La tecnologia SLAM (Simultaneous Localization and Mapping) si riferisce a robot mobili che utilizzano i propri sensori per costruire mappe ambientali e utilizzare le informazioni ambientali per il posizionamento autonomo.

Esistono due soluzioni tecniche tradizionali: SLAM visivo e SLAM LiDAR. Tuttavia, hanno i loro difetti quando si trovano di fronte ad ambienti complessi: i sistemi SLAM visivi sono facilmente influenzati dai cambiamenti nell’ambiente visivo, mentre i sistemi SLAM LiDAR possono subire un degrado della precisione in ambienti privi di punti caratteristici. XGRIDS è la prima azienda nel settore della scansione SLAM mobile ad applicare la tecnologia SLAM (i.e. Multi-Slam) a fusione multi-sensore per ottenere dati più stabili e di qualità superiore in scene complesse.

Limitazioni della tecnologia SLAM a sensore singolo

Limitazioni della Visual SLAM :

1. I sistemi Visual SLAM sono suscettibili ai cambiamenti nell’ambiente visivo, come texture ripetute, cambiamenti di illuminazione, ambienti dinamici, ecc. Questi fattori possono causare errori di corrispondenza dei punti funzione, compromettendo la stabilità e l’accuratezza del sistema.
2. I sensori di visione sono essenzialmente sensori di misurazione dell’angolo che non possono misurare direttamente le informazioni sulla distanza. Devono ricostruire la distanza delle caratteristiche da più viste, il che aumenta la complessità computazionale e il rischio di errore, con conseguente scarsa precisione di misurazione.

Limitazioni di Lidar SLAM :

1. I sistemi SLAM Lidar possono subire un degrado della precisione o addirittura un errore di mappatura in ambienti con una struttura monotona o caratteristiche poco chiare, come tunnel o autostrade.
2. I dati LiDAR saranno distorti quando la portante del sensore è dinamica, con conseguente riduzione della precisione SLAM.

Al fine di risolvere i limiti dei singoli sensori, esploriamo ulteriormente il percorso tecnico dello SLAM a fusione multisensore.

Vantaggi ed effetti del multi-SLAM

C’è una buona complementarità tra LiDAR, telecamere e unità di misura inerziale (IMU). La misurazione dell’IMU non è influenzata dalle caratteristiche ambientali e i sistemi di navigazione inerziale possono stimare i parametri completi di velocità, posizione e assetto basandosi esclusivamente sulle informazioni inerziali generate dal movimento della portante. I parametri di movimento stimati dalla navigazione inerziale possono essere utilizzati per correggere la distorsione dei dati LiDAR, compensare le informazioni di scala mancanti della visione monoculare, ecc.; mentre il movimento della portante misurato da LiDAR SLAM e SLAM visivo può correggere l’errore cumulativo dei sistemi di navigazione inerziale. La tecnologia SLAM a fusione multisensore migliora le prestazioni dei sistemi SLAM combinando la complementarietà di diversi sensori.

Migliora la precisione e la robustezza :

La fusione multisensore può utilizzare informazioni complementari provenienti da sensori diversi, come le informazioni sul movimento fornite dall’IMU, che possono correggere la distorsione dei dati SLAM LiDAR e compensare le informazioni di scala mancanti dello SLAM visivo, migliorando così l’accuratezza e la robustezza del sistema.

Maggiore adattabilità ambientale :

I sistemi SLAM multisensore possono funzionare in una gamma più ampia di condizioni ambientali, ad esempio in scenari in cui le caratteristiche ambientali visive sono scarse o l’accuratezza dei dati LiDAR è in calo. Fondendo altri dati del sensore, il sistema può comunque mantenere buone prestazioni.

Maggiore l’affidabilità del sistema:

Nel caso in cui alcuni sensori si guastino o i dati siano inaffidabili, altri sensori possono fornire informazioni di backup per garantire il funzionamento continuo del sistema SLAM.

Migliora la dinamica del sistema:

La fusione multisensore può eseguire il rendering di aggiornamenti a frequenza più elevata e modelli dinamici più accurati, adattandosi a vettori e sistemi in rapido movimento.

Difficoltà nella fusione SLAM multisensore

Sebbene la tecnologia SLAM a fusione multisensore presenti evidenti vantaggi, ci sono anche molte difficoltà. Queste sono anche le direzioni che l’innovazione del suo settore continua a investire in ricerca e sviluppo per risolvere.

In tempo reale :

Pur garantendo l’accuratezza dell’algoritmo, è anche necessario considerare le prestazioni in tempo reale dell’algoritmo per soddisfare le esigenze delle piattaforme in rapida evoluzione. In effetti, il significato originale di SLAM – localizzazione e mappatura simultanea – definisce che SLAM deve elaborare i risultati in tempo reale. Essendo il primo team a fornire scanner SLAM veramente mobili nel settore, XGRIDS ha già raggiunto  l’elaborazione in tempo reale a bordo del prodotto di prima generazione. Attualmente, i prodotti più recenti sono stati ottimizzati per ottenere una qualità dei dati in tempo reale che si avvicina agli effetti di post-elaborazione dei prodotti della generazione precedente.

Calibrazione del sensore :

È necessario calibrare con precisione la posizione relativa e la sincronizzazione temporale tra i diversi sensori, che è un prerequisito per un’efficace fusione dei dati del sensore. Il processo di calibrazione è complesso e richiede apparecchiature o algoritmi di calibrazione ad alta precisione.

Algoritmo di fusione dei dati :

La fusione di dati multisensore richiede algoritmi complessi per gestire le caratteristiche dei dati di diversi sensori, come la frequenza dei dati, l’allineamento del timestamp e il formato dei dati dei diversi sensori.

Coerenza delle informazioni :

Garantire la coerenza delle informazioni provenienti dai diversi sensori durante il processo di fusione è una sfida, soprattutto quando ci sono differenze nelle osservazioni dei sensori.

Requisiti delle risorse informatiche :

I sistemi multi-SLAM di solito richiedono più risorse di elaborazione, tra cui le prestazioni del processore e la memoria. XGRIDS ha una lunga esperienza nel campo del calcolo distribuito ad alte prestazioni, utilizzando l’EdgeComputing per migliorare la capacità di elaborazione dei dati a bordo e ottenere la ricostruzione in tempo reale della fusione di più sensori.

Complessità dell’algoritmo:

La progettazione di un algoritmo multi-SLAM efficace richiede la considerazione di molteplici fattori, come le caratteristiche dinamiche dei sensori e i cambiamenti ambientali, il che aumenta la complessità della progettazione dell’algoritmo.

Nel campo della scansione SLAM mobile, XGRIDS ha guidato l’innovazione della tecnologia multi-SLAM attraverso una ricerca e una pratica tecnica incessanti. Di fronte alle sfide dello SLAM visivo e dello SLAM LiDAR in ambienti complessi, XGRIDS non solo ha proposto una soluzione multisensore che integra LiDAR, fotocamera e IMU nel concetto, ma ha anche ottenuto l’iterazione tecnologica dal prodotto di prima generazione Lixel L1 all’ultimo Lixel L2 Pro nella pratica, migliorando significativamente l’accuratezza, la robustezza e l’adattabilità ambientale del sistema. Risolvendo difficoltà chiave come le prestazioni in tempo reale, la calibrazione dei sensori, gli algoritmi di fusione dei dati, la coerenza delle informazioni e i requisiti delle risorse di calcolo, XGRIDS dimostra la sua ricerca di innovazioni tecnologiche e un approccio con i piedi per terra, promuovendo continuamente lo sviluppo di apparecchiature di scansione SLAM portatili 3D verso direzioni più efficienti e intelligenti e stabilendo un nuovo punto di riferimento tecnologico per il settore.