اقرأ في هذا المقال
- التعريب البصري المتزامن
- كيف تعمل تقنية التعريب البصري المتزامن؟
- تطبيقات تقنية التعريب البصري المتزامن
- أهمية التعريب المتزامن ورسم الخرائط (SLAM)
- وظائف تقنية التعريب المتزامن
- أمثلة على SLAM
- SLAM المرئية
التعريب البصري المتزامن:
يوفر التعريب البصري المتزامن والتخطيط (vSLAM) الكثير من التطبيقات، وهذا هو سبب اكتسابه شعبية في جميع أنحاء العالم، بقدر ما يتعلق الأمر بالتطبيق التجاري لم يتم تطوير هذه التكنولوجيا بشكل كافٍ حتى الآن، لكنها تساعد في معالجة أوجه القصور في العديد من أنظمة الملاحة والرؤية، لذلك يمكن أن تحظى بشعبية كبيرة في الصناعات التجارية أيضًا.
من المهم أن تضع في اعتبارك أن (SLAM) المرئي ليس اسمًا لبرنامج أو خوارزمية معينة، يتمثل الدور الأساسي لهذه التقنية في تحديد موضع واتجاه مستشعر معين من حيث محيطه، في الوقت نفسه يساعد في تعيين البيئة المحيطة بهذا المستشعر.
كيف تعمل تقنية التعريب البصري المتزامن؟
في معظم هذه الأنظمة تُستخدم إطارات الكاميرا المتتالية لتتبع نقاط الضبط، الفكرة هي أن تثليث موقعها ثلاثي الأبعاد، في الوقت نفسه يتم استخدام هذه المعلومات للحصول على تقريب تقريبي لوضع الكاميرا، في المقام الأول يتم استخدام هذه الأنظمة من أجل تعيين محيطها فيما يتعلق بالأشياء المحيطة بها من أجل التنقل بشكل أفضل.
عادةً ما تستخدم كاميرات الرؤية ثلاثية الأبعاد لهذا الغرض على عكس تقنيات (SLAM) الأخرى، إذا كانت هناك نقاط تتبع كافية في كل إطار فمن الممكن فهم بنية البيئة المادية وتوجيه المستشعر.
تطبيقات تقنية التعريب البصري المتزامن:
على الرغم من أن (SLAM) المرئي لم يتطور بعد إلا أنه يتمتع بإمكانيات كبيرة في إعدادات مختلفة، لكن من المهم أن تضع في اعتبارك أنها تلعب دورًا كبيرًا في عالم الواقع المعزز، من أجل الإسقاط الدقيق للصور الافتراضية يلزم تعيين دقيق للبيئة المادية، وهذا ممكن فقط بمساعدة تقنية (SLAM) المرئية.
اليوم تُستخدم هذه التقنية في روبوتات ميدانية مختلفة مثل المقرضين واللصوص، ومن المثير للاهتمام أن هذه التقنية تُستخدم في سيارات لاند روفر التي تم إرسالها إلى المريخ للاستكشاف والملاحة.
إلى جانب ذلك يتم استخدامها في مجال الزراعة، تستخدم الروبوتات الميدانية والطائرات بدون طيار هذه التكنولوجيا للطيران فوق حقول المحاصيل، كما تستخدم المركبات المستقلة هذه الأنظمة لرسم خريطة وفهم محيطها.
أنظمة (SLAM) المرئية قادرة على استبدال ملاحة تتبع (GPS) في بعض القطاعات، مشكلة أنظمة (GPS) هي أنها ليست مفيدة في الداخل، علاوة على ذلك فهي ليست دقيقة، بمساعدة (SLAM) يمكن القضاء على أوجه القصور هذه، والسبب أن هذه الأنظمة تعتمد على الأقمار الصناعية.
الشيء هو أنه يمكن تنفيذ هذه التكنولوجيا في الكثير من المجالات، هذا هو سبب استمرار الطلب على هذه الأنظمة في الارتفاع، نظرًا لاستخدام هذه التقنية في العديد من الأنظمة ستتوفر العديد من المنتجات مثل المركبات ذاتية القيادة للجمهور على الطريق.
أهمية التعريب المتزامن ورسم الخرائط (SLAM):
بقدر ما يتعلق الأمر بالروبوتات فإن هذه التكنولوجيا متقدمة جدًا، ومع ذلك فإن إحدى المشكلات الرئيسية التي يواجهها الخبراء هي رسم الخرائط والتوطين فيما يتعلق بالروبوتات، هذا هو المكان الذي يأتي فيه (SLAM) لإنقاذ، في هذه المقالة سنلقي نظرة على أهمية الترجمة المتزامنة ورسم الخرائط، تابع القراءة لمعرفة المزيد.
في الأساس يعد (SLAM) بديلاً جيدًا لنظام (GPS) ويعمل بشكل مشابه إلى حد ما، تقوم هذه التقنية بتوجيه الروبوتات حتى يكونوا على دراية بالبيئة والتحرك في الاتجاه الصحيح أثناء أداء وظائفهم، على الرغم من أن نظام تحديد المواقع العالمي (GPS) هو نظام خرائط فعال، إلا أن هناك بعض العقبات في طريق وظيفته.
نظرًا لقيود نظام تحديد المواقع العالمي (GPS) يستخدم الخبراء الآن التعريب المتزامن ورسم الخرائط، حيث أثبتت هذه التقنية أنها بديل رائع لنظام تحديد المواقع العالمي (GPS) لأنها توفر الكثير من المزايا.
لسنوات عديدة تم استخدام (SLAM) لإجراء بحث تقني، ومع ذلك نظرًا لزيادة سرعة معالجة الكمبيوتر بشكل كبير فقد تم توفير أجهزة استشعار منخفضة التكلفة، كما يتم استخدام (SLAM) لعدد من التطبيقات العملية في مختلف المجالات.
وظائف تقنية التعريب المتزامن:
نظرًا لأن الروبوتات تتميز ببنوك ذاكرة ذات سعات ضخمة فيمكنها الاستمرار في تعيين موقعها باستخدام (SLAM)، بصرف النظر عن هذا لا يضمن نظام تحديد المواقع العالمي (GPS) تحديد موضع الروبوت بدقة، ومع ذلك فيما يتعلق بالتمركز فإن (SLAM) هو الخيار الأفضل، يقوم بمحاذاة بيانات المستشعر على مستويات متعددة لإنشاء خريطة.
إذا كنت تعتقد أن هذا التوافق ليس مشكلة كبيرة فأنت بحاجة إلى التفكير مرة أخرى، تمر بيانات المستشعر عبر المحاذاة على عدد من المستويات، تستخدم هذه العملية متعددة المستويات الكثير من الخوارزميات، نظرًا لأن هذا النوع من المعالجة معقد للغاية، فإنه يتطلب قوة وحدات معالجة الرسومات الحالية.
يمكن أن تساعد (SLAM) في حل الكثير من المشكلات في عالم الملاحة ورسم الخرائط، على سبيل المثال يمكن أن تساعد هذه التقنية الطائرات بدون طيار والروبوتات في إيجاد طريقها في بيئة مغلقة، هذا أكثر فائدة بشكل خاص حيث لا تعمل تقنية GPS بشكل صحيح، وفي الواقع تحدد (SLAM) وتحدد موقع واتجاه الروبوتات فيما يتعلق بالأشياء القريبة.
الكاميرات وأجهزة الاستشعار والبيانات:
بقدر ما يتعلق الأمر بجمع البيانات تستخدم أنظمة (SLAM) كاميرات متعددة، بناءً على هذه البيانات الموحدة يمكن للنظام إنشاء خرائط لسهولة التنقل، إلى جانب ذلك بمساعدة المستشعرات يمكن للروبوتات والطائرات بدون طيار الاستمتاع بمستوى أعلى من الدقة والمتانة، لذلك يمكن لهذه الآلات أن تعمل بشكل جيد حتى في الظروف المعاكسة.
تكنولوجيا:
بمساعدة هذه التقنيات تلتقط الكاميرات ما يصل إلى 90 صورة في الثانية، إلى جانب ذلك يقومون أيضًا بتسجيل الكثير من صور (LIDAR)، لذلك يمكن أن تكون الروبوتات والطائرات بدون طيار أكثر وعياً بمحيطها.
تستخدم الأنظمة المختلفة هذه الصور للتخطيط ورسم الخرائط بكفاءة، نظرًا لأن هذه الحسابات تتطلب قوة معالجة فائقة يتم استخدام وحدات معالجة الرسوم الخاصة لتحقيق أقصى أداء، تُعرف هذه الوحدات باسم وحدات معالجة الرسومات (GPU) والتي تُستخدم في أجهزة الكمبيوتر لعرض مقاطع الفيديو وتشغيل الألعاب.
أمثلة على SLAM:
مثال على SLAM هو فراغ الروبوت، ففي حالة عدم وجود (SLAM) فإن فراغ الروبوت سوف يتحرك بشكل عشوائي، نتيجة لذلك لن يكون قادرًا على تنظيف الغرفة بأكملها، بصرف النظر عن هذا قد يستهلك هذا الأسلوب الكثير من الطاقة وستنفد 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 باسم التوطين ويمنع الجهاز من المرور فوق نفس المكان مرتين.
تعد (SLAM) مفيدة جدًا في مجالات التطبيق الأخرى مثل إيقاف السيارة والتنقل في الروبوتات المتنقلة على سبيل المثال لا الحصر.
وبشكل 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.
SLAM 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 الواقع المعزز 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).
