Ngày nay, việc lập bản đồ và định vị đã và đang phải đối mặt với nhiều thách thức trong thời đại kỹ thuật công nghệ cao. Bởi vì sự xuất hiện của các tòa nhà cao tầng, cầu vượt hoặc ở những địa hình tự nhiên khó tiếp cận như rừng rậm, hang động hay đáy đại dương, hoặc điều kiện môi trường khắc nghiệt có thể gây nhiễu tín hiệu và cản trở việc thu thập dữ liệu. Chính vì những vấn đề trên, tín hiệu GPS truyền thống thường không ổn định và dễ xảy ra sai số lớn ở những khu vực này dẫn đến việc định vị không chính xác.
LIÊN HỆ ĐỂ NHẬN GIÁ ỮU ĐÃI KHI QUÉT LASER DI ĐỘNG – MLS 0903692185
So với các công nghệ khác trong cùng lãnh vực thì công nghệ định vị và lập bản đồ đồng thời (Simultaneous Localization and Mapping-SLAM), mang lại ưu thế vượt trội nhờ vào khả năng thu thập dữ liệu liên tục và chính xác trong các môi trường phức tạp mà không phụ thuộc vào tín hiệu của vệ tinh nên rất hữu ích trong các môi trường như trong nhà, dưới lòng đất hoặc khu vực bị che khuất… Nhờ vào ưu điểm này, SLAM đang ngày càng được ứng dụng rộng rãi trong lĩnh vực khảo sát địa hình, xây dựng mô hình 3D, quản lý đô thị và thậm chí trong robot tự hành hoặc công nghiệp.
Để hiểu được SLAM là gì và cũng như tầm quan trọng của nó trong các lĩnh vực nêu trên các bạn vui lòng theo dõi những thông tin mà tôi chuẩn bị đề cập ở bên dưới nhé!
MỤC LỤC XEM NHANH HƠN
Định vị và lập bản đồ đồng thời
SLAM hay còn được gọi là công nghệ định vị và lập bản đồ đồng thời. Đây là một quá trình được robot và hệ thống tự động sử dụng để điều hướng trong một môi trường không xác định đồng thời xây dựng bản đồ về môi trường đó. Robot sử dụng các cảm biến, chẳng hạn như máy ảnh, lidar hoặc sóng siêu âm, để thu thập dữ liệu về môi trường và chuyển động của chính nó trong đó. Điều này đặc biệt hữu ích trong các tình huống mà khả năng tiếp cận môi trường của con người bị hạn chế hoặc nguy hiểm.
Nói 1 cách dễ hiểu, đây là một công nghệ tích hợp IMU và GNSS cũng như kết hợp với máy ảnh kỹ thuật số được sử dụng để tạo ra bản đồ về các môi trường chưa xác định trong thời gian thực. Dữ liệu này được đồng bộ và xử lý bởi hệ thống dữ liệu, nơi thực hiện trích xuất các đặc điểm quan trọng như góc cạnh, mặt phẳng hoặc vật cản. Thuật toán tối ưu hóa đóng vai trò giảm thiểu sai số trong quá trình tích lũy dữ liệu, sử dụng các phương pháp như Bundle Adjustment hoặc Pose Graph Optimization để tinh chỉnh kết quả và giảm thiểu công tác hậu xử lý.
Các thành phần chính của SLAM
Thông thường công nghệ SLAM bao gồm:
- LIDAR (Light Detection and Ranging): Đo khoảng cách bằng cách phát và nhận lại tia laser, tạo ra dữ liệu đám mây điểm (point cloud).
- Camera (RGB, Depth, hoặc Stereo): Thu thập hình ảnh để nhận diện các đặc điểm (features) trong môi trường.
- IMU (Inertial Measurement Unit): Đo gia tốc và vận tốc góc để cung cấp thông tin về chuyển động.
- GPS hoặc GNSS (nếu có): Hỗ trợ định vị trong các môi trường ngoài trời.
- Localization : Xác định vị trí của thiết bị trong môi trường dựa trên dữ liệu từ cảm biến.
- Sử dụng các thuật toán như lọc Kalman mở rộng (EKF), Particle Filter, hoặc SLAM đồ thị (Graph SLAM) để ước lượng vị trí với độ chính xác cao.
- Mapping: Tạo bản đồ mô tả cấu trúc và đặc điểm của môi trường. Bản đồ có thể là dạng đám mây điểm 3D, bản đồ lưới (grid map), hoặc bản đồ topological.
Simultaneous Localization and Mapping
Các phương pháp khác nhau của Simultaneous Localization and Mapping-SLAM như: SLAM trực quan, SLAM lidar và SLAM đa cảm biến.
SLAM trực quan
SLAM trực quan (hoặc vSLAM) sử dụng hình ảnh thu được từ máy ảnh và các cảm biến hình ảnh khác. VSLAM có thể sử dụng các máy ảnh đơn giản (máy ảnh góc rộng, mắt cá và hình cầu), máy ảnh mắt ghép (âm thanh nổi và nhiều máy ảnh) và máy ảnh RGB-D (máy ảnh độ sâu và ToF). Ngoài ra, camera cung cấp một lượng lớn thông tin nên chúng có thể được sử dụng để phát hiện các điểm mốc (các vị trí đã đo trước đó). Việc phát hiện cột mốc cũng có thể được kết hợp với tối ưu hóa dựa trên biểu đồ, mang lại sự linh hoạt trong việc triển khai SLAM.
Công nghệ liên quan đến vSLAM bao gồm cấu trúc từ chuyển động (SfM), đo hình ảnh trực quan và điều chỉnh nó. Các thuật toán SLAM trực quan có thể được phân loại thành hai loại. Các phương pháp thưa thớt khớp các điểm đặc trưng của hình ảnh và sử dụng các thuật toán như PTAM và ORB-SLAM. Các phương pháp dày đặc sử dụng độ sáng tổng thể của hình ảnh và sử dụng các thuật toán như DTAM, LSD-SLAM, DSO và SVO.
SLAM lidar
Đây là phương pháp chủ yếu sử dụng cảm biến laser (hoặc cảm biến khoảng cách). So với máy ảnh, ToF và các cảm biến khác, tia laser có độ chính xác cao hơn đáng kể và được sử dụng cho các ứng dụng có phương tiện di chuyển tốc độ cao như ô tô tự lái và máy bay không người lái. Các giá trị đầu ra từ cảm biến laser thường là dữ liệu đám mây điểm 2D (x, y) hoặc 3D (x, y, z). Đám mây điểm cảm biến laser cung cấp các phép đo khoảng cách có độ chính xác cao và hoạt động hiệu quả trong việc xây dựng bản đồ bằng thuật toán SLAM.
Chuyển động ước tính tuần tự khi đăng ký các đám mây điểm. Tính toán quãng đường đã đi được sử dụng để định vị phương tiện. Để ước tính sự chuyển đổi tương đối giữa các đám mây điểm, bằng cách sử dụng các thuật toán đăng ký như điểm lặp gần nhất (ICP) và biến đổi phân phối chuẩn (NDT). Ngoài ra, bạn có thể sử dụng phương pháp tiếp cận dựa trên tính năng như Lidar Odometry và Mapping (LOAM) hoặc Fast Global Registration (FGR), dựa trên các tính năng FPFH. Bản đồ đám mây điểm 2D hoặc 3D có thể được biểu diễn dưới dạng bản đồ lưới hoặc bản đồ voxel.
SLAM đa cảm biến
Phương pháp SLAM này, sử dụng nhiều loại cảm biến bao gồm máy ảnh, IMU, GPS, Lidar, Radar và các loại khác để nâng cao độ chính xác. Bằng cách sử dụng sức mạnh bổ sung của các cảm biến khác nhau và giảm thiểu những hạn chế riêng lẻ của chúng. Vì vậy nó, có thể đạt được hiệu suất vượt trội. Ví dụ: khi máy ảnh cung cấp dữ liệu hình ảnh chi tiết, chúng có thể bị rung trong điều kiện tốc độ cao; mặt khác, lidar hoạt động ổn định trong các điều kiện ánh sáng khác nhau nhưng có thể gặp khó khăn với một số vật liệu bề mặt nhất định.
SLAM đa cảm biến cung cấp giải pháp đáng tin cậy hơn so với các cảm biến đơn bằng cách tích hợp dữ liệu từ nhiều nguồn khác nhau. Biểu đồ nhân tố là một khung mô-đun và có khả năng thích ứng, tích hợp nhiều loại cảm biến khác nhau, chẳng hạn như máy ảnh, IMU và GPS. Ngoài ra, biểu đồ hệ số còn điều chỉnh các đầu vào cảm biến tùy chỉnh (như lidar và đo hình) bằng cách chuyển đổi dữ liệu thành các hệ số tư thế. Khả năng này cho phép các cấu hình SLAM đa cảm biến khác nhau, chẳng hạn như SLAM quán tính thị giác một mắt và SLAM Lidar-IMU.
⇒ Xem thêm:
Các ứng dụng của Mobile Laser Scanning Systems trong đời sống
Dịch vụ scan 3D rừng phục vụ tính tín chỉ carbon
Công ty dịch vụ đo đạc nhà đất Quận 3
Công ty dịch vụ đo đạc nhà đất Quận 1
Tóm lại, định vị và lập bản đồ đồng thời không chỉ là công nghệ cốt lõi cho các hệ thống tự hành mà còn là chìa khóa để giải quyết các thách thức kỹ thuật trong những môi trường khó khăn nhờ vào khả năng xác định vị trí và tạo bản đồ trong thời gian thực, đặc biệt là trong môi trường không xác định. Điều này khẳng định vai trò ngày càng lớn của SLAM trong việc thúc đẩy sự đổi mới công nghệ toàn cầu.
Mặc dù tôi rất muốn giới thiệu cho các bạn tiếp tục về các ứng dụng cũng như những nghành nghề nào đã và đang áp dụng Simultaneous Localization and Mapping-SLAM trong công việc nhưng mà thời lượng bài viết không đủ dài. Vì vậy, tôi sẽ giới thiệu cho các bạn ở phần sau. Các bạn nhớ, đón chờ và theo dõi nhé!
CÔNG TY TNHH HỢP NHẤT BÁCH VIỆT
Đo đạc địa chính – Khảo sát địa hình – Tính toán Carbon
Trụ sở chính: 369 Lò Lu, P. Trường Thạnh, Tp. Thủ Đức, TPHCM
Chi Nhánh Sông Tiền: Tổ 5, Ấp Thống Nhất, Xã Bình Phú, huyện Tân Hồng, tỉnh Đồng Tháp.
Địa điểm kinh doanh: 31/13 đường 160, phường Tăng Nhơn Phú A, thành phố Thủ Đức, thành phố Hồ Chí Minh.
Hotline: 0903692185 hoặc 0907621115
Email: viet@bachvietunited.com