हमें इसके लिए स्थानीयकरण और मानचित्रण की आवश्यकता क्यों है? - Technalogy News

Latest

Thursday, September 10, 2020

हमें इसके लिए स्थानीयकरण और मानचित्रण की आवश्यकता क्यों है?

 रोबोटिक्स की बात करें तो हमने काफी प्रगति की है। लेकिन जहां हम एक ठहराव पर आए हैं, वह स्थान खोजने पर रोबोट को समर्थन की कमी है।

हालाँकि, कंप्यूटर विज़न ने इसके लिए भी एक समाधान ढूंढ लिया है। जीपीएस के समान ही हर कदम पर उन्हें मार्गदर्शन करने वाले रोबोट के लिए एक साथ स्थानीयकरण और

जबकि जीपीएस एक अच्छी मैपिंग प्रणाली के रूप में काम करता है, कुछ निश्चित बाधाएं इसकी पहुंच को सीमित करती हैं। उदाहरण के लिए, घर के अंदर लोग अपनी पहुंच

में बाधा डालते हैं और विभिन्न अवरोध होते हैं, जो अगर रोबोट को मारता है, तो उनकी सुरक्षा खतरे में पड़ सकती है।

और इस प्रकार, हमारी सुरक्षा जैकेट एक साथ स्थानीयकरण और मानचित्रण है, जिसे बेहतर SLAM के रूप में जाना जाता है जो इसे स्थानों को खोजने और उनकी यात्रा को

चूंकि रोबोट में बड़े मेमोरी बैंक हो सकते हैं, वे SLAM तकनीक की मदद से अपने स्थान को मैप करते रहते हैं। इसलिए, अपनी यात्रा को रिकॉर्ड करते हुए, यह

नक्शे को चार्ट करता है। यह तब बहुत मददगार होता है जब रोबोट को भविष्य में इसी तरह के पाठ्यक्रम का चार्ट बनाना होता है।

इसके अलावा, जीपीएस के साथ, रोबोट की स्थिति के संबंध में निश्चितता कोई गारंटी नहीं है। लेकिन SLAM स्थिति निर्धारित करने में मदद करता है। यह ऐसा करने के लिए

सेंसर डेटा के बहु-स्तरीय संरेखण का उपयोग करता है, उसी तरह, यह एक नक्शा बनाता है।

अब, जबकि यह संरेखण बहुत आसान लगता है, यह नहीं है। एक प्रक्रिया के रूप में सेंसर डेटा के संरेखण में कई स्तर होते हैं। इस बहुआयामी प्रक्रिया को विभिन्न

एल्गोरिदम के आवेदन की आवश्यकता होती है। और इसके लिए, हमें GPU में पाए जाने वाले सर्वोच्च कंप्यूटर विजन और सर्वोच्च प्रोसेसर की आवश्यकता होती है।

जब किसी समस्या के साथ, SLAM (एक साथ स्थानीयकरण और मानचित्रण) इसे हल करता है। समाधान वह है जो रोबोट और अन्य रोबोट इकाइयों जैसे ड्रोन और पहिएदार रोबोट आदि

को किसी विशेष स्थान के बाहर या भीतर अपना रास्ता खोजने में मदद करता है। यह तब काम आता है जब रोबोट जीपीएस या एक अंतर्निहित मानचित्र या किसी अन्य

यह गणना करता है और निकटता में विभिन्न वस्तुओं के बारे में रोबोट की स्थिति और अभिविन्यास के बारे में आगे का रास्ता निर्धारित करता है।

यह इस उद्देश्य के लिए सेंसर का उपयोग करता है। कैमरों के माध्यम से अलग-अलग सेंसर (जो कि LIDAR और एक्सेलेरेटर सेमेस्टर और एक जड़त्वीय माप इकाई का उपयोग करते

हैं) डेटा एकत्र करते हैं। यह समेकित डेटा तब नक्शे बनाने के लिए टूट जाता है।

सेंसर ने रोबोट में सटीकता और मजबूती की डिग्री बढ़ाने में मदद की है। यह विपरीत परिस्थितियों में भी रोबोट को तैयार करता है।

कैमरे एक सेकंड में 90 इमेज लेते हैं। बात सिर्फ यहीं खत्म नहीं होती। इसके अलावा, कैमरे एक सेकंड के भीतर 20 LIDAR छवियों को भी क्लिक करते हैं। यह

आस-पास के परिवेश का सटीक और सटीक विवरण देता है।

इन छवियों का उपयोग कैमरे के सापेक्ष स्थान निर्धारित करने के लिए डेटा बिंदुओं तक पहुंचने के लिए किया जाता है और फिर उसी के अनुसार नक्शा तैयार किया जाता है।

इसके अलावा, इन गणनाओं को तेजी से प्रसंस्करण की आवश्यकता होती है जो केवल GPUs में उपलब्ध है। लगभग 20-100 की गणना एक सेकंड के समय सीमा के भीतर होती है।

निष्कर्ष निकालने के लिए, यह स्थानिक निकटता का आकलन करके डेटा एकत्र करता है और फिर इन juxtapositions को क्रैक करने के लिए एल्गोरिदम का उपयोग करता है। अंत में,

एक साथ स्थानीयकरण और मानचित्रण एक उपन्यास तकनीक है जिसे हमने बनाया है। अपनी अद्भुत कंप्यूटर दृष्टि और स्थानिक संवेदन क्षमता और तेज गणनात्मक विश्लेषण के साथ इसने हम में

से कई लोगों के जीवन को आसान बना दिया है। निष्कर्ष में, पास की वस्तुओं और आसपास के संवेदन पर सेंसर डेटा और प्लॉट मैप एकत्र करते हैं।

No comments:

Post a Comment