سلام الليدار والسلام المرئي مقدمة كاملة ومقارنة بين سلام الليدار والسلام المرئي

تم النشر على بواسطة Aileen

SLAM (التعريب المتزامن ورسم الخرائط) هي تقنية تمكّن الروبوتات أو الأجهزة الأخرى من بناء خرائط وتحديد مواقعها في بيئات غير معروفة في الوقت الحقيقي من خلال قياسات أجهزة الاستشعار، وتُعد SLAM إحدى التقنيات الأساسية للقيادة الذاتية والملاحة بالطائرات بدون طيار والروبوتات الصناعية والأجهزة الذكية. مع تطور أجهزة الاستشعار والخوارزميات، تطورت تقنية SLAM إلى مجموعة متنوعة من التطبيقات، بما في ذلك SLAM الليزرية و SLAM البصرية و SLAM ذات الرؤية الشعاعية و SLAM ذات الرؤية الشعاعية و SLAM متعددة أجهزة الاستشعار.

مصادر مشكلة SLAM

تُعد تقنية الملاحة المستقلة تقنية رئيسية للروبوتات، وتحتاج الروبوتات إلى حل المشاكل الثلاث التالية من أجل تحقيق الملاحة المستقلة:

📢: 1. أين أنا؟

📢: 2. إلى أين أذهب؟

📢: 3. كيف نصل إلى هناك؟

السؤال الأول من هذه الأسئلة هو أساس السؤالين الأخيرين، وإذا كان المرء لا يعرف حتى أين هو، فكيف يمكن للمرء أن يحدد الاتجاه الذي يجب أن يسلكه؟ و"سلام" هو أحد الحلول لحل المشكلة الأولى.

في عام 1887، اقترح سميث وآخرون طريقة لتحديد الموقع ورسم الخرائط في وقت واحد، والتي فتحت الطريق لدراسة تحديد الموقع وبناء الخرائط في وقت واحد.

بشكل عام، تحتوي أنظمة SLAM عادةً على أجهزة استشعار متعددة ووحدات وظيفية متعددة. وفقًا للوحدات الوظيفية الأساسية، فإن أنظمة SLAM الشائعة للروبوتات لها شكلين: SLAM القائم على LIDAR (LIDAR SLAM) و SLAM القائم على الرؤية (SLAM البصري أو VSLAM). نحن شركة مصنعة للروبوتات، ونوفر لعملائنا خدمات تصميم الروبوتات والبحث والتطوير وخدمات SMT والإنتاج الضخم.

العلاقة بين تحديد المواقع وبناء الخرائط

في البيئة المجهولة لتحقيق تحديد دقيق للمواقع وبناء الخرائط يحتاج إلى خرائط دقيقة، وإنشاء خرائط دقيقة والاعتماد على تحديد دقيق للمواقع، مما يشكل نوعًا من الاقتران المتبادل، والعلاقة التكاملية.

1. ليدار سلام

SLAM الليزر SLAM هو نظام يعتمد على LiDAR (رادار الليزر) لتوليد بيانات سحابة نقطية ثلاثية الأبعاد عن طريق المسح بالليزر للعوائق والتضاريس والأشياء في البيئة لتحديد المواقع بدقة عالية وبناء الخرائط. يُستخدم نظام SLAM الليزري على نطاق واسع في تطبيقات مثل الروبوتات والسيارات بدون سائق والماسحات الضوئية للتضاريس.

📢: ينفصل نظام SLAM بالليزر عن طرق تحديد المواقع السابقة القائمة على تحديد المدى (مثل تحديد المدى أحادي النقطة بالموجات فوق الصوتية والأشعة تحت الحمراء). وقد أدى ظهور وتعميم تقنية LIDAR (الكشف عن الضوء وتحديد المدى) إلى إجراء قياسات أسرع وأكثر دقة وإفادة. تقدم معلومات الكائنات التي يتم جمعها بواسطة ليدار سلسلة من النقاط المتناثرة مع معلومات دقيقة عن الزاوية والمسافة، والتي تسمى سحابة النقطة. عادةً ما يقوم نظام SLAM الليزري بحساب المسافة وتغيّر الموقف من LiDAR بالنسبة للحركة من خلال مطابقة ومقارنة قطعتين من السحب النقطية في لحظات مختلفة، وهو ما يحقق أيضاً تحديد موقع الروبوت نفسه.

📢: تقدم معلومات الجسم التي يجمعها الليدار سلسلة من النقاط المشتتة مع معلومات دقيقة عن الزاوية والمسافة، والتي تسمى سحابة النقطة. عادةً ما يقوم نظام SLAM الليزري بحساب المسافة وتغيير الموقف في الليدار بالنسبة للحركة من خلال مطابقة ومقارنة قطعتين من السحب النقطية في لحظات مختلفة، وذلك لإكمال تحديد موقع الروبوت نفسه.

📢: قياس مسافة الليدار أكثر دقة، ونموذج الخطأ بسيط، والعملية مستقرة في بيئات أخرى غير الضوء الساطع المباشر، ومعالجة سحابة النقاط سهلة نسبيًا. وفي الوقت نفسه، تحتوي المعلومات السحابية النقطية نفسها على علاقات هندسية مباشرة، مما يجعل تخطيط مسار الروبوت والملاحة بديهياً. كما أن البحث النظري لـ SLAM بالليزر ناضج نسبيًا، ومنتجات الهبوط أكثر وفرة.

مزايا Lidar SLAM

  1. إن ظهور تقنية LiDAR وتعميمها يجعل القياس أسرع وأكثر دقة وإفادة.
  2. نموذج الخطأ بسيط ومستقر في بيئات أخرى غير الضوء المباشر، ومعالجة السحب النقطية سهلة نسبيًا.
  3. تحتوي معلومات السحابة النقطية نفسها على علاقات هندسية مباشرة، مما يجعل تخطيط مسار الروبوت والملاحة بديهياً.
  4. بحث ناضج، عتبة أقل في الخوارزميات

مساوئ Lidar SLAM

  1. عدم القدرة على اكتشاف التكرار، يكون التخلص من الخطأ التراكمي أكثر صعوبة.
  2. التكلفة أعلى من المستشعر البصري.
  3. ليست جيدة في التوطين في البيئات الديناميكية.
  4. ضعف التعاون بين الروبوتات المتعددة.

2. SLAM المرئي

يستخدم نظام SLAM المرئي كاميرا كمستشعر رئيسي لإنشاء خريطة وتحقيق التوطين من معلومات الصورة الملتقطة. وباعتبار الكاميرا مستشعرًا منخفض التكلفة، فقد أصبحت عملية الوصول العشوائي المرئي (SLAM) موضوعًا بحثيًا ساخنًا في السنوات الأخيرة، وتستخدم على نطاق واسع في الطائرات الاستهلاكية بدون طيار وأجهزة الواقع المعزز/الواقع الافتراضي.

يُعرف استخدام الكاميرا باعتبارها جهاز الاستشعار الوحيد الذي يستشعر البيئة باسم نظام VSLAM البصري: حيث يبدأ من موقع غير معروف في بيئة غير معروفة، ويحدد موقعه وموقفه من خلال المراقبة المتكررة للسمات البيئية المحيطة (العلامات) أثناء الحركة، ثم يبني خريطة بشكل تدريجي بناءً على موقعه الخاص، وبالتالي يحقق توطيناً وبناء خريطة في وقت واحد. يتألف نظام VSLAM من واجهة أمامية وأخرى خلفية، حيث تكون الواجهة الأمامية مسؤولة عن التوطين السريع. أما الواجهة الخلفية فهي مسؤولة عن صيانة الخريطة بشكل أبطأ: 1. (Loopback) للعودة إلى الموقع الأصلي وتصحيح الموقع والموقف لكل موقع بين الزيارتين؛ 2. إعادة تحديد موقع الروبوت بناءً على معلومات نسيج الرؤية عند فقدان التتبع الأمامي.

وتكمن صعوبة مشكلة الاسترجاع في حدوث خطأ صغير غير مكتشف في البداية حتى يدور الروبوت حول الحلقة مرة واحدة، ويتراكم الخطأ، مما يؤدي إلى مشكلة عدم إمكانية إغلاق الحلقة.

ميزة SLAM المرئية

يستخدم نظام SLAM المرئي كاميرا كمستشعر رئيسي لإنشاء خريطة وتحقيق التوطين من معلومات الصورة الملتقطة. وباعتبار الكاميرا مستشعرًا منخفض التكلفة، فقد أصبحت عملية الوصول العشوائي المرئي (SLAM) موضوعًا بحثيًا ساخنًا في السنوات الأخيرة، وتستخدم على نطاق واسع في الطائرات الاستهلاكية بدون طيار وأجهزة الواقع المعزز/الواقع الافتراضي.

يُعرف استخدام الكاميرا باعتبارها جهاز الاستشعار الوحيد الذي يستشعر البيئة باسم نظام VSLAM البصري: حيث يبدأ من موقع غير معروف في بيئة غير معروفة، ويحدد موقعه وموقفه من خلال المراقبة المتكررة للسمات البيئية المحيطة (العلامات) أثناء الحركة، ثم يبني خريطة بشكل تدريجي بناءً على موقعه الخاص، وبالتالي يحقق توطيناً وبناء خريطة في وقت واحد. يتألف نظام VSLAM من واجهة أمامية وأخرى خلفية، حيث تكون الواجهة الأمامية مسؤولة عن التوطين السريع. أما الواجهة الخلفية فهي مسؤولة عن صيانة الخريطة بشكل أبطأ: 1. (Loopback) للعودة إلى الموقع الأصلي وتصحيح الموقع والموقف لكل موقع بين الزيارتين؛ 2. إعادة تحديد موقع الروبوت بناءً على معلومات نسيج الرؤية عند فقدان التتبع الأمامي.

وتكمن صعوبة مشكلة الاسترجاع في حدوث خطأ صغير غير مكتشف في البداية حتى يدور الروبوت حول الحلقة مرة واحدة، ويتراكم الخطأ، مما يؤدي إلى مشكلة عدم إمكانية إغلاق الحلقة.

عيب SLAM المرئي

  1. أكثر تأثراً بالضوء.
  2. يعمل بشكل سيء في البيئات غير المزخرفة (على سبيل المثال مواجهة جدار أبيض أنيق).
  3. كما أن العتبة الخوارزمية للتقنية أعلى بكثير من تلك الخاصة بـ SLAM الليزرية. إن بناء الخريطة على أساس التحسين غير الخطي مشكلة حسابية معقدة للغاية وتستغرق وقتًا طويلاً.

3. التقارب بين عملية الوصول الآلي الآلي بالليدار وعملية الوصول الآلي البصري

يحقق نظام SLAM لدمج الأشعة والرؤية الشعاعية تحديد الموقع وبناء الخرائط بشكل أكثر قوة من خلال دمج البيانات من LIDAR والكاميرات، والجمع بين دقة الليزر والمعلومات البصرية الغنية للكاميرات. يعمل هذا الدمج على تحسين الأداء في البيئات المعقدة وقد تم استخدامه على نطاق واسع خاصةً في مجال القيادة الذاتية.

المزايا والعيوب

  • تحسين الأداء: إن الجمع بين الدقة العالية لليزر والمعلومات الغنية للرؤية يجعل أداء النظام أكثر ثباتاً في بيئات مثل الضوء والعوائق الديناميكية.
  • حوسبة عالية: نظرًا لدمج مصادر بيانات متعددة، فإن التعقيد الحسابي للمعالجة في الوقت الحقيقي مرتفع.

4. SLAM متعدد أجهزة الاستشعار المتعددة

يجمع النظام متعدد المستشعرات SLAM بين البيانات من أجهزة استشعار متعددة (وحدات الاستشعار المتكاملة والكاميرات وLIDAR وغيرها) لتحقيق توطين عالي الدقة وبناء الخرائط من خلال دمج المعلومات من مصادر مختلفة. أصبح نظام SLAM متعدد أجهزة الاستشعار المتعدد تقنية مهمة لملاحة الروبوتات والقيادة بدون طيار نظراً لقوته وقدرته على التكيف على نطاق واسع.

نظام SLAM (التعريب المتزامن ورسم الخرائط) هو تقنية تمكّن الروبوتات من القيام بعملية توطين ذاتي وبناء خريطة للبيئة في نفس الوقت من خلال الجمع بين بيانات قياس أجهزة الاستشعار. ودائمًا ما تكون أنظمة SLAM الواقعية بالليزر والرؤية مجهزة دائمًا تقريبًا بأدوات توطين مساعدة مثل عناصر القصور الذاتي ومقاييس المسافات التوربينية وأنظمة تحديد المواقع عبر الأقمار الصناعية وأنظمة تحديد المواقع في المحطات الأساسية الداخلية.

عادةً ما يتم دمج أنظمة SLAM بناءً على أجهزة الاستشعار التالية:

وحدة القياس بالقصور الذاتي (IMU): وحدة القياس بالقصور الذاتي قادرة على توفير قياسات التسارع والسرعة الزاوية للروبوت، والتي تُستخدم لتقدير موقف الروبوت وتغيرات موقعه. بالمقارنة مع أجهزة الاستشعار الأخرى، تتمتع وحدات القياس بالقصور الذاتي بالقدرة على القياس بترددات عالية، ولكنها قد تعاني من مشاكل مثل الانجراف.

مستشعرات الرؤية: وتشمل الكاميرات وكاميرات العمق وغيرها. من خلال استخلاص وتتبع الميزات في البيئة، يمكن الحصول على معلومات عن موقع الروبوت في البيئة باستخدام مستشعرات الرؤية. يمكن أن توفر مستشعرات الرؤية معلومات إدراكية غنية، ولكنها حساسة لمشاكل مثل الضوء والانسداد.

ليدار: يحصل ليدار على معلومات هندسية عن البيئة من خلال انبعاث شعاع ليزر وقياس الضوء المنعكس. يوفر LIDAR قياسات دقيقة للغاية للمسافة والموقع ويمكن استخدامه لبناء الخرائط واكتشاف العوائق. ومع ذلك، عادةً ما يكون LIDAR أكثر تكلفة وأكبر حجمًا وقد يكون له قيود على الأجسام الساطعة أو المظلمة بشكل خاص.

مستشعرات المدى: مثل مستشعرات الموجات فوق الصوتية ومستشعرات الأشعة تحت الحمراء لقياس المسافة بين الروبوت والأجسام المحيطة. تُستخدم مستشعرات المدى بشكل شائع لتجنب العوائق القريبة المدى ونمذجة البيئة، ولكن دقتها ونطاقها محدودان.

يمكن لدمج البيانات الواردة من أجهزة استشعار مختلفة أن يجمع بين مزايا أجهزة الاستشعار المختلفة لتحسين دقة ومتانة عملية تحديد المواقع وبناء الخرائط. تشمل الأساليب الشائعة الاستخدام مرشح كالمان الموسع (EKF) ومرشح الجسيمات وأساليب التحسين (مثل تحسين الرسم البياني). هذه الأساليب قادرة على دمج المعلومات التي تم الحصول عليها من أجهزة استشعار مختلفة وإجراء تقدير الحالة وبناء الخرائط لتحقيق وظائف أنظمة SLAM.

المزايا والعيوب

  • قابل للتكيف: يمكن لعمليات الوصول العشوائي متعدد المستشعرات (SLAM) الجمع بين أجهزة استشعار متعددة واستخدامها وفقًا لبيئات مختلفة لتحقيق توطين أكثر دقة وقوة.
  • المعلومات الزائدة عن الحاجة: يمكن أن يؤدي دمج أجهزة الاستشعار المتعددة إلى تحسين قدرة النظام على تحمل الأخطاء وتعزيز متانة النظام.
  • التعقيد: يتطلب دمج أجهزة الاستشعار المتعددة معايرة البيانات ومزامنة أنواع مختلفة من أجهزة الاستشعار، مما يزيد من تعقيد تصميم النظام.

مستقبل SLAM

كفاءة الخوارزمية والوقت الحقيقي

مع الاستخدام الواسع النطاق لعمليات الوصول والالتقاط الآلي للمواقع (SLAM) في القيادة الذاتية والطائرات بدون طيار والأجهزة الإلكترونية الاستهلاكية، أصبحت الكفاءة الآنية والحاسوبية لخوارزميات عمليات الوصول والالتقاط الآلي للمواقع أولوية بحثية. للتعامل مع تعقيد دمج أجهزة الاستشعار المتعددة والحجم الحسابي الضخم لمعالجة البيانات، ستحتاج خوارزميات حركة الوصول العشوائي (SLAM) المستقبلية إلى الاعتماد بشكل أكبر على تسريع الأجهزة (مثل وحدات معالجة الرسومات، ووحدات معالجة الرسومات، ووحدات معالجة الصور الفوتوغرافية (FPGA) والحوسبة الموزعة).

المتانة والتكيف البيئي

يجب زيادة تحسين متانة تقنية SLAM في البيئات الديناميكية المعقدة، مثل شوارع المدينة والمشاهد الانتقالية الداخلية والخارجية وما إلى ذلك. في المستقبل، ستولي خوارزميات SLAM مزيدًا من الاهتمام لقوة الاستجابة للعوائق الديناميكية وتغيرات الإضاءة والبيئات الخالية من النسيج لتعزيز قدرة النظام على التكيف.

سلام الدلالي

بينما يركز نظام SLAM التقليدي بشكل أساسي على بناء المعلومات الهندسية، فإن نظام SLAM المستقبلي سيدمج تدريجياً الفهم الدلالي، أي أنه في عملية بناء الخرائط، لا يمكن للنظام بناء خرائط هندسية فحسب، بل يمكنه أيضاً التعرف على المعلومات الدلالية في الخريطة (مثل المباني وعلامات الطرق والمركبات وما إلى ذلك). سيعزز ذلك بشكل كبير من قيمة تطبيق SLAM في القيادة الذاتية وروبوتات الخدمة.

دمج أجهزة الاستشعار المتعددة الوسائط

مع تطور تكنولوجيا أجهزة الاستشعار، ستعتمد أنظمة حركة الطائرات بدون طيار المستقبلية بشكل أكبر على دمج أجهزة الاستشعار متعددة الوسائط (الليزر والرؤية والرادار والموجات فوق الصوتية ووحدة القياس بالموجات فوق الصوتية ووحدة القياس المتكاملة وغيرها) لتحقيق استشعار البيانات الشاملة ومتعددة الأبعاد، وبالتالي زيادة تحسين دقة وقوة أنظمة حركة الطائرات بدون طيار.

خفيفة الوزن ومنخفضة استهلاك الطاقة

بالنسبة للأنظمة المدمجة والأجهزة الاستهلاكية (على سبيل المثال، الواقع المعزز/الواقع الافتراضي والطائرات بدون طيار)، تحتاج تقنية SLAM إلى تحقيق التشغيل الفعال بموارد حوسبة محدودة. ستولي خوارزميات SLAM المستقبلية مزيدًا من الاهتمام للتصميم خفيف الوزن ومنخفض الطاقة للتكيف مع احتياجات منصات الأجهزة المدمجة.

الصناعات المشمولة

تم استخدام تقنية SLAM على نطاق واسع في العديد من الصناعات، بما في ذلك على سبيل المثال لا الحصر:

القيادة الذاتية: من خلال دمج LIDAR والرؤية ووحدة القياس المتكاملة، تتيح تقنية SLAM للمركبات ذاتية القيادة تحقيق تحديد المواقع والملاحة بدقة عالية في البيئات الحضرية المعقدة.

ملاحة الروبوتات: تعتمد الروبوتات الصناعية والخدمية على تقنية SLAM لإنجاز الملاحة المستقلة وتنفيذ المهام في بيئات غير معروفة مثل Altverse جزازة العشب الآلية المرئية تستخدم الكاميرا للملاحة ورسم الخرائط.

الطائرات بدون طيار: تلعب تقنية SLAM دورًا مهمًا في الطيران المستقل والملاحة الذاتية للطائرات بدون طيار، خاصةً في البيئات التي تكون فيها إشارات نظام تحديد المواقع العالمي (GPS) ضعيفة أو غير فعالة.

الواقع المعزز/الواقع الافتراضي: تحتاج أجهزة الواقع المعزز والواقع الافتراضي إلى تقنية SLAM لتحقيق إدراك البيئة في الوقت الحقيقي وتراكب المشهد الافتراضي.

تلخيص

تُعد تقنية SLAM هي التقنية الأساسية في الأجهزة الذكية اليوم مثل القيادة الذاتية والروبوتات والطائرات بدون طيار. مع تقدم أجهزة الاستشعار وتطوير الخوارزميات، أظهرت عمليات الوصول العشوائي بالليزر وعمليات الوصول العشوائي بالليزر وعمليات الوصول العشوائي بالرؤية وعمليات الوصول العشوائي بدمج الأشعة وعمليات الوصول العشوائي بدمج أجهزة الاستشعار المتعددة مزاياها الفريدة في سيناريوهات مختلفة. وفي المستقبل، ستتطور تقنية العمليات الذاتية لعمليات الوصول العشوائي الآلي الآلي نحو دقة أعلى، وفي الوقت الحقيقي، والمتانة، والاندماج متعدد الوسائط، مما يوفر حلولاً أكثر موثوقية وكفاءة لمختلف الصناعات.

ترغب في تخصيص روبوت متحرك وجزازة روبوت، اتصل بنا

تذييل نموذج الاتصال