Визуальный SLAM и с чем его едят
Роботы-пылесосы не могут работать без разработанной системы навигации, так как без этого невозможно будет организовать автоматизированную работу пылесоса в помещении. Для ориентации устройства в пространстве могут быть использованы разные датчики и программное обеспечение – одной из наиболее удачных разработок является внедрение технологии SLAM.
Технология
Под аббревиатурой SLAM принято понимать построение виртуальной карты на основе полученных с помощью внешних устройств данных. Роботы-пылесосы, имеющие подобную технологию, выполняют динамическое построение карты, что подразумевает фотографирование определенной точки с последующим поиском на фотографии отличающихся пикселей. В качестве основы берется любой предмет, например, диван или кресло. Пылесос «запоминает» углы мебели и, делая дальнейшие снимки и сравнивая их с исходным, отслеживает изменение свойств этих углов.
Просто выполнять фотографии недостаточно, поэтому, чтобы понять, где именно находится робот в данный момент, он должен получать данные с датчиков сбора информации. Для корректности получения результатов важно соблюдать две вещи – непрерывность и последовательность вычислений.
Обобщенный алгоритм выглядит так:
- Сканирование пространства комнаты.
- Далее идет сравнение текущего и предыдущего кадра, чтобы выявить смещение робота.
- После этого система выделяет характерные точки или метки определенного предмета и снова сравнивает текущий и предыдущий кадр.
- Все изменения заносятся в карту, что дает возможность обновить положение робота за всю историю обновлений.
- Для роботов-пылесосов очень важно проверять маршрут на петли, то есть, не происходит ли прохождение по ранее сканированному пути
- В конце работы алгоритма выполняется так называемое выравнивание общей карты местности.
Особенности применения
Есть два специфических момента в использовании технологии. Роботы-пылесосы заранее не знают в какой именно среде они находятся – изначально у них нет ни меток, ни снимков. Каждый раз пылесосу нужно выполнять сканирование окружающего пространства с помощью камеры и датчиков. Устройства, с которых может выполняться сканирование, различные: камеры, gps-датчик, гироскоп и многие другие.
Далее нужно понимать, что построение виртуальной карты при помочи перечисленных датчиков возможно только тогда, когда среда будет являться статичной. Динамически изменяющаяся среда приводит к искажениям получаемой роботом информации и ошибкам при построении карты. Нельзя менять расположение предметов, входить «в кадр» и другими способами мешать работе SLAM. Даже небольшое изменение яркости света приведет к тому, что сканирование придется выполнять снова. Иначе робот начнет теряться в пространстве, более долго продвигаться по маршруту или вовсе выходить за пределы помещения.
Само по себе использование алгоритмов SLAM не принесет никаких результатов, если производители не добавят другие методы ориентирования в пространстве. Пылесос может заехать под мебель, и тогда сориентироваться по камере или сенсорам будет намного сложнее. Умные пылесосы способны двигаться между разными комнатами, а потом успешно возвращаться на базу. В памяти устройства карта остается до тех пор, пока не будет выполнено новое сканирование.
На практике это позволяет пылесосу выполнять свою работу, при обнаружении малого количества заряда возвращаться на базу, после чего продолжать очистку ровно с того мета, где он остановился в последний раз. Пылесосы старого поколения не могли выполнять подобное, поэтому устройствам приходилось проходить по уже пройденным путям, что увеличивало общее время уборки.
Вместе с построением камеры, пылесосом выполняется определение типа напольного покрытия со степенью загрязнения. Умные роботы способны отличать между собой ламинат и ковер. Обнаружение поверхности, где есть покрытие из шерсти, автоматически подразумевает увеличение силы всасывания. Если же речь идет о местах с сильным загрязнением, то пылесос начнет проходить по локальному участку несколько раз.
Современные пылесосы, имеющие возможность пользоваться SLAM, изначально находятся в средней и верхней ценовой категории, так как для полноценной работы алгоритма требуется получение данных с большого количества сенсоров и датчиков, не говоря уже о камере. Чем более точные камеры и датчики используются, тем выше стоимость устройства. От корректности полученных данных зависит автономность техники – качественные пылесосы требуют к себе как можно меньше внимания со стороны пользователя.
