Я працюю над локалізацією та навігацією роботів у міських умовах. Я хочу використовувати камеру. Але я трохи розгублений щодо даних LRF або інших даних про лазер.
Чому люди хочуть використовувати камеру?
чому б не LRF чи інші лазерні дані?
Хто-небудь може пояснити будь-ласка на користь камери?
Відповіді:
3D-лазерний далекомір або LIDAR, наприклад, той, що знаходиться на Google Car , набагато дорожчий, ніж камера. Інша причина полягає в тому, що хоча у випадку LIDAR відстань кожного пікселя доступна, генеровані дані, що підлягають обробці, величезні. Вам доведеться швидше передавати та обробляти дані, що знову виходить у міру зростання вартості. Нарешті, камери зазвичай мають більший термін експлуатації, тому потрібно менше технічного обслуговування.
За допомогою відносно дешевих камер та комп’ютерного зору можна досягти досить хороших результатів.
Приклади:
навігація в міських умовах
Залежно від лазера, можуть бути юридичні обмеження щодо того, де ви можете ним користуватися. Бігати по місту, кидаючи лазерні промені навколо, може знадобитися спеціального дозволу / ліцензії.
Як і інші вже відповіли. Камери , як правило , набагато дешевше , ніж L Aser R Анж F inders.
Коли ви говорите про камеру, ви маєте на увазі 2D камери, чи не так? Існує кілька 3D-камер, як-от камер ifm O3D3xx . Ці камери можуть не мати точності лазерного сканера, але вони надають тривимірні дані про глибину в розумній частоті кадрів за ціною ~ 1 к
Чи є якісь переваги використання LIDAR для SLAM порівняно зі стандартною камерою RGB?
Ви можете перевірити це посилання там, де я раніше відповів на дещо подібне запитання. (переваги та недоліки кожного)
у міських умовах
Якщо ви маєте на увазі автономні машини, такі як Google, є багато міркувань та обмежень (безпека, вартість тощо).
Якщо ви зацікавлені у дослідженні та навчанні, пропоную використовувати будь-яку апаратну платформу, яка є в наявності.
Пам'ятай:
Я не думаю, що люди дійсно «хочуть» використовувати лише камери. Якби кожен дослідник міг дозволити собі LiDAR, всі вони поставили б LiDAR на роботів для зовнішнього середовища.
Камери досить дешеві, і єдиним обмеженням для діапазону є роздільна здатність пікселів / суперпікселів, яку ви можете обробити у своєму алгоритмі / програмному забезпеченні.
Більшість дослідників (включаючи мене) використовують структуровані світлові камери (хоча вони не працюють на вулиці, тому ми переходимо на камери RGB на цих датчиках, коли робот знаходиться на вулиці). Вирішенням цієї легкої проблеми є те, що ми також використовуємо стереокамери (стерео бачення / глибина перегляду, що обчислюється дорого) для грубого визначення глибини, виходячи з можливостей обробки контролера / процесора. Ще одне рішення, яке я ще особисто повинен досліджувати, - це використовувати декілька Kinects / Asus Xtions тощо, де ви отримуєте глибинну корекцію, а також декілька RGB-камер для роботи на вулиці.
LiDAR, як правило, дуже дорогі (у тисячах $ $ за дійсно хороші). Хоча це може змінитися в майбутньому, коли деякі компанії вийдуть з $ 250 "LiDARs", як Sweep .
Крім того, LRF / LDAR мають обмежений діапазон та роздільну здатність (тобто, за певної відстані, вони не можуть однозначно вирішити глибину, а значить, вони повертають 0 значень (я конкретно не впевнений у LiDAR, але камери глибини мають максимум (вище)) а також мінімальний діапазон (нижче якого) вони не дають тобі глибини).
Сподіваюсь, це допомагає.
Я додам ще одну причину того, що, чесно кажучи, сподівався, що хтось інший виховує. Бо чому ми робимо роботів в першу чергу? Емоційні машини, які роблять нашу брудну роботу?
Я думаю, що той факт, що робот може покладатися виключно на «зір», як ми, ссавці, робить їх більш схожими на нас. Тож для мене лазери та сонари обманюють. На що ІМХО слід зосередитись замість обману - це зробити кращі камери з більшою частотою кадрів, більшим динамічним діапазоном і меншими артефактами, а також написати програмне забезпечення, яке може отримати необхідні дані від них. (Або, висловлюючись в термінах після 2012 року, навчіть наші мережі, щоб отримати необхідні їм дані).