تعرف أكثر علي ال SLAM
SLAM هي اختصار للترجمة الفورية
ورسم الخرائط. هذه الطريقة مثالية للمركبات ذاتية القيادة التي تسمح لك بتطوير خريطة
ثم تحديد موقع سيارتك عليها في وقت واحد. تعمل الخوارزميات على تمكين السيارة بحيث
يمكنها تحديد البيئات غير المعروفة لها. بصرف النظر عن ذلك ، يستخدم المهندسون معلومات
الخريطة من أجل أداء مهام مختلفة مثل تجنب العقبات وتخطيط المسار. تابع القراءة لمعرفة
المزيد.
لماذا نحتاج إلي مسائل SLAM ؟
لسنوات عديدة ، تم استخدام SLAM لإجراء بحث تقني. ومع ذلك ، نظرًا لأن سرعة معالجة الكمبيوتر قد زادت بشكل كبير وتم توفير أجهزة استشعار منخفضة التكلفة ، يتم استخدام SLAM لعدد من التطبيقات العملية في مختلف المجالات.
أمثلة علي ال SLAM
مثال على SLAM
هو فراغ الروبوت. في حالة عدم وجود SLAM
، فإن فراغ الروبوت سوف يتحرك بشكل عشوائي. نتيجة لذلك ، لن تتمكن
من تنظيف الغرفة بأكملها. بصرف النظر عن هذا ، قد يستهلك هذا الأسلوب الكثير من الطاقة
وسوف تنفد البطارية بشكل أسرع.
من ناحية أخرى ، يمكن للروبوتات القائمة
على SLAM تمكين الفراغ من الأداء بشكل
أفضل. في الواقع ، تستخدم هذه التقنية المعلومات الفنية ، مثل عدد الثورات التي تأتي
من مستشعرات التصوير والكاميرات. يُعرف هذا بالتوطين ويمنع الجهاز من تجاوز نفس المكان
مرتين.
تعد SLAM
مفيدة جدًا في مجالات التطبيق الأخرى مثل إيقاف السيارة والتنقل في
الروبوتات المتنقلة ، على سبيل المثال لا الحصر.
كيف يعمل SLAM
؟
بشكل عام ، يتم استخدام نوعين من المكونات
لتكنولوجيا الحمل هذه. يُعرف النوع الأول باسم معالجة إشارة المستشعر والذي يتضمن أنواعًا
مختلفة من المعالجة. يعتمد هذا النوع من المعالجة على أجهزة الاستشعار المستخدمة. تتضمن
هذه التقنية تحسين وضع الرسم البياني ، والذي يتضمن المعالجة الخلفية.
Pummel المرئية
يُعرف Visual
SLAM أيضًا باسم vSLAM.
يستفيد من الصور من مستشعرات الصور والكاميرات. إنه يتضمن كاميرات بسيطة ، مثل الكاميرات
الكروية وكاميرات عين السمكة والكاميرات ذات الزاوية العريضة ، على سبيل المثال لا
الحصر.
إن الشيء العظيم في Visual SLAM هو أنه يمكن تنفيذه دون إنفاق
الكثير من المال. علاوة على ذلك ، نظرًا لأن الكاميرات توفر الكثير من المعلومات ،
يمكنك استخدامها لاكتشاف المعالم. من الممكن الجمع بين اكتشاف المعالم والتحسين المستند
إلى الرسم البياني.
يشير Monocular
SLAM إلى نظام يستخدم كاميرا واحدة فقط. لذلك ، من الصعب
تحديد العمق ، والذي يمكن حله من خلال الكشف عن علامات AR ولوحات الداما.
يمكن أن تنقسم خوارزميات SLAM المرئية إلى فئتين: طرق متفرقة
وطرق كثيفة. الأول يستخدم خوارزميات مثل ORB-SLAM
و PTAM.
يستخدم لاحقًا سطوع الصورة وخوارزميات أخرى مثل SVO
و DSO و LSD-SLAM و DTAM.