Hva er synkron lokalisering og kartlegging?

Av | november 13, 2021

Roboter bruker kart for å bevege seg som mennesker. Faktisk kan roboter ikke stole på GPS under internt arbeid. I tillegg er ikke GPS nøyaktig nok under åpen drift på grunn av økt krav til oppløsning. Dette er grunnen til at disse enhetene er avhengige av Synchronous Deployment and Mapping. Også kjent som SLAM. La oss lære mer om denne tilnærmingen.

Ved hjelp av SLAM kan roboter bygge disse kartene mens de jobber. I tillegg lar den maskiner bestemme sin posisjon ved å arrangere sensordata.

Selv om det virker veldig enkelt, involverer prosessen mange stadier. Roboter må behandle sensordata ved hjelp av mange algoritmer.

Sensordatajustering

Datamaskiner oppdager robotens plassering i form av et tidspunkt på en kartgraf. Faktisk fortsetter roboter å samle sensorisk informasjon for å lære mer om omgivelsene. Du vil bli overrasket over å vite at de tar 90 bilder per sekund. Det er slik de tilbyr nøyaktighet.

Bevegelsesevaluering

I tillegg tar hjulodometrien hensyn til rotasjonen av robotens hjul for å måle tilbakelagt distanse. På samme måte kan treghetsmåleenheter hjelpe til med å måle datamaskinens hastighet. Disse sensorstrømmene brukes til å bedre evaluere robotens bevegelser.

Registrering av sensordata

Sensordata registreres mellom kartet og målingen. For eksempel, ved hjelp av NVIDIA Isaac SDK, kan eksperter bruke en robot til å tilpasse kartet. SDK har en algoritme kalt HGMM, som er forkortelse for Hierarchical Gaussian Mixed Model. Denne algoritmen brukes til å justere et par punktskyer.

I utgangspunktet brukes Bayes-filtre for å matematisk løse plasseringen av roboten. Dette gjøres ved hjelp av bevegelsesestimater og sensorisk dataflyt.

GPU og Split-Second-beregninger

Interessant nok er kartleggingsberegningene basert på algoritmer opptil 100 ganger per sekund. Og dette er bare mulig med den fantastiske prosessorkraften til GPUer i sanntid. I motsetning til CPU-er, kan GPU-er være opptil 20 ganger raskere når det kommer til disse beregningene.

Visuell odometri og lokalisering

Visuell odometri kan være et ideelt valg for å bestemme plasseringen og orienteringen til roboten. I dette tilfellet er den eneste inngangen video. Nvidia Isaac er et ideelt valg for dette, siden den er kompatibel med stereovisuell odometri, som dekker to kameraer. Disse kameraene fungerer i sanntid for å bestemme plasseringen. Disse kameraene kan ta 30 bilder per sekund.

Kort fortalt var det en kort oversikt over Synchronous Localization and Mapping. Vi håper denne artikkelen vil hjelpe deg med å forstå denne teknologien bedre.

Kategori: gpu

Legg igjen en kommentar

Din e-postadresse vil ikke bli publisert.