Wi-Fi数据有助于研究人员提高映射算法的准确性

SLAM或同时定位和映射是一个经过充分研究的计算问题，涉及更新环境地图，同时跟踪代理的位置。(通常，所述代理是无人机或机器人。)廉价，无处不在的深度传感器和复杂算法的出现在一定程度上解决了它，但即使是最先进的视觉系统也并不完美：有时会产生对称和重复的模式在故障地图中，上述传感器往往会产生大量笨重的数据。

这就是为什么研究人员建议使用Wi-Fi传感来补充这项技术的原因。最新发表的关于预印本服务器Arxiv.org的论文(“为室内应用增强可视SLAM与Wi-Fi感应”)描述了将无线数据集成到可视SLAM算法中的“通用方法”，旨在提高其准确性和最小化硬件开销。

“在大多数城市环境中，大多数机器人或移动设备都可以使用Wi-Fi无线电，Wi-Fi无线接入点无处不在。Wi-Fi和视觉传感相互补充，“该论文的作者写道。“在这项工作中，我们提出了一个通用的工作流程，将Wi-Fi传感结合到可视SLAM算法中，以减轻感知混叠和高计算复杂性。”

研究人员的系统将来自摄像机的视觉框架(图像)与相应的Wi-Fi签名相关联。对于每三或四米，其运行的机器人或移动设备暂停约十秒钟以聚合签名，然后将签名与随后的任何视觉帧相关联，直到下一次暂停。Wi-Fi集群的分布(每个包括包含与代表性签名类似的签名的帧)有助于建立与当前帧的空间接近度。(该团队指出，当前帧仅与类似集群内的帧进行比较，以加快循环闭合，或者决定代理是否已返回到先前访问过的区域的任务。)最后，当前帧是分配给正确的群集。

科学家使用他们的技术对三个独立的开源视觉SLAM系统(RGBD-SLAM，RTAB-Map和ORB-SLAM)进行了测试，并在测试中使用Microsoft收集了测量结果(四个数据集值得大学校园内的建筑物)Kinect传感器安装在Turtlebot机器人上。分析显示，与FABMAP(一种Wi-Fi增强型SLAM系统)相比，所有四种算法的准确度平均提高了11%，计算时间缩短了15%至25%，并且性能相当(在某些情况下更好)。

当然，还有改进的余地。研究人员指出，Wi-Fi信号强度受到“环境动态”的影响，例如房间内的人数和一次连接的设备数量，以及沿着轨迹的墙壁上几乎没有“阻挡物体”的房间倾向于生产更少的Wi-Fi集群。此外，他们说性能增益与接入点数量相关;建议的方法适用于低至40。

尽管如此，该团队认为，通过一些改进(以及细粒度60GHz感应等技术)，他们的方法不仅可以用于当前和未来的机器人，还可以用于增强现实耳机，如微软的HoloLens和MagicLeap的One。他们写道：“希望能够证明Wi-Fi传感在城市空间持续长期使用的效用。”“[我们已经证明]我们的工作对机器人和移动设备都很有用。”

标签：

免责声明：免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！