Vad är SLAM-teknik för svepande robotar?

2020-08-21

En ny golvsvepande robot lades till i huset, och min mamma blev förvånad över det: en maskin på en tallriksstorlek, den började arbeta så snart den kom in genom dörren, det var hårt arbete. Så vilken teknik har gjort det möjligt för den svepande robotens smarta IQ att ockupera den höga marken? När vi tittar på produktintroduktionen av svepande robotar hittar du en term som används av många svepande robotar - "Simultan lokalisering och kartläggning" (Simultan lokalisering och kartläggning, SLAM) -teknologi.

Vad är SLAM? Låt oss först och främst "korsa" för att bli en svepande robot att börja prata om. Om du vill slutföra en automatisk sopuppgift, efter att ha kommit in i ett okänt utrymme, måste du slutföra en automatisk sopuppgift?

a) Vem är jag och var är jag? Hur man snabbt uppnår positionering och förstår din relativa position i miljön;
 
b) Var kommer jag ifrån och vad finns runt? Hur konstruerar man en karta över den omgivande miljön i realtid och uppfattar var det finns hinder och väggar? Att förlita sig på positionering av kartinformation är meningsfullt;

c) Vart ska jag åka och hur ska jag åka? Med en karta och en plats, hur uppnår du vägplanering utan att träffa väggen, upprepa vägen eller sakna varje hörn?

Ovanstående tre problem är de "ultimata filosofiska problemen" som en svepande robot använder SLAM för att lösa (i själva verket inkluderar SLAM endast de två första problemen, och vissa AR-applikationsscenarier inkluderar inte vägplaneringsproblem. Här använder vi Sweeping robot introducerar SLAM-problem, låt oss prata om det tillsammans.)



Kärnan i SLAM-tekniken ligger i "S" - "Simultan, vilket betyder" på andra sidan ... "på kinesiska, samtidigt som man förvärvar sin egen position och svarar på frågan" var är jag ", medan man konstruerar en karta och svarar "var kommer jag ifrån", vad finns runt "fråga. För att bättre låta alla förstå innebörden av detta" S "är vi uppdelade i två sidor. Låt oss först titta på det förflutna och nuet SLAM-teknik:

SLAM: s tekniska tänkande kan spåras tillbaka till placeringen av ubåtar inom det militära området. Till skillnad från ytfartyg som enkelt kan navigera och lokalisera via GPS, visuell observation etc. måste ubåtar dyka till djuphavsaktiviteter utan solljus när de utför uppgifter (detta är väl förstått, flytande på ytan eller i grunt vatten förlorar ubåten ... ™ s Betydelse ~) är det svårt att direkt hitta och navigera genom traditionella metoder. För att utföra uppgifter normalt använder de flesta ubåtar INS (tröghetsnavigering) och APS (akustisk undervattensnavigering) för gemensam positionering, plus spårkartläggning och kartdata för att uppskatta den ungefärliga fartygets plats, processen för positionering, tillägg och att rita en sådan karta är den embryonala formen av SLAM-tekniskt tänkande.

Precis som ubåtar kan robotar inte alltid lita på GPS, särskilt svepande robotar som används i inomhusscenarier. GPS har en noggrannhet på några meter utomhus. Att lita på GPS kan inte tillåta att svepande robotar säkert undviker soffbordets ben och rengör soffan. botten. Med hjälp av SLAM-teknik kan de observera och kartlägga den omgivande miljön på egen hand, bygga en navigeringskarta genom kalibrering av sensordata och sedan förstå var de är, vart de ska gå för att sopa golvet eller gå tillbaka till hörnet för att ladda. Vi kan sammanfatta SLAM: s enkla tekniska tänkande: Utan förkunskaper kan den omgivande miljöinformationen förvärvas genom sensorer, och miljökartan kan konstrueras snabbt och i realtid, och samtidigt kan den lösa sin egen position och slutföra efterföljande uppgifter som vägplanering på grundval av detta. Låter det enkelt? Men i själva verket är SLAM en komplex flerstegsuppgift, inklusive att samla in olika typer av rådata (laserskanningdata, visuell informationsdata, etc.) i den faktiska miljön genom sensorer och beräkna den relativa positionsuppskattningen av rörliga mål vid olika genom visuell odometri (inklusive funktioner) Matchning, direktregistrering, etc.), genom backend-modulen för att optimera det kumulativa felet som orsakas av den visuella vägmätaren (traditionell filtreringsalgoritm, kartoptimeringsalgoritm, etc.) och slutligen generera en kartläggning genom kartläggningsmodulen (naturligtvis behöver den vanligtvis utrustas med slingdetektering för att eliminera ackumulerade fel i rymden etc.) för att uppnå syftet med kartläggning och positionering.