Pracuję nad lokalizacją robotów i nawigacją w środowisku miejskim. Chcę użyć aparatu. Ale jestem trochę zdezorientowany danymi LRF lub innymi danymi lasera.
Dlaczego ludzie chcą korzystać z aparatu?
dlaczego nie LRF lub inne dane laserowe?
Czy ktoś może wyjaśnić na korzyść aparatu?
Odpowiedzi:
Dalmierz laserowy 3D lub LIDAR, taki jak ten w Google Car, jest znacznie droższy niż aparat. Innym powodem jest to, że chociaż w przypadku LIDAR-a odległość każdego piksela jest dostępna, generowane dane do przetworzenia są ogromne. Musisz szybciej przesyłać i przetwarzać dane, co pojawia się ponownie wraz ze wzrostem kosztów. Wreszcie aparaty zwykle mają dłuższą żywotność, więc wymaga mniej konserwacji.
Stosunkowo tanie aparaty fotograficzne i widzenie komputerowe dają całkiem dobre wyniki.
Przykłady:
nawigacja w środowisku miejskim
W zależności od lasera mogą istnieć prawne ograniczenia dotyczące tego, gdzie można go używać. Bieganie po mieście rzucające promienie laserowe może wymagać specjalnego pozwolenia / licencji.
Jak inni już odpowiedzieli. Aparaty fotograficzne są zazwyczaj są znacznie tańsze, niż L ASER R Ange F inders.
Mówiąc o kamerze, masz na myśli kamery 2D, prawda? Istnieje kilka kamer 3D, takich jak rodzina kamer ifm O3D3xx . Aparat może nie mieć dokładności skanera laserowego, ale zapewnia dane o głębokości 3D przy rozsądnych częstotliwościach klatek w cenie ~ 1k
Czy są jakieś zalety korzystania z LIDAR dla SLAM w porównaniu ze standardową kamerą RGB?
Możesz sprawdzić ten link, w którym wcześniej odpowiedziałem na nieco podobne pytanie. (zalety i wady każdego)
w środowisku miejskim
Jeśli chodzi o samochody autonomiczne, takie jak Google, istnieje wiele czynników i ograniczeń (bezpieczeństwo, koszty itp.).
Jeśli jesteś zainteresowany badaniami i nauką, sugeruję, abyś używał dowolnej dostępnej platformy sprzętowej.
Pamiętać:
Nie sądzę, że ludzie naprawdę „chcą” korzystać tylko z kamer. Gdyby każdy badacz mógł sobie pozwolić na LiDAR, wszyscy włożyliby LiDAR na roboty dla środowiska zewnętrznego.
Kamery są dość tanie, a jedynym ograniczeniem zasięgu jest rozdzielczość w pikselach / superpikselach, którą można przetwarzać w algorytmie / oprogramowaniu.
Większość badaczy (w tym ja) używa strukturalnych kamer świetlnych (chociaż nie działają one na zewnątrz, więc przełączamy się na kamery RGB na tych czujnikach, gdy robot znajduje się na zewnątrz). Rozwiązaniem tego lekkiego problemu jest to, że używamy również kamer stereofonicznych (widzenie stereo / głębokość wielu widoków, co jest drogie obliczeniowo) do z grubsza określania głębokości, w oparciu o możliwości przetwarzania kontrolera / procesora. Innym rozwiązaniem, które jeszcze osobiście zbadałem, jest użycie wielu Kinect / Asus Xtions itp., W których uzyskuje się potwierdzenie głębi, a także wielu kamer RGB na zewnątrz.
LiDAR są zazwyczaj bardzo drogie (w tysiącach $$ za naprawdę dobre). Chociaż może się to zmienić w przyszłości, niektóre firmy będą oferować 250 dolarów „LiDAR”, takich jak Sweep .
Ponadto LRF / LiDAR mają ograniczony zasięg i rozdzielczość (tj. Poza pewną odległością nie mogą jednoznacznie rozpoznać głębokości, a zatem zwracają wartości 0 (nie jestem pewien, co do LiDAR, ale kamery głębinowe mają maksimum (powyżej którego) jako a także minimalny zasięg (poniżej którego) nie dają ci głębi).
Mam nadzieję że to pomoże.
Dodam kolejny powód, dla którego szczerze mówiąc, miałem nadzieję, że ktoś inny przyniesie. Bo dlaczego przede wszystkim tworzymy roboty? Bezemocyjne maszyny do naszej brudnej roboty?
Myślę, że fakt, iż robot może polegać wyłącznie na „wizji”, tak jak my, ssaki, czyni ich bardziej podobnymi do nas. Więc dla mnie lasery i sonary oszukują. Tym, na czym IMHO powinniśmy się skupić zamiast oszukiwania, jest tworzenie lepszych aparatów z wyższą liczbą klatek na sekundę, wyższym zakresem dynamicznym i mniejszą liczbą artefaktów oraz pisanie oprogramowania, które może uzyskać od nich potrzebne dane. (Lub mówiąc w kategoriach po 2012 r., Szkolimy nasze sieci, aby uzyskać od nich potrzebne dane).