الکترونیک و سخت‌افزار

SLAM چیست؟ مکان‌یابی و نقشه‌سازی هم‌زمان با مثال

ربات چطور هم جای خود و هم نقشه را پیدا می‌کند؟ مفهوم SLAM، رانش، بستن حلقه، انتخاب حسگر و خطای مسیر را با مثال و تمرین بفهمیم.

فهرست مطالب

SLAM یعنی دستگاه، جای خود و نقشهٔ محیط را هم‌زمان برآورد کند. ربات با مشاهدهٔ محیط و دنبال‌کردن حرکتش، حدس می‌زند کجا قرار دارد؛ سپس مشاهده‌های تازه را با نقشه مقایسه می‌کند و هر دو برآورد را اصلاح می‌کند. نتیجه، نقشه و موقعیتِ همراه با خطاست؛ نه یک دستگاه مختصاتِ بی‌اشتباه. برای فهم این روش، ابتدا باید تفاوت مشاهده، حرکت و مرجعِ موقعیت را بشناسیم.

تصویرسازی طبیعی یک ربات کوچک با دو دوربین در اتاقی دارای در، جعبه و گیاه
تصویرسازی آموزشی از ربات و نشانه‌های متفاوت محیط. تصویر: LCENJ.

چرا نقشه و جای دستگاه به هم وابسته‌اند؟

فرض کنید وارد اتاقی ناآشنا شده‌اید. برای گفتن «کنار در هستم»، باید هم در را پیدا کنید و هم جای خودتان را نسبت به آن بدانید. اگر نقشهٔ آماده‌ای ندارید، حرکت و مشاهده‌های بعدی کم‌کم رابطهٔ میان شما، در و سایر اشیا را روشن می‌کنند. این همان وابستگی‌ای است که نام Simultaneous Localization and Mapping، یعنی مکان‌یابی و نقشه‌سازی هم‌زمان، به آن اشاره دارد.

سه مسئله را جدا کنیم. مکان‌یابی در نقشهٔ معلوم، جای دستگاه را روی نقشه‌ای موجود پیدا می‌کند. نقشه‌سازی با مسیر معلوم، مشاهده‌ها را با دانستن جای حسگر کنار هم می‌گذارد. در SLAM هر دو ناشناخته‌اند و باید با هم تخمین زده شوند. معرفی SLAM در MathWorks همین پیوندِ برآورد حرکت و محیط را توضیح می‌دهد.

موقعیت، جهت و چارچوب مرجع

موقعیت می‌گوید جسم کجاست؛ جهت می‌گوید به کدام سو نگاه می‌کند. دوربینی که در یک نقطه به چپ می‌چرخد، جهتش عوض می‌شود، اما لزوماً جابه‌جا نمی‌شود. ترکیب موقعیت و جهت را «وضعیت» یا pose می‌نامیم. روی کفِ تخت می‌توان آن را با سه عدد نمایش داد: x، y و زاویهٔ رو به جلو. در فضای سه‌بعدی، ارتفاع و چرخش‌های دیگر نیز لازم‌اند.

عدد موقعیت بدون مرجع کامل نیست. در مثال کاغذی این درس، مبدأ نقطهٔ شروع است، محور x به راست و محور y به بالای کاغذ می‌رود؛ فاصله‌ها برحسب مترند. این قراردادِ رسم را با محورهای بدنهٔ ربات یکی نگیرید. در قرارداد REP 103 در ROS، محورهای معمول بدنه به جلو، چپ و بالا تعریف می‌شوند و دوربینِ نوری قرارداد دیگری دارد. هنگام ترکیب داده‌ها باید تبدیل میان این چارچوب‌ها مشخص باشد.

زاویه را هم با واحد ثبت کنید. ۹۰ درجه، یک‌چهارم دور است؛ همان زاویه در واحد رادیان π/2 می‌شود. اگر تابعی رادیان می‌خواهد، واردکردن عدد ۹۰ به‌عنوان رادیان نتیجهٔ دیگری می‌دهد. متر، سانتی‌متر و میلی‌ثانیه را نیز پیش از محاسبه به واحدهای سازگار تبدیل کنید.

از حسگر تا نقشه چه اتفاقی می‌افتد؟

حسگر، مشاهده فراهم می‌کند: دوربین تصویر، لیدار مجموعه‌ای از فاصله‌ها و حسگرهای حرکتی اطلاعات حرکت را می‌دهند. یک مرحلهٔ برنامه می‌کوشد میان مشاهده‌های پیاپی ارتباط پیدا کند؛ مثلاً گوشه‌های قابل تشخیصِ یک صحنه را در دو تصویر تطبیق دهد. از این ارتباط، تغییر وضعیت تخمین زده می‌شود. مشاهدهٔ تازه سپس در کنار برآوردهای قبلی قرار می‌گیرد.

«ویژگی تصویری» لزوماً شیئی با نام نیست. برای برنامه ممکن است گوشهٔ ثابت یک قاب، از نام «در» مفیدتر باشد. همهٔ روش‌های SLAM هم فقط از ویژگی‌های گوشه‌ای استفاده نمی‌کنند. مستند Visual SLAM مراحل تطبیق، تخمین وضعیت، نقاط نقشه و اصلاح آن‌ها را جدا نشان می‌دهد. نقشهٔ کم‌تراکم از نشانه‌ها با مدل سه‌بعدیِ پُرجزئیات یا شبکهٔ خانه‌های اشغال‌شده، یک خروجی یکسان نیست.

برای تصور سادهٔ محاسبه، رباتی را در مبدأ و رو به محور x فرض کنید. یک متر حرکت مستقیمِ ایده‌آل، موقعیت را به (1,0) می‌رساند. اگر ابتدا ۹۰ درجه به سمت محور y بچرخد و بعد یک متر جلو برود، پایان (0,1) است. پس «یک متر جلو» همیشه به معنی افزودن یک به x نیست؛ جهت دستگاه، معنای حرکت را تعیین می‌کند.

چرا برآورد حرکت به‌تدریج منحرف می‌شود؟

اُدومتری یعنی دنبال‌کردن حرکت‌های نسبی و جمع‌کردن اثر آن‌ها برای تخمین مسیر؛ این اطلاعات می‌تواند از چرخ، تصویر یا ترکیب حسگرها بیاید. اگر هر حرکت کمی خطا داشته باشد، خطاها در طول مسیر انباشته می‌شوند؛ به این تغییر تدریجی «رانش» می‌گوییم. لغزش چرخ یا اشتباهِ تطبیق تصویر می‌تواند فاصلهٔ تخمینی با واقعیت را بیشتر کند.

REP 105 برای فهم این تفاوت مفید است: چارچوب odom مرجع محلیِ پیوسته‌ای است که ممکن است رانش کند؛ چارچوب map برای مرجعِ سراسری به‌کار می‌رود و اصلاحِ مکان‌یابی می‌تواند وضعیت گزارش‌شده در آن را ناگهان تغییر دهد. این‌ها دو نام برای یک عدد کاملاً یکسان نیستند. پیوستگیِ حرکتِ محلی و اصلاحِ موقعیتِ کلی، دو نیاز متفاوت‌اند.

مثال حل‌شده: دورزدن یک مستطیل

مسیر هندسیِ فرضی را از (0,0) شروع کنید: دو متر به راست، یک متر به بالا، دو متر به چپ و یک متر به پایین. مجموع جابه‌جایی‌ها صفر است و مسیر به مبدأ برمی‌گردد. حال فرض کنیم دستگاه نقطهٔ پایان را (0.15,0) متر گزارش کند. فاصلهٔ این نقطه تا مبدأ ۰٫۱۵ متر، یعنی ۱۵ سانتی‌متر است. این اعداد برای آموزش ساخته شده‌اند.

مسیر فرضی مستطیل دو در یک متر و نقطهٔ پایان برآوردشده با فاصلهٔ پانزده سانتی‌متر از مبدأ
آبی: مسیر هندسیِ فرضی؛ قرمز: فقط نقطهٔ پایانِ برآوردشده. کادر پایین بزرگ‌نمایی جداگانهٔ فاصلهٔ پایان است. نمودار: LCENJ، CC BY 4.0.

این نتیجه فقط خطای پایان مسیر را نشان می‌دهد. ممکن است مسیرِ تخمینی در میانه بسیار منحرف شده باشد و دوباره به نزدیکی مبدأ برسد. همچنین از فاصلهٔ پایان نمی‌فهمیم جهت نهایی چقدر خطا دارد. برای ارزیابی دقیق‌تر باید چند نقطهٔ مسیر و جهت‌ها را با مرجع مقایسه کنیم؛ ابتدا هم واحد، زمان و چارچوبِ دو مسیر را همسان کنیم.

بستن حلقه چه چیزی را اصلاح می‌کند؟

وقتی دستگاه دوباره جایی را می‌بیند که قبلاً دیده است، می‌تواند شاهد تازه‌ای دربارهٔ رابطهٔ دو بخش مسیر به دست آورد. تشخیص و استفاده از این بازگشت، «بستن حلقه» نام دارد. به‌جای جمع‌کردن بی‌پایانِ حرکت‌های تخمینی، برنامه می‌کوشد مسیر و نقشه را با مشاهدهٔ بازگشت سازگار کند.

این اصلاح لزوماً فقط جابه‌جاکردن نقطهٔ آخر به مبدأ نیست؛ ممکن است وضعیت‌های قبلی و نقاط نقشه نیز تنظیم شوند. از طرف دیگر، دو راهرو یا درِ شبیه به هم می‌توانند تطبیق اشتباه بسازند. بنابراین شباهت ظاهری باید با سازگاری هندسیِ مشاهده‌ها بررسی شود. به زور صفرکردن خطای پایان در یک رسم، اجرای موفق SLAM یا اثباتِ دقت نیست.

انتخاب حسگر چه محدودیتی ایجاد می‌کند؟

طبق راهنمای انتخاب دادهٔ حسگر، دوربین تک‌چشمیِ بدون اطلاعات کمکی، مقیاس مطلقِ صحنه را تعیین نمی‌کند. برای تبدیل نقشه به متر، اطلاعات اضافی لازم است. دوربین استریو از دو تصویر و فاصلهٔ معلومِ میان دوربین‌ها کمک می‌گیرد؛ دوربین RGB-D نیز تصویر رنگی را همراه دادهٔ عمق فراهم می‌کند. کالیبراسیون، یعنی تعیین پارامترهایی مانند مشخصات دوربین و رابطهٔ هندسی حسگرها، بخشی از این کار است.

واحد اندازه‌گیری اینرسی یا IMU معمولاً شتاب‌سنج و ژیروسکوپ دارد. خروجی آن، موقعیتِ آماده و بدون خطا نیست؛ شتاب شامل اثر گرانش است و خطای حسگر در انتگرال‌گیری انباشته می‌شود. افزودن IMU بدون تنظیم هندسی و هماهنگی زمانی، الزاماً نتیجه را بهتر نمی‌کند. لیدار هم فاصله می‌دهد، اما همهٔ سطوح و محیط‌ها برای هر حسگر به یک اندازه مناسب نیستند.

قبل از انتخاب یک مدل، نیاز را بنویسید: محیط روشن است یا تاریک؟ سطح‌ها نقش و جزئیات کافی دارند؟ حرکت سریع است؟ دستگاه چه حافظه و توان پردازشی دارد؟ این پرسش‌ها از خریدن گران‌ترین حسگر مفیدترند. نمونه‌ای از پیاده‌سازیِ پژوهشیِ چند ورودی، ORB-SLAM3 از UZ-SLAMLab است؛ آشنایی با نام یک کتابخانه به معنی آماده‌بودن آن روی هر برد امبدد نیست.

از نقشه تا حرکت قابل اتکا

SLAM به‌تنهایی مسیرِ امن یا فرمان موتور تولید نمی‌کند. در یک سامانهٔ کامل، بخش‌های دیگری مقصد، موانع و حرکت را مدیریت می‌کنند؛ راهنمای Nav2 برای حرکت هنگام نقشه‌سازی این کنارهم‌قرارگرفتنِ اجزا را نشان می‌دهد. ثابت‌ماندن تصویر نقشه هم ثابت نمی‌کند یک مانع متحرک دیده شده است.

برای یک نمونهٔ واقعی، ابتدا داده‌ها را قابل بررسی کنید: زمان ثبت هر مشاهده، چارچوب آن، تنظیم حسگر و وضعیت رهگیری. اگر نقشه پس از چرخش خراب می‌شود، ترتیب بررسی می‌تواند زمان‌بندی داده‌ها، تبدیل چارچوب‌ها، تاری تصویر و سپس تنظیم الگوریتم باشد. تغییر چند پارامتر به‌طور هم‌زمان، پیدا‌کردن علت را دشوار می‌کند. برای جداکردن دقت از تفکیک‌پذیری، درس خطا و کالیبراسیون حسگر را ببینید.

تمرین: چه چیزی را می‌توان نتیجه گرفت؟

نقطهٔ پایانِ برآوردشده را (0.12,0.05) متر فرض کنید. فاصله تا مبدأ را حساب کنید و بنویسید آیا از این عدد می‌توان خطای همهٔ نقاط یا جهت نهایی را فهمید. سپس تصور کنید دستگاه در یک راهرو با دو درِ مشابه، بستن حلقه اعلام می‌کند؛ چه شاهد دیگری لازم دارید؟

پاسخ و دلیل

با رابطهٔ فیثاغورس، فاصله برابر √(0.12²+0.05²)=√0.0169=0.13 m، یعنی ۱۳ سانتی‌متر است. برای خطای نقاط میانی و جهت، دادهٔ دیگری نداریم. برای تأیید بازگشت نیز یک درِ مشابه کافی نیست؛ باید چند مشاهده و رابطهٔ هندسیِ آن‌ها با مسیر سازگار باشند. این تمرین محاسبه و استدلال کاغذی است، نه اجرای الگوریتم یا آزمون ربات.

پرسش و پاسخ مقاله

سوال فنی خود را مطرح کنید

پرسش‌ها و پاسخ‌ها پس از بررسی مدیر منتشر می‌شوند. نویسنده، پیش‌نویس در انتظار بررسی را می‌بیند.

هنوز پرسش تاییدشده‌ای برای این مقاله ثبت نشده است.