Як алгоритми SLAM обробляють мінливе середовище?

Я займаюся основою проекту, і у мене є питання про сучасний стан методик SLAM.

Коли пристрій, оснащений SLAM, виявляє об'єкт, положення цього об'єкта зберігається. Якщо ви подивитеся на хмару точок, яку генерує пристрій, ви побачите точки для цього об’єкта, і генеровані з нього моделі включатимуть тут геометрію.

Якщо об'єкт розміщений у раніше порожньому просторі, він виявляється, і додаються точки. Подальші моделі матимуть геометрію, що описує цей новий об’єкт.

Як пристрій реагує, якщо цей об’єкт видалено? Наскільки я бачив, системи SLAM, як правило, залишають точки на місці, в результаті чого "привидна" геометрія. Існують алгоритми, які не враховуватимуть самотні точки, викликані перехідними контактами, але об’єкти, які залишилися достатньо довгими для створення міцної моделі, залишаться в пам'яті пристрою. Чи є якісь системи, здатні виявити, що раніше зайнятий простір тепер порожній?

Це дуже залежить. Оскільки SLAM - це проблема (або принаймні техніка), а не рішення, то немає остаточного алгоритму SLAM. Семантично ви повинні вирішити, що відбувається на "карті" навколишнього середовища, і це визначає, як ваш алгоритм повинен обробляти перехідні (інакше рухомі) сигнали. Але це відступ.

Постійні карти:

Постійні карти повинні містити достатню кількість інформації, щоб локалізувати себе щодо відомої геометрії. Зазвичай використовується в будівлях. Як правило, читабельний для людей. Дивіться роботу Віллоу-Гаража. або що-небудь від Трона в його досить відомому підручнику. Якщо ви втратите цю карту, вам доведеться її знову створювати.

1. Видалення об’єктів. Так, об’єкт на час з’явиться на статичній карті. Якщо не буде вжито жодних заходів для видалення раніше виявлених об'єктів, то воно зберігатиметься. Типове 2D-представлення на основі сітки використовуватиме кожну комірку сітки для представлення ймовірності об’єкта, тому через час об’єкт буде «в’янути».

2. Додавання об’єктів. Само, як і вище.

Місцеві карти:

Насправді SLAM зазвичай використовується для локалізації робота під час його переміщення, і карта не зберігається постійно (або, вона зберігається постійно, а використовуються лише найближчі функції Y). Локальні карти - це те, що робот повинен знати, щоб визначити, як він перемістився за останні X хвилини, де X залежить від програми. Якщо ви втратите карту, ви все одно можете літати просто чудово, використовуючи будь-які функції, які зараз видно.

1. Пакетні методи, такі як регулювання розшарування з використанням візуальних особливостей, є дуже поширеною технікою в цьому напрямку. Функції можуть зберігатися з часом і навіть переглядатися, але рухома функція - це просто ненадійна функція, і вона буде ігноруватися при спробі з'ясувати, де знаходиться робот.

2. Visual SLAM - це саме це. Це оцінювач delta-P (зміна пози), а не алгоритм локалізації на основі карти.

3. Коротше кажучи, доки більшість речей зараз не рухається, не має значення, чи ви вилучаєте об’єкт, коли робот не "дивиться" на нього.

Приклад

Тож роби це. Коли ви читаєте папір SLAM, вирішіть наступне:

1. Вони справді будують карту?

2. Вони просто зберігають список функцій та локацій?

3. Якщо так, то які "функції" перейдуть на карту? Рядки, точки, візуальні особливості?

4. Чи можуть ці функції переміститися?

5. Якщо так, то як вони впораються з цим?

6. Нарешті, шум датчика часто «виглядає» як рухомі функції. Як вони поводяться з шумом датчиків? Тому що це часто визначає, що відбувається з рухомими ознаками.

Ви отримаєте різну відповідь для кожного документа / автора / книги / програми. Коротше кажучи, їх зазвичай опускають, оскільки вони не допомагають роботові значно локалізуватись, і цього можна уникнути, просто узявши кілька планувальників шляху низького рівня, який використовує лише локальну інформацію.

Удачі, слэм - величезна тема.