Οπτικό SLAM
Το Visual SLAM επιτρέπει σε μια κινούμενη κάμερα να δημιουργήσει έναν χάρτη ενός άγνωστου χώρου ενώ ταυτόχρονα παρακολουθεί τη δική της θέση μέσα σε αυτόν τον χάρτη.
Επισκόπηση
Είναι η χωρική ραχοκοκαλιά των ρομπότ, των drones, των ακουστικών AR και των λειτουργιών αυτόνομης οδήγησης.
Βαθιά κατάδυση
Το SLAM σημαίνει ταυτόχρονη τοπική προσαρμογή και χαρτογράφηση και η οπτική παραλλαγή το επιλύει χρησιμοποιώντας κάμερες αντί (ή δίπλα) lidar ή ραντάρ. Καθώς η κάμερα κινείται, το σύστημα εντοπίζει διακριτικά χαρακτηριστικά, όπως γωνίες και άκρες, τα αντιστοιχίζει στα καρέ και χρησιμοποιεί τη φαινομενική κίνηση αυτών των σημείων για να εκτιμήσει τόσο την τρισδιάστατη δομή της σκηνής όσο και την τροχιά της κάμερας. Το δύσκολο μέρος είναι η σύζευξη κότας-αυγού: χρειάζεστε έναν χάρτη για να γνωρίζετε πού βρίσκεστε, αλλά πρέπει να ξέρετε πού βρίσκεστε για να φτιάξετε τον χάρτη. Το Visual SLAM το αντιμετωπίζει από κοινού, συχνά βελτιώνοντας χιλιάδες πόντους και πόζες ταυτόχρονα. Τροφοδοτεί το ARKit, το ARCore, την παρακολούθηση από μέσα προς τα έξω του Meta Quest, τα ρόβερ του Άρη και τα ρομπότ αποθήκης, που εργάζονται σε εσωτερικούς χώρους όπου το GPS αποτυγχάνει.
Τεχνική διορατικότητα
Ένας τυπικός αγωγός έχει ένα μπροστινό άκρο που παρακολουθεί τα χαρακτηριστικά από καρέ σε καρέ (με χρήση μεθόδων ORB, SIFT ή άμεσης φωτομετρίας) και ένα πίσω άκρο που βελτιστοποιεί τον χάρτη. Η προσαρμογή της δέσμης ελαχιστοποιεί από κοινού το σφάλμα επαναπροβολής σε πολλές στάσεις της κάμερας και σημεία 3D, ενώ το κλείσιμο βρόχου ανιχνεύει πότε η κάμερα επισκέπτεται ξανά ένα μέρος και διορθώνει τη συσσωρευμένη μετατόπιση. Το μονοφθάλμιο SLAM δεν μπορεί να ανακτήσει την απόλυτη κλίμακα, επομένως στερεοφωνικές κάμερες ή μια μονάδα αδρανειακής μέτρησης (IMU) συντήκονται για να το διορθώσουν.
Στρατηγικός αντίκτυπος
Ταχύτητα και κλίμακα
Το Visual AI μπορεί να αυτοματοποιήσει εργασίες επιθεώρησης, ανίχνευσης και επισήμανσης σε κλίμακα.
Δημιουργήστε επιλογές
Οι δημιουργικές ομάδες μπορούν να δημιουργήσουν πρωτότυπες ιδέες γρηγορότερα με λιγότερες μη αυτόματες αναθεωρήσεις.
Ομάδα και ροή εργασίας
Οι λειτουργίες μπορούν να χρησιμοποιούν σήματα εικόνας και βίντεο που προηγουμένως ήταν δύσκολο να επεξεργαστούν.
Το μέλλον του Visual SLAM
Το πεδίο μετατοπίζεται από την αντιστοίχιση χειροποίητων χαρακτηριστικών προς τα εκμαθημένα χαρακτηριστικά, το εκμαθημένο βάθος και το νευρικό SLAM από άκρο σε άκρο που είναι πιο ανθεκτικό σε τοίχους χωρίς υφή, θόλωση κίνησης και μεταβαλλόμενο φως. Τα πεδία νευρωνικής ακτινοβολίας και το Gaussian splatting συγχωνεύονται στο SLAM για να παράγουν πυκνούς, φωτορεαλιστικούς χάρτες αντί για αραιά σημειακά νέφη. Αναμένετε στενότερη οπτική-αδρανειακή συγχώνευση σε τηλέφωνα και ακουστικά, καθώς και σημασιολογικό SLAM που επισημαίνει αντικείμενα, επιτρέποντας στα ρομπότ να συλλογίζονται για μια σκηνή, όχι απλώς να περιηγούνται στη γεωμετρία της.
Υλοποίηση σε πραγματικό κόσμο
Παρακολούθηση θέσης από μέσα προς τα έξω στα ακουστικά Meta Quest και Apple Vision Pro, εντοπίζοντας τον χρήστη σε δωμάτιο χωρίς εξωτερικούς σταθμούς βάσης
Apple ARKit και Google ARCore αγκυροβολούν εικονικά έπιπλα ή χαρακτήρες παιχνιδιών σε πραγματικούς ορόφους και τραπέζια σε τηλέφωνα
Τα ρόβερ του Άρη της NASA χρησιμοποιούν οπτική οδομετρία και χαρτογράφηση για πλοήγηση σε έδαφος όπου δεν υπάρχει GPS
Αυτόνομα ρομπότ αποθήκης και ρομπότ παράδοσης εσωτερικών χώρων κατασκευάζουν χάρτες ορόφων και εντοπίζουν μεταξύ των ραφιών
Κίνδυνοι & προστατευτικά κιγκλιδώματα
Τα δικαιώματα εικόνας και η συναίνεση μπορεί να αποτελέσουν νομικούς κινδύνους εάν η προέλευση είναι ασαφής.
Η απόδοση του μοντέλου μπορεί να διαφέρει ανάλογα με το φωτισμό, τα δημογραφικά στοιχεία και τα περιβάλλοντα.
Τα ψευδώς θετικά μπορεί να περάσουν απαρατήρητα εκτός εάν παρακολουθούνται τα όρια εμπιστοσύνης.
Οδικός Χάρτης Εφαρμογής
Καθορίστε κριτήρια αποδοχής για το κόστος ακρίβειας, ανάκλησης και σφάλματος.
Δοκιμή με δεδομένα που ταιριάζουν με πραγματικές συνθήκες παραγωγής.
Προσθέστε ανθρώπινη κριτική για προβλέψεις χαμηλής εμπιστοσύνης ή υψηλού αντίκτυπου.
Παρακολουθήστε τη μετατόπιση του μοντέλου και επικυρώστε εκ νέου μετά από αλλαγές κάμερας ή δεδομένων.
Συνεχίστε την εξερεύνηση
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
Επόμενος οδηγός
Οπτικός συλλογισμός
Συχνές ερωτήσεις
Τι είναι το Visual SLAM;
Το Visual SLAM επιτρέπει σε μια κινούμενη κάμερα να δημιουργήσει έναν χάρτη ενός άγνωστου χώρου ενώ ταυτόχρονα παρακολουθεί τη δική της θέση μέσα σε αυτόν τον χάρτη. Είναι η χωρική ραχοκοκαλιά των ρομπότ, των drones, των ακουστικών AR και των χαρακτηριστικών αυτόνομης οδήγησης.
Τι σημαίνει το ακρωνύμιο SLAM;
SLAM σημαίνει ταυτόχρονη τοπική προσαρμογή και χαρτογράφηση: δημιουργία χάρτη ενώ ταυτόχρονα υπολογίζετε τη θέση σας σε αυτόν.
Γιατί το μονόφθαλμο (μονής κάμερας) οπτικό SLAM δεν μπορεί να ανακτήσει από μόνο του την απόλυτη κλίμακα;
Με μία κάμερα και χωρίς άλλη ένδειξη, μια μικρή κοντινή σκηνή και μια μεγάλη μακρινή σκηνή μπορεί να φαίνονται πανομοιότυπες, επομένως η πραγματική μετρική κλίμακα είναι διφορούμενη χωρίς στερεοφωνικό ή IMU.
Ποιος είναι ο σκοπός του κλεισίματος βρόχου σε ένα σύστημα SLAM;
Μικρά σφάλματα παρακολούθησης συσσωρεύονται με την πάροδο του χρόνου ως μετατόπιση. η ανίχνευση ότι η κάμερα έχει επιστρέψει σε ένα γνωστό σημείο επιτρέπει στο σύστημα να διορθώσει ολόκληρη την τροχιά.
Τι βελτιστοποιεί η προσαρμογή πακέτου στο πίσω μέρος SLAM;
Η προσαρμογή δέσμης βελτιώνει από κοινού πολλές θέσεις κάμερας και σημεία χάρτη, έτσι ώστε τα προβαλλόμενα τρισδιάστατα σημεία να ταιριάζουν καλύτερα με τα χαρακτηριστικά που εμφανίζονται πραγματικά στις εικόνες.
Γιατί μια IMU (αδρανειακή μονάδα μέτρησης) συχνά συγχωνεύεται με κάμερες στο οπτικό SLAM;
Τα επιταχυνσιόμετρα και τα γυροσκόπια παρέχουν εκτιμήσεις κίνησης που σταθεροποιούν την παρακολούθηση μέσω του θαμπώματος κίνησης και βοηθούν στην επίλυση της κλίμακας, κάτι που δεν μπορεί να γίνει με μία μόνο κάμερα.