Монокулярные визуальные системы SLAM широко используются в робототехнике и дополненной реальности для картографирования сред и оценки движения камеры. Однако перед ними стоит фундаментальная проблема, известная как масштабная двусмысленность, которая не позволяет этим системам определять абсолютный размер и расстояние объектов в окружающей среде. Решение этой проблемы имеет важное значение для повышения точности и удобства использования монокулярных приложений SLAM.

Понимание масштабной двусмысленности

Неоднозначность масштаба возникает из-за того, что одна камера не может напрямую измерить абсолютный размер или расстояние объектов. Она фиксирует только относительное движение и особенности, а значит, реконструированную карту можно масштабировать произвольно, не влияя на визуальную согласованность. Это ограничение затрудняет выполнение задач, требующих реальных измерений, таких как навигация или манипулирование объектом.

Методы решения масштабной двусмысленности

Для решения этой проблемы был разработан ряд подходов, включающих дополнительную информацию или предположения для оценки истинного масштаба окружающей среды.

  • Сенсорная сплавка: Объединение данных с других датчиков, таких как ИДУ, GPS или датчики глубины, обеспечивает абсолютные ссылки на масштаб.
  • Знаемые размеры объектов: Использование объектов с известными размерами внутри сцены помогает откалибровать масштаб.
  • Ограничения движения: Применение предположений о движении, таких как постоянная скорость или конкретные модели движения, может помочь в оценке масштаба.
  • Карта инициализации: Использование внешних измерений при запуске системы для установки начальной шкалы.

Проблемы и будущие направления

Несмотря на эти решения, точное решение масштаба остается сложной задачей в динамических или с раздельной функцией средах. Будущие исследования сосредоточены на интеграции методов машинного обучения и более надежных методов синтеза датчиков для улучшения оценки масштаба в приложениях реального времени.