科普 | 什么是SLAM？

SLAM（即时定位与舆图构建）是一种协助机器人绘制舆图，并导航它们举动的常用办法。

为了处理机器人导航成绩，它们必要一些舆图的协助。

就像人类一样，机器人不克不及总是依托GPS，尤其是当它们在室内运转时。何况，GPS在室外假如达不到几英寸的精度，机器人也不克不及宁静地挪动。

相反，它们可以依托SLAM（simultaneous localization and mapping，即时定位与舆图构建）来察看和绘制周围情况。

使用SLAM，机器人可以随时构建本人的舆图。经过传感器数据校准来构建导航舆图，它们可以了解本人的地点。

听起来很简便，但它实践上是一个多阶段历程，包含使用多种十分合适GPU并行处理才能的算法来校准传感器数据。

自20世纪80年代以来，SLAM有很多种情势。本文将重点先容其在NVIDIA Isaac中的机器人使用。

传感器数据校准

盘算机将机器人的地点视为舆图或时间线上的时间戳（Timestamp）。

机器人不休地对周围的传感器数据举行刹时收罗。关于深度图像丈量，每秒可拍摄多达90次图像。关于用作准确范围丈量的激光雷达图像，每秒可拍摄20次。

当机器人挪动时，这些数据点有助于丈量它相较于其先前地点的距离，以及它在舆图上的地点。

活动估测

别的，车轮里程计（odometry）将机器人车轮的旋转纳为考量，可以协助丈量它行驶的距离。惯性丈量单位（inertial measurement units）还用于丈量速率和增速率，作为追踪机器人地点的办法。

一切这些传感器流都被归入在传感器交融（sensor fusion）中，以更好地估测机器人的挪动办法。

依托于序列蒙特卡罗办法的卡尔曼滤波算法和粒子滤波算法，可用于交融这些传感器输入。

传感器数据配准

传感器数据配准，或数据点之间的丈量，可以在两次丈量之间或丈量和舆图之间举行。

使用NVIDIA Isaac SDK，开发职员可以经过“扫描到舆图婚配”（scan-to-map matching）来定位机器人。SDK中另有一个来自NVIDIA研讨职员的算法，称为HGMM（Hierarchical Gaussian Mixture Model，条理高斯殽杂模子）。它可以校准从不同视角拍摄的两个点云（空间中的多量数据点）。

经过使用一连的传感器数据流和活动估测，贝叶斯滤波器可以用数学的办法处理机器人地点的地点。

用于及时盘算的GPU

上述映射盘算每秒产生20-100次，具体取决于算法。假如没有NVIDIA GPU的处理才能，这将无法及时实行。Jetson AGX Xavier是机器人武艺的抱负选择，它在紧凑的封装中提供32 teraops GPU事情站般的功能。

校准点云或深度图像的大范围数字运算职责可以在NVIDIA GPU上完成，比使用CPU快20倍。

Jetson Nano也能为创客们提供宏大的功能奔腾。

用于定位的视觉里程计

视觉里程计（Visual odometry）使用视频作为唯一输入，以此来规复机器人的地点和朝向。

NVIDIA Isaac支持平面视觉里程计（两个摄像头），可及局势情以协助引导地点，每秒最少拍摄30帧。它可用于由我们紧凑型Jetson超等盘算模块驱动的一切产物。

使用Isaac标准的平面视觉里程计功效，机器人开发职员可以准确盘算出机器人的地点，并将其用于导航。

视觉里程计功效包含在我们的Jetson Nano 开发套件中。

Isaac在视觉里程计方面的将来提高将被整合进套件的功效中，并提升SLAM的水平。现在，SLAM用于反省机器人地点和朝向的舆图规复，以消弭由于禁绝确的视觉里程计后果而招致的导航错误。

用于定位的舆图构建

舆图可经过三种办法创建而成。

一种办法是在Jetson装备上运转映射算法，同时有人监督并手动驱动机器人。

第二种办法是让机器人上的Isaac使用步骤，将数据传播输到事情站上运转映射算法的Isaac使用步骤。

但是第三种保举的办法是使用Isaac的便捷纪录器小部件，将激光雷达扫描和里程计数据纪录到文件中。如此，映射可以使用logmapping使用步骤离线完成。该办法允许调停用于优化舆图的映射算法的参数，而无需反复驱动机器人。

为了创建定位和导航的舆图，2019.1版本的NVIDIA Isaac SDK支持并使用OpenSlam的Gmapping和Google的Cartographer算法。

Isaac的模块化，使用户可以集成他们选择的其他第三方库，或插进他们本人的东西。Isaac将使用激光雷达或深度相机取得的2D范围扫描数据提需求这些映射算法。Isaac还提供使用车轮速率、惯性丈量单位数据和盘算机视觉盘算的里程计信息。

占用网格（用于激光雷达的SLAM）

当机器人使用激光雷达或摄像头感知周围情况时，Isaac会创建一个机器人情况的占用网格图（occupancy grid map），其区分率由用户决定。无论舆图中的每个单位对否被拦截，该2D“当地舆图”均可提供信息，以便机器人可以相应地方案其导航途径。

Isaac布局的精良占用网格，是在Isaac导航堆栈中快速、天然和可靠避障的紧张。