SLAM Cube和 SLAMWARE Core升级版作为新一代导航产品,效率、性能、处理速度相较以前都有了一个质的提升,那内部到底有什么技术在赋能呢?
机器人在未知场景中,要想实现类人般的智能移动,必须要具备地图构建及导航能力。地图的好坏,直接影响机器人在环境中的定位和导航能力 。
为了帮助机器人适应多种应用环境,思岚优化了软件算法、强化了建图引擎,让机器人在复杂、大面积的场景下也能轻松应对,稳定发挥,完成定位导航任务。
机器人各类应用场景地图
这也是思岚此次所带来的SLAM技术又一变革之作——SLAM 3.0。那SLAM 3.0与传统SLAM 相比,有哪些惊人之处呢?
传统SLAM Vs SLAM 3.0
- 建图精度高,图优化式建图
- 主动闭环修正
- 建图稳定、不抖动,必要时调整
SLAM 3.0——采用图优化的SLAM方式
▼
SLAM 3.0 相比较于前两代,采用图优化方式进行构图,能实现百万平米级别的地图构建能力,同时拥有主动式回环闭合纠正能力,能很好的消除长时间运行导致的里程累计误差,成为目前行业中最受欢迎的定位导航方式。
下面,我们就来看看SLAM 3.0的大不同。
1、利用SharpEdge构建高精度地图
SLAM 3.0 采用SharpEdge精细化构图技术构建高精度、厘米级别地图,超高分辨率。同时,构建的地图规则、精细,进一步提升了定位的精确性。无需二次优化修饰,直接满足用户预期。
SharpEdge建图效果
市面上SLAM 建图效果
2、基于图优化的SLAM方式
相比较粒子滤波每次直接将传感器数据更新进入栅格地图进行增量式构建的做法,基于图优化的SLAM3.0 摒弃固定的栅格地图,存储地图构建过程中调整了图结构中每个节点的pose和对应的传感器信息以及所有关键点构建的位姿关系图,利用全部的机器人位姿信息和对应传感器数据生成环境地图。
SLAM 3.0编码了机器人在SLAM过程中的位姿变化拓扑地图,相关的拓扑信息
3、主动式回环闭合纠正
当机器人运动到已经探索过的原环境时, SLAM 3.0可依赖内部的拓扑图进行主动式的闭环检测。当发现了新的闭环信息后,SLAM 3.0使用Bundle Adjuestment(BA)等算法对原先的位姿拓扑地图进行修正(即进行图优化),从而能有效的进行闭环后地图的修正,实现更加可靠的环境建图。
SLAM 3.0闭环检测
即使当时地图上看误差较大,SLAM 3.0也可灵活对已产生的地图进行调整。
即:
SLAM 3.0闭环修正
4、支持多传感器融合
·除激光雷达外,SLAM 3.0 同时支持深度摄像头、超声波、物理碰撞、跌落等各类其他传感器数据,并实时进行融合,实现可靠导航。
·拥有标准化的扩展传感器协议规范,使用者可自行定义扩展新型传感器,降低对激光雷达性能的依赖。
·传感器的安装角度、位置高度可配置。
5、支持多种不同种类的自主移动平台
·机器人行业目前还没存在一个统一的标准,功能、外形上都存在差异。SLAM 3.0的发布,支持多种类型的移动平台,助力打造细分领域的智能机器人。
·针对封闭环境的自动驾驶,可进行特性专门设计。
6、封闭场景导航算法支持
除了上面的特征之外,思岚SLAM3.0相较开源SLAM方案,还支持如:虚拟墙、虚拟轨道、自主充电、电梯调度等功能,让机器人提供更好的自主定位导航服务。
7、实时存储地图数据
建图优化引擎是SLAM 3.0 的一部分,具有实时存储地图数据的能力。在建图的过程中地图数据始终存在于建图中心或者移动端内存里,控制端与建图中心断开连接时地图数据不会丢失,在移动端没有断电的情况下地图数据不会丢失。
那么,在哪里才能get到SLAM 3.0呢?
目前,SLAM Cube、SLAMWARE Core升级版以及思岚最新的平台产品均已采用SLAM 3.0 图优化方式,配合激光雷达在商用复杂环境中逐渐开始使用。
SLAM 3.0在各大场景下地图构建案例