盘点视觉SLAM技术在各领域的应用_亚博APP安全有保障

栏目:国际业绩

更新时间:2021-04-10

浏览: 77276

盘点视觉SLAM技术在各领域的应用_亚博APP安全有保障

产品简介

当今科技发展速度飞快,想要让用户在AR/VR、机器人、无人机、无人驾驶领域体验强化,还是必须更加多前沿技术做到反对,SLAM就是其中之一。

产品介绍

本文摘要:当今科技发展速度飞快,想要让用户在AR/VR、机器人、无人机、无人驾驶领域体验强化,还是必须更加多前沿技术做到反对,SLAM就是其中之一。

当今科技发展速度飞快,想要让用户在AR/VR、机器人、无人机、无人驾驶领域体验强化,还是必须更加多前沿技术做到反对,SLAM就是其中之一。实质上,有人就曾打比方,若是手机离开了WIFI和数据网络,就像无人车和机器人,离开了SLAM一样。什么是SLAMSLAM的英文全称是SimultaneousLocalizationandMapping,中文称为“同时定位与地图创立”。SLAM企图解决问题这样的问题:一个机器人在不得而知的环境中运动,如何通过对环境的观测确认自身的运动轨迹,同时建构出有环境的地图。

SLAM技术正是为了构建这个目标牵涉到到的诸多技术的总和。SLAM一般来说还包括如下几个部分,特征提取,数据关联,状态估算,状态改版以及特征改版等。我们提到知乎上的一个说明把它翻译成大白话,就是:当你回到一个陌生的环境时,为了很快熟知环境并已完成自己的任务(比如去找饭馆,去找旅馆),你应该做到以下事情:a.用眼睛仔细观察周围地标如建筑、大树、花坛等,并忘记他们的特征(特征提取)b.在自己的脑海中,根据双目取得的信息,把特征地标在三维地图中修复出来(三维重建)c.当自己在行驶时,大大提供新的特征地标,并且校正自己头脑中的地图模型(bundleadjustmentorEKF)d.根据自己前一段时间行驶取得的特征地标,确认自己的方位(trajectory)e.当无意中回头了很长一段路的时候,和脑海中的以往地标展开给定,看一看否走到了原路(loop-closuredetection)。

实际这一步可有可无。以上五步是同时展开的,因此是simultaneouslocalizationandmapping。

传感器与视觉SLAM框架智能机器人技术在世界范围内获得了大力发展。人们致力于把机器人用作实际场景:从室内的移动机器人,到野外的自动驾驶汽车、空中的无人机、水下环境的观测机器人等等,皆获得了普遍的注目。没精确的定位与地图,扫地机就无法在房间自律地移动,不能随机内乱摸;家用机器人就无法按照指令精确抵达某个房间。

此外,在虚拟现实(VirtualReality)和增强现实技术(ArgumentReality)中,没SLAM获取的定位,用户就无法在场景中漫游。在这几个应用领域中,人们必须SLAM向应用层获取空间定位的信息,并利用SLAM的地图已完成地图的建构或场景的分解。当我们谈论SLAM时,年所问及的就是传感器。SLAM的构建方式与可玩性和传感器的形式与加装方式密切相关。

亚博APP安全有保障

传感器分成激光和视觉两大类,视觉下面又分三小方向。下面就带上你了解这个可观家族中每个成员的特性。

1.传感器之激光雷达激光雷达是最古老,研究也最少的SLAM传感器。它们获取机器人本体与周围环境障碍物间的距离信息。少见的激光雷达,例如SICK、Velodyne还有我们国产的rplidar等,都可以当作做到SLAM。

激光雷达能以很高精度测得机器人周围障碍点的角度和距离,从而很便利地构建SLAM、避障等功能。主流的2D激光传感器扫瞄一个平面内的障碍物,限于于平面运动的机器人(如扫地机等)展开定位,并创建2D的栅格地图。这种地图在机器人导航系统中很简单,因为多数机器人还无法在空中飞行中或踏上台阶,仍仅限于地面。

在SLAM研究史上,早期SLAM研究完全仅有用于激光传感器展开建图,且多数用于滤波器方法,例如卡尔曼滤波器与粒子滤波器等。激光的优点是精度很高,速度快,计算出来量也并不大,更容易制成动态SLAM。缺点是价格昂贵,一台激光以致于上万元,不会大幅提高一个机器人的成本。

亚博APP安全有保障

因此激光的研究主要集中于如何减少传感器的成本上。对应于激光的EKF-SLAM理论方面,因为研究较早于,现在早已十分成熟期。与此同时,人们也对EKF-SLAM的缺点也有较确切的了解,例如容易回应回环、线性化误差相当严重、必需确保路标点的协方差矩阵,造成一定的空间与时间的支出,等等。

2.、传感器之视觉SLAM视觉SLAM是21世纪SLAM研究热点之一,一方面是因为视觉十分直观,不免令人实在:为何人能通过眼睛认路,机器人就敢呢?另一方面,由于CPU、GPU处理速度的快速增长,使得许多以前被指出无法动态简化的视觉算法,以求在10Hz以上的速度运营。硬件的提升也增进了视觉SLAM的发展。

以传感器而论,视觉SLAM研究主要分成三大类:单目、双目(或多目)、RGBD。其余还有鱼眼、全景等类似照相机,但是在研究和产品中都归属于少数。此外,融合惯性测量器件(InertialMeasurementUnit,IMU)的视觉SLAM也是现在研究热点之一。就构建可玩性而言,我们可以大体将这三类方法排序为:单目视觉双目视觉RGBD。

单目照相机SLAM全称MonoSLAM,即要用一支摄像头就可以已完成SLAM。这样做到的益处是传感器尤其的非常简单、成本尤其的较低,所以单目SLAM十分不受研究者注目。比起别的视觉传感器,单目有个仅次于的问题,就是不了清楚地获得深度。

这是一把双刃剑。一方面,由于意味著深度不得而知,单目SLAM不了获得机器人运动轨迹以及地图的现实大小。直观地说道,如果把轨迹和房间同时缩放两倍,单目看见的看起来一样的。

因此,单目SLAM不能估算一个比较深度,在相近转换空间Sim(3)中解法,而非传统的欧氏空间SE(3)。如果我们必需要在SE(3)中解法,则必须用一些外部的手段,例如GPS、IMU等传感器,确认轨迹与地图的尺度(Scale)。

另一方面,单目照相机无法依赖一张图像取得图像中物体离自己的比较距离。为了估算这个比较深度,单目SLAM要靠运动中的三角测量,来解法照相机运动并估算像素的空间方位。即是说道,它的轨迹和地图,只有在照相机运动之后才能发散,如果照相机不展开运动时,就无法获知像素的方位。同时,照相机运动还无法是纯粹的转动,这就给单目SLAM的应用于带给了一些困难,好在日常用于SLAM时,照相机都会再次发生转动和旋转。

不过,无法确认深度同时也有一个益处:它使得单目SLAM受环境大小的影响,因此既可以用作室内,又可以用作室外。


本文关键词:亚博APP安全有保障

本文来源:亚博APP安全有保障-www.tsumika.com