trong khi tạo bản đồ về môi trường của nó. Điều này cho phép robot xác định vị trí của nó và cách di chuyển qua một số không gian không xác định.
Do đó, có, nghĩa là tất cả những gì thuật toán ưa thích này làm là ước tính vị trí. Một công nghệ phổ biến khác, Hệ thống Định vị Toàn cầu (hay GPS) đã ước tính vị trí kể từ Chiến tranh vùng Vịnh đầu tiên của những năm 1990.
Phân biệt giữa SLAM và GPS
Vậy tại sao lại cần một thuật toán mới? GPS có hai vấn đề cố hữu. Thứ nhất, mặc dù GPS chính xác so với quy mô toàn cầu, nhưng cả độ chính xác và độ chính xác đều giảm tỷ lệ so với một căn phòng, một cái bàn hoặc một giao lộ nhỏ. GPS có độ chính xác đến cả mét, nhưng cm là bao nhiêu? Milimét?
Thứ hai, GPS không hoạt động tốt dưới nước. Không tốt, ý tôi là không hề. Tương tự, hiệu suất là điểm đáng chú ý bên trong các tòa nhà với những bức tường bê tông dày. Hoặc trong các tầng hầm. Bạn có được ý tưởng. GPS là một hệ thống dựa trên vệ tinh, bị hạn chế về mặt vật lý.
Vì vậy, các thuật toán SLAM nhằm mục đích mang lại cảm giác vị trí được cải thiện cho các thiết bị và máy móc tiên tiến nhất của chúng tôi.
Các thiết bị này đã có rất nhiều cảm biến và thiết bị ngoại vi. Các thuật toán SLAM sử dụng dữ liệu từ càng nhiều càng tốt bằng cách sử dụng một số phép toán và thống kê.
Gà hay trứng? Vị trí hoặc Bản đồ?
Toán học và thống kê là cần thiết để trả lời một câu hỏi phức tạp: vị trí được sử dụng để tạo bản đồ của môi trường xung quanh hay bản đồ của môi trường xung quanh được sử dụng để tính toán vị trí?
Thời gian thử nghiệm tưởng! Bạn đang bị biến dạng giữa các chiều đến một nơi xa lạ. Điều đầu tiên bạn làm là gì? Hoảng loạn? OK, bình tĩnh nào, hít thở. Lấy cái khác. Bây giờ, điều thứ hai bạn làm là gì? Nhìn xung quanh và cố gắng tìm một cái gì đó quen thuộc. Một chiếc ghế ở bên trái của bạn. Một nhà máy là bên phải của bạn. Một bàn cà phê đang ở trước mặt bạn.
Tiếp theo, một khi nỗi sợ hãi tê liệt về 'Tôi đang ở đâu?' mòn đi, bạn bắt đầu di chuyển. Chờ đã, chuyển động hoạt động như thế nào trong không gian này? Tiến lên một bước. Cái ghế và cái cây ngày càng nhỏ và cái bàn ngày càng lớn. Bây giờ, bạn có thể xác nhận rằng trên thực tế, bạn đang tiến về phía trước.
ứng dụng gọi điện miễn phí cho android đến bất kỳ số nào
Quan sát là chìa khóa để cải thiện độ chính xác của ước tính SLAM. Trong video bên dưới, khi robot di chuyển từ điểm đánh dấu này sang điểm đánh dấu khác, nó sẽ xây dựng một bản đồ môi trường tốt hơn.
Quay lại không gian khác, bạn càng đi bộ xung quanh, bạn càng định hướng cho mình. Bước theo mọi hướng xác nhận rằng chuyển động trong không gian này giống với kích thước nhà của bạn. Khi bạn đi về phía bên phải, cái cây sẽ lớn hơn. Một cách hữu ích, bạn thấy những thứ khác mà bạn xác định là điểm mốc trong thế giới mới này cho phép bạn tự tin đi lang thang hơn.
Đây thực chất là quá trình SLAM.
Đầu vào cho quy trình
Để thực hiện các ước tính này, các thuật toán sử dụng một số phần dữ liệu có thể được phân loại là nội bộ hoặc bên ngoài. Đối với ví dụ về phương tiện giao thông liên chiều của bạn (thừa nhận rằng, bạn đã có một chuyến đi vui vẻ), các phép đo nội bộ là kích thước của các bước và hướng.
Các phép đo bên ngoài được thực hiện ở dạng hình ảnh. Xác định các điểm mốc như nhà máy, cái ghế và cái bàn là một nhiệm vụ dễ dàng đối với mắt và não. Bộ xử lý mạnh nhất được biết đến --- bộ não con người --- có thể chụp những hình ảnh này và không chỉ xác định vật thể mà còn ước tính khoảng cách đến vật thể đó.
Thật không may (hoặc may mắn thay, tùy thuộc vào nỗi sợ hãi của bạn về SkyNet), robot không có bộ não con người như một bộ xử lý. Máy móc hoạt động dựa trên chip silicon với bộ não do con người viết ra.
Các phần khác của máy móc thực hiện các phép đo bên ngoài. Các thiết bị ngoại vi như con quay hồi chuyển hoặc đơn vị đo lường quán tính (IMU) khác rất hữu ích trong việc này. Các robot như ô tô tự lái cũng sử dụng phương pháp đo mùi của vị trí bánh xe làm phép đo nội bộ.
Tín dụng hình ảnh: Jennifer Morrow / Flickr
Bên ngoài, ô tô tự lái và các rô bốt khác sử dụng LIDAR. Tương tự như cách radar sử dụng sóng vô tuyến, LIDAR đo các xung ánh sáng phản xạ để xác định khoảng cách. Ánh sáng được sử dụng thường là tia cực tím hoặc tia hồng ngoại gần, tương tự như cảm biến độ sâu hồng ngoại.
LIDAR gửi đi hàng chục nghìn xung mỗi giây để tạo ra một bản đồ đám mây điểm ba chiều có độ nét cực cao. Vì vậy, vâng, lần tiếp theo khi Tesla quay vòng trên chế độ lái tự động, nó sẽ bắn bạn bằng tia laser. Rất nhiều lần.
Ngoài ra, các thuật toán SLAM sử dụng hình ảnh tĩnh và kỹ thuật thị giác máy tính làm phép đo bên ngoài. Điều này được thực hiện với một máy ảnh duy nhất, nhưng có thể được thực hiện chính xác hơn nữa với một cặp âm thanh nổi.
Bên trong hộp đen
Các phép đo nội bộ sẽ cập nhật vị trí ước tính, có thể được sử dụng để cập nhật bản đồ bên ngoài. Các phép đo bên ngoài sẽ cập nhật bản đồ ước tính, bản đồ này có thể được sử dụng để cập nhật vị trí. Bạn có thể coi nó như một bài toán suy luận, và ý tưởng là tìm ra giải pháp tối ưu.
Một cách phổ biến để làm điều này là thông qua xác suất. Các kỹ thuật như bộ lọc hạt gần đúng vị trí và ánh xạ bằng cách sử dụng suy luận thống kê Bayes.
Bộ lọc hạt sử dụng một tập hợp số lượng hạt được trải ra theo phân bố Gauss. Mỗi hạt 'dự đoán' vị trí hiện tại của robot. Một xác suất được gán cho mỗi hạt. Tất cả các hạt đều bắt đầu với cùng một xác suất.
Khi các phép đo được thực hiện để xác nhận lẫn nhau (chẳng hạn như bước tiến = bàn lớn hơn), thì các hạt 'đúng' ở vị trí của chúng tăng dần sẽ có xác suất tốt hơn. Các hạt bị lệch được chỉ định xác suất thấp hơn.
Robot càng có thể xác định được nhiều điểm mốc thì càng tốt. Các mốc cung cấp phản hồi cho thuật toán và cho phép tính toán chính xác hơn.
Các ứng dụng hiện tại sử dụng thuật toán SLAM
Hãy chia nhỏ phần công nghệ tuyệt vời này bằng phần công nghệ tuyệt vời.
Phương tiện tự hành dưới nước (AUV)
Tàu ngầm không người lái có thể hoạt động tự động bằng kỹ thuật SLAM. IMU nội bộ cung cấp dữ liệu gia tốc và chuyển động theo ba hướng. Ngoài ra, AUV sử dụng sonar hướng từ dưới lên để ước tính độ sâu. Sonar quét bên tạo ra hình ảnh của đáy biển, với phạm vi vài trăm mét.
Tín dụng hình ảnh: Florida Sea Grant / Flickr
Thiết bị đeo thực tế hỗn hợp
Microsoft và Magic Leap đã sản xuất kính đeo được giới thiệu các ứng dụng Thực tế hỗn hợp. Ước tính vị trí và tạo bản đồ là rất quan trọng đối với những thiết bị đeo được này. Các thiết bị sử dụng bản đồ để đặt các đối tượng ảo lên trên các đối tượng thực và để chúng tương tác với nhau.
làm thế nào để biết nếu bạn bị chặn trên facebook
Vì những thiết bị đeo này nhỏ nên chúng không thể sử dụng các thiết bị ngoại vi lớn như LIDAR hoặc sonar. Thay vào đó, các cảm biến độ sâu hồng ngoại nhỏ hơn và camera hướng ra ngoài được sử dụng để lập bản đồ môi trường.
Ô tô tự lái
Xe ô tô tự lái có một chút lợi thế so với thiết bị đeo được. Với kích thước vật lý lớn hơn nhiều, ô tô có thể chứa các máy tính lớn hơn và có nhiều thiết bị ngoại vi hơn để thực hiện các phép đo bên trong và bên ngoài. Theo nhiều cách, xe tự lái đại diện cho tương lai của công nghệ, cả về phần mềm và phần cứng.
Công nghệ SLAM đang được cải thiện
Với công nghệ SLAM đang được sử dụng theo nhiều cách khác nhau, việc hoàn thiện chỉ còn là vấn đề thời gian. Khi xe tự lái (và các phương tiện khác) được nhìn thấy hàng ngày, bạn sẽ biết rằng bản địa hóa và lập bản đồ đồng thời đã sẵn sàng cho mọi người sử dụng.
Công nghệ tự lái đang được cải thiện mỗi ngày. Bạn muốn biết thêm? Hãy xem phân tích chi tiết của MakeUseOf về cách hoạt động của ô tô tự lái. Bạn cũng có thể quan tâm đến cách tin tặc nhắm mục tiêu vào những chiếc xe được kết nối.
Tín dụng hình ảnh: chesky_w / Tiền gửi
Đăng lại Đăng lại tiếng riu ríu E-mail Cách truy cập Cấp bong bóng tích hợp của Google trên AndroidNếu bạn đã từng cần đảm bảo thứ gì đó ở mức vừa phải, thì giờ đây, bạn có thể có được mức bong bóng trên điện thoại của mình trong vài giây.
Đọc tiếp Chủ đề liên quan- Giải thích về công nghệ
- Công nghệ tự động
- Trí tuệ nhân tạo
- Xe tự lái
- SẬP
Tom là một Kỹ sư phần mềm đến từ Florida (xin gửi lời cảm ơn đến Florida Man) với niềm đam mê viết lách, bóng đá đại học (go Gators!), CrossFit và dấu phẩy Oxford.
Xem thêm từ Tom JohnsenTheo dõi bản tin của chúng tôi
Tham gia bản tin của chúng tôi để biết các mẹo công nghệ, đánh giá, sách điện tử miễn phí và các ưu đãi độc quyền!
Bấm vào đây để đăng ký