Visual SLAM — jak działa i gdzie pasuje do RTLS.

Visual SLAM (Simultaneous Localization And Mapping Using Vision) to klasa algorytmów, które pobierają strumień klatek kamery i generują dwa wyjścia jednocześnie: trójwymiarową mapę otaczającego środowiska oraz pozycję kamery (pozycję i orientację) wewnątrz tej mapy.

Brak kotwic, brak tagów, brak wstępnej inspekcji. System uczy się przestrzeni i jednocześnie poznaje, gdzie się znajduje — dokładnie to, co sugeruje nazwa i co czyni go potężnym dla poruszających się robotów, urządzeń AR i dynamicznych środowisk.

Są cztery elementy obliczeniowe. Po pierwsze, Ekstrakcja cech — algorytm wykrywa charakterystyczne punkty w każdej klatce kamery (narożniki, krawędzie, wyuczone cechy).

Po drugie, Estymacja pozycji — śledząc ruch cech między klatkami, trianguluje ruch kamery. Po trzecie, Mapowanie — zgromadzone pozycje cech 3D budują model świata.

Po czwarte, Zamknięcie pętli — gdy kamera ponownie odwiedza wcześniej widziane miejsce, algorytm je rozpoznaje i koryguje nagromadzony dryf na całej mapie.

Nowoczesne systemy wykorzystują stos taki jak ORB-SLAM 3, OpenV SLAM lub SLAM z wyuczonymi funkcjami, często połączony z pomiarem inercjalnym (IMU) dla wizualno-bezwładnego SLAM, który obsługuje krótkotrwałe utraty cech.

Obecnie istnieją trzy kategorie wdrożenia.

AMR i AGV coraz częściej używają wizualnego SLAM (często łączonego z 2D LiDAR dla bezpieczeństwa) jako głównego stosu nawigacyjnego — każdy nowoczesny HIK Robot, MiR, Locus i OTTO jest wyposażony w lokalizację wizualną jako część fuzji sensorów.

Urządzenia AR i XR — Apple Vision Pro, Meta Quest, Microsoft HoloLens, każdy telefon ARKit i ARCore — wszystkie polegają na wizualno-inercjalnym SLAM do śledzenia pozycji.

Mapowanie i pomiary wewnątrz budynku — drony, przenośne skanery i robotyczne mapy podłogi wykorzystują wizualne SLAM do budowy modeli 3D, które wdrożenia retrofit RTLS używają jako bazową mapę.

Te technologie odpowiadają na różne pytania, mimo że są one określane jako "pozycjonowanie wewnętrzne". UWB i BLE - AoA dają precyzyjną pozycję oznaczone tagiem Aktywa względem Infrastruktura Masz zainstalowany.

Wizualny SLAM daje precyzyjną pozycję samo urządzenie wyposażone w kamerę względem Mapa, którą zbudował.

RFID potwierdza obecność at Odczyt punktów. Odpowiednia architektura dla większości przedsiębiorstw jest hybrydowa: wizualny SLAM na każdym mobilnym robocie do obsługi nawigacji,

UWB kotwicze tam, gdzie trzeba śledzić oznaczone tagiem zasoby w czasie rzeczywistym, RAIN RFID w punktach wąskich do weryfikacji inwentaryzacji i doku.

Żadna z tych technologii nie zastępuje się nawzajem — rozwiązują różne podproblemy.

W rodzinie SLAM najczęściej spotyka się porównania wizualne z LiDAR. LiDAR SLAM wykorzystuje dalmierze laserowe do tworzenia precyzyjnej trójwymiarowej chmury punktów; wizualny SLAM wykorzystuje kamery do tworzenia mapy opartej na cechach lub gęstej fotometrycznej.

LiDAR jest odporny na zmiany oświetlenia, dokładny co do centymetrów na strukturze geometrycznej i drogi.

Vision jest tani, rejestruje informacje semantyczne (tekstury, znaki, rozpoznawalne obiekty) i degraduje się w środowiskach o słabym oświetleniu lub bez cech.

Hybrydowe stosy sensor-fusion (LiDAR + kamera + IMU) są teraz standardem w poważnych przemysłowych AMR, ponieważ każda z nich pokrywa martwe punkty drugiej. Większość konsumenckich urządzeń AR używa tylko Vision + IMU, ponieważ koszt i forma wykluczają LiDAR.

Visual SLAM to nie magia. Ściany bez cech (pomyśl o czystych, białych magazynach z gołymi metalowymi regałami), oświetlenie w słabym świetle lub mocno zmienne (rampy załadunkowe o świcie),

wysoce dynamiczne środowiska (każde pudełko na każdej półce przesuwane między wizytami) oraz powierzchnie odbijające odbicie pogarszają wydajność.

Wymagania obliczeniowe pozostają niebanalne — nawet nowoczesne stosy wbudowane v SLAM wymagają znaczącej karty graficznej lub NPU na pokładzie.

Zarządzanie mapą na dużą skalę (wiele pięter, duże magazyny, zmiany w czasie) to prawdziwy problem inżynieryjny, a nie rozwiązany.

A samo wizualne SLAM nie daje ci tego Aktywo Tylko śledzenie Urządzenie śledzenie. Aby wiedzieć, gdzie jest wózek widły, umieszczasz wizualny obraz SLAM na wózku; Aby wiedzieć, gdzie jest oznaczona paleta, nadal potrzebujesz RFID lub UWB.

Trzy warstwy mają znaczenie. Warstwa algorytmów i bibliotek: ORB – SLAM 3 i OpenV SLAM (open source, klasy badawczej), VINS-Fusion, Kimera oraz komercyjne alternatywy od Slamcore, Augmented Pixels, Microsoft (stos HoloLens), Apple (ARKit), Google (ARCore) i Meta (Quest SDK).

Warstwa sprzętowa: Intel RealSense kamery głębiowe, Luxonis OAK-D, StereoLabs ZED, Orbbec oraz wiele tanich wbudowanych modułów kamer — to właśnie te czujniki zasilają stos SLAM.

Warstwa robotyki: Platforma NVIDIA Isaac Robotics (Isaac SLAM, Isaac Perceptor) oraz stosy nawigacyjne ROS 2 łączą wizualne SLAM z narzędziami wdrożenia AMR.

Dla przedsiębiorstw właściwym pytaniem rzadko jest "która biblioteka SLAM" — lecz "który dostawca AMR i co obejmuje ich stack nawigacyjny".

Projektujemy wizualne SLAM w architekturach RTLS, gdy przypadek użycia jest Samolokalizacja urządzenia w środowiskach, gdzie instalacja stałej infrastruktury jest niepraktyczna, kosztowna lub niepożądana.

Nawigacja AMR i AGV to najczęstszy przypadek (i tak naprawdę nie jest to rekomendacja TRACIO — to domyślna metoda w każdym nowoczesnym AMR).

Mapowanie wnętrz oparte na dronie do wdrożeń modernizacyjnych RTLS to wiarygodne zastosowanie wtórne. Nakładki AR do konserwacji i nawigacji operatora — emergen.

Chcemy nie polecam wizualny SLAM jako zamiennik dla tag-based RTLS, gdy wymagane jest śledzenie zasobów, osób lub pojazdów, które nie mają własnej kamery. Inne problemy, inne narzędzia.