ビジュアル SLA M — それはどのように機能するか、そしてそれが RTLS に収まる場所。

Visual SLA M(視覚を用いた同時ローカリゼーションとマッピング)は、カメラフレームのストリームを取り、周囲の環境の3Dマップ、そのマップの中のカメラのポーズ(位置と方向)を2回出力するアルゴリズムのクラスです。

アンカー、タグなし、事前調査なし。 システムは空間を学習し、同時に空間にある場所を学習します。つまり、その名前が正確に言っていることであり、まさにそれが動くロボット、ARデバイス、および動的環境のために強力になるものです。

4つの計算ピースがあります。 まずは、 特徴の抽出 — アルゴリズムは、各カメラフレーム(コーン、エッジ、学習機能)に特徴的なポイントを検出します。

第2、 ポーズ推定 — フレーム間で機能がどのように動くかを追跡することで、カメラのモーションをトリガーします。 第3、 マッピング — 蓄積された3Dの特徴は世界モデルを造ります。

4位, ループ閉鎖 — カメラが前々の場所を調べると、アルゴリズムはそれを認識し、マップ全体に蓄積されたドリフトを修正します。

現代のシステムは、ORB- 27 M3、OpenV SLA M、または学習成熟27 Mなどのスタックを使用して、多くの場合、短い機能損失を処理する視覚慣性 for27 Mのための慣性測定(IMU)と組み合わせる。

今日は3つの展開カテゴリが成熟しています。

AMR s と AGV s ますます視覚的な SLA M (多くの場合、安全のための2D LiDARと組み合わせて) 彼らの第一次ナビゲーションスタックとして - すべての近代的なHIKロボット、MiR、Locus、OTTOプラットフォームは、センサーの融合の一部としてビジョンベースのローカリゼーションで出荷します。

ARおよびXRデバイス — Apple Vision Pro、Meta Quest、Microsoft HoloLens、すべてのARKitとARCoreの携帯電話 — 全ては視覚慣習的な SLA M をポーズトラッキングに依存しています。

屋内マッピングと調査 — ドローン、ハンドヘルドスキャナ、ロボットフロアマップパーがビジュアル SLA M は 3D モデルをレトロフィット RTLS 展開するベースマップとして使用します。

これらの技術は、「屋内位置」として一緒に埋め込まれているにもかかわらず、さまざまな質問に答えます。 UWB と BLE - AoA あなたに正確な位置を与えます カテゴリー 相対的な資産 インフラ インストール済みです。

視覚 SLA M は精密な位置を与えます カメラ搭載デバイス自体 相対的に 作ったマップ.

RFID confirm 確認 プレゼンス お問い合わせ 読み取りポイント. ほとんどの企業のための右の建築は雑種です: 視覚 SLA ナビゲーションを処理するすべてのモバイルロボット上のM、 UWB あなたが追跡する必要があるアンカー カテゴリー リアルタイムのアセット、在庫とドック検証のためのチョークポイントでパッシブ RFID。

これらの技術のうちどれも、それぞれ別のサブプロブレムを解決します。

Within27 WithinM家族の中で、最も一般的な比較は、視覚的な対LiDARです。 LiDAR SLA M は、レーザーレンジファインダーを使用して、正確な 3D ポイントクラウドを構築します。ビジュアル SLA M は、カメラを使用して、機能ベースまたは高密度フォトメトリックマップを作成しています。

LiDAR は、幾何学的構造上の centimetre に正確で変化を照明し、高価に強いです。

ビジョンは安いです, 皮脂情報をキャプチャします。 (テクスチャ, サイン, 識別可能なオブジェクト), 低照度または機能レス環境で劣化.

ハイブリッドセンサー融合スタック(LiDAR + カメラ + IMU)は、各モジュールが他のブラインドスポットをカバーするため、深刻な産業 AMR s に標準的です。 ほとんどの消費者ARデバイスは、コストとフォームファクタールールLiDARアウトのために、ビジョン+ IMUのみを使用しています。

ビジュアル SLA Mは魔法ではありません。 特徴のない壁(ベアメタルラック付ききれいな白い倉庫を考えて)、低光または強力な照明(夜明けにドックをロード)、

高度にダイナミックな環境(各棚のあらゆる箱は訪問の間に移動しました)、および反射表面はすべての低下の性能を。

計算要件は非トリバイアルのままであり、近代的な埋め込まれた v SLA M スタックは、ボード上の有意な GPU または NPU を必要とします。

スケール(多層階、大型倉庫、時間を超えた変化)での地図管理は、解決されたものではなく、実際のエンジニアリングの問題です。

そして視覚 SLA M 自体はあなたに与えません アセットマネジメント 追跡 — のみ デバイス 追跡。 フォークリフトがどこにあるかを知るには、フォークリフトに視覚的な SLA M を置く。タグ付きパレットがどこにあるかを知るには、 RFID または UWB 。

3つの層問題。 アルゴリズムとライブラリレイヤー: ORB- SLA M3とOpenV SLA M(オープンソース、リサーチグレード)、VINS-Fusion、Kimera、Slamcore、拡張ピクセル、Microsoft(HoloLens stack)、Apple(ARKit)、Google(AR)、Meta(Quest SDK)の商用代替品。

ハードウェア層: Intel RealSenseの深さのカメラ、Luxonis OAK-D、SterialLabs ZED、Orbbecおよび多くの安い埋め込まれたカメラ モジュール — これらは SLA M の積み重ねに与えるセンサーです。

ロボティクス層: NVIDIA Isaac ロボティクス プラットフォーム (Isaac SLA M, Isaac Perceptor) と ROS 2 のナビゲーション スタック バンドル ビジュアル SLAM に AMR デプロイメント ツールチェーン.

企業にとって、正しい質問はめったに「どの SLA M ライブラリ」です。それは「 AMR ベンダー」であり、ナビゲーションスタックにはどのようなものが含まれます。

ヴィジュアル SLA M を RTLS ユースケースのアーキテクチャ デバイスセルフローカライゼーション 固定インフラをインストールする環境では、実用的、高価、または望ましくない。

AMR と AGV ナビゲーションは最も一般的なケースです(そしてそれは本当に TRACIO 勧告ではありません — それはすべての近代的な AMR にデフォルトです)。

レトロフィットのドローンベースの屋内マッピング RTLS 展開は、信頼できる二次使用です。 メンテナンスとオペレータの指導のためのARオーバーレイ - 新興。

お問い合わせ コメントはありません 要求が自分のカメラを運ぶことができない資産、人々または車を追跡することであるとき、タグベースの RTLS の交換として視覚 SLA M をお勧めします。 異なる問題、異なるツール。