البطولات الاربع البصرية
يتيح Visual SLAM للكاميرا المتحركة إنشاء خريطة لمساحة غير معروفة مع تتبع موقعها داخل تلك الخريطة في نفس الوقت.
نظرة عامة
It is the spatial backbone of robots, drones, AR headsets, and self-driving features.
الغوص العميق
يرمز SLAM إلى الترجمة الفورية ورسم الخرائط، ويحلها المتغير المرئي باستخدام الكاميرات بدلاً من (أو بجانب) الليدار أو الرادار. أثناء تحرك الكاميرا، يكتشف النظام الميزات المميزة مثل الزوايا والحواف، ويطابقها عبر الإطارات، ويستخدم الحركة الظاهرة لتلك النقاط لتقدير البنية ثلاثية الأبعاد للمشهد ومسار الكاميرا. الجزء الصعب هو اقتران الدجاجة والبيضة: أنت بحاجة إلى خريطة لتعرف مكانك، ولكن عليك أن تعرف مكانك لبناء الخريطة. يعالج Visual SLAM هذا الأمر بشكل مشترك، وغالبًا ما يقوم بتحسين آلاف النقاط والوضعيات في وقت واحد. فهو يعمل على تشغيل ARKit وARCore وMeta للتتبع الداخلي والخارجي لـ Quest، ومركبات المريخ الجوالة، وروبوتات المستودعات، التي تعمل في الداخل حيث يفشل نظام تحديد المواقع العالمي (GPS).
البصيرة الفنية
يحتوي خط الأنابيب النموذجي على واجهة أمامية تتعقب إطار المعالم إلى إطار (باستخدام ORB أو SIFT أو طرق القياس الضوئي المباشر) وواجهة خلفية تعمل على تحسين الخريطة. يعمل ضبط الحزمة بشكل مشترك على تقليل خطأ إعادة الإسقاط عبر العديد من أوضاع الكاميرا والنقاط ثلاثية الأبعاد، بينما يكتشف إغلاق الحلقة عندما تقوم الكاميرا بزيارة مكان ما مرة أخرى وتصحيح الانحراف المتراكم. لا يمكن لـ SLAM أحادي العين استعادة الحجم المطلق، لذلك يتم دمج كاميرات الاستريو أو وحدة قياس القصور الذاتي (IMU) لإصلاحها.
التأثير الاستراتيجي
السرعة والحجم
يمكن للذكاء الاصطناعي المرئي أتمتة مهام الفحص والكشف ووضع العلامات على نطاق واسع.
خيارات البناء
يمكن للفرق الإبداعية إنشاء نماذج أولية للمفاهيم بشكل أسرع مع عدد أقل من المراجعات اليدوية.
الفريق وسير العمل
يمكن أن تستخدم العمليات إشارات الصور والفيديو التي كان من الصعب معالجتها في السابق.
مستقبل Visual SLAM
يتحول المجال من مطابقة الميزات المصنوعة يدويًا إلى الميزات المستفادة، والعمق المكتسب، وSLAM العصبي الشامل الذي يكون أكثر قوة إلى الجدران الخالية من الملمس، وضبابية الحركة، والضوء المتغير. يتم دمج حقول الإشعاع العصبي والتناثر الغاوسي في SLAM لإنتاج خرائط كثيفة وواقعية بدلاً من سحب نقطية متفرقة. توقع اندماجًا بصريًا بالقصور الذاتي أكثر إحكامًا على الهواتف وسماعات الرأس، بالإضافة إلى SLAM الدلالي الذي يقوم بتسمية الأشياء، مما يمكّن الروبوتات من التفكير في المشهد، وليس فقط التنقل في هندسته.
التنفيذ في العالم الحقيقي
تتبع موضعي من الداخل إلى الخارج على سماعات الرأس Meta Quest وApple Vision Pro، لتحديد موقع المستخدم في غرفة بدون محطات قاعدة خارجية
تعمل Apple ARKit وGoogle ARCore على تثبيت أثاث افتراضي أو شخصيات ألعاب على أرضيات وطاولات حقيقية على الهواتف
تستخدم مركبات المريخ التابعة لناسا قياس المسافة المرئية ورسم الخرائط للتنقل في التضاريس التي لا يوجد فيها نظام تحديد المواقع العالمي (GPS).
تقوم روبوتات المستودعات المستقلة وروبوتات التوصيل الداخلي ببناء خرائط أرضية وتحديد الموقع بين الرفوف
المخاطر والدرابزين
يمكن أن تصبح حقوق الصور والموافقة مخاطر قانونية إذا كان المصدر غير واضح.
يمكن أن يختلف أداء النموذج عبر الإضاءة والتركيبة السكانية والبيئات.
قد تمر الإيجابيات الكاذبة دون أن يلاحظها أحد ما لم تتم مراقبة عتبات الثقة.
خارطة طريق التنفيذ
تحديد معايير القبول لتكاليف الدقة والاستدعاء والخطأ.
اختبار مع البيانات التي تتوافق مع ظروف الإنتاج الحقيقية.
أضف مراجعة بشرية للتنبؤات منخفضة الثقة أو عالية التأثير.
تتبع انحراف النموذج وإعادة التحقق من صحته بعد تغيير الكاميرا أو مجموعة البيانات.
استمر في الاستكشاف
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Visual SLAM quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
الدليل التالي
المنطق البصري
الأسئلة المتداولة
What is Visual SLAM?
يتيح Visual SLAM للكاميرا المتحركة إنشاء خريطة لمساحة غير معروفة مع تتبع موقعها داخل تلك الخريطة في نفس الوقت. إنها العمود الفقري المكاني للروبوتات والطائرات بدون طيار وسماعات الواقع المعزز وميزات القيادة الذاتية.
ما الذي يعنيه اختصار SLAM؟
SLAM تعني التوطين ورسم الخرائط المتزامنين: إنشاء خريطة مع معرفة موقعك فيها في نفس الوقت.
لماذا يتعذر على SLAM المرئي أحادي العين (كاميرا واحدة) استعادة الحجم المطلق من تلقاء نفسه؟
باستخدام كاميرا واحدة دون أي إشارة أخرى، يمكن أن يبدو المشهد الصغير القريب والمشهد البعيد الكبير متطابقين، لذا يكون المقياس المتري الحقيقي غامضًا بدون استريو أو IMU.
ما هو الغرض من إغلاق الحلقة في نظام SLAM؟
تتراكم أخطاء التتبع الصغيرة بمرور الوقت على شكل انحراف؛ يتيح اكتشاف عودة الكاميرا إلى مكان معروف للنظام تصحيح المسار بالكامل.
ما الذي يؤدي إلى تحسين تعديل الحزمة في النهاية الخلفية لـ SLAM؟
يعمل ضبط الحزمة على تحسين العديد من مواضع الكاميرا ونقاط الخريطة بشكل مشترك بحيث تتطابق النقاط ثلاثية الأبعاد المتوقعة بشكل أفضل مع المكان الذي تظهر فيه الميزات فعليًا في الصور.
لماذا غالبًا ما يتم دمج وحدة القياس بالقصور الذاتي (IMU) مع الكاميرات في SLAM المرئية؟
توفر مقاييس التسارع والجيروسكوبات تقديرات للحركة تعمل على تثبيت التتبع من خلال ضبابية الحركة وتساعد في حل الحجم، وهو ما لا تستطيع كاميرا واحدة القيام به.