? 今晚开什么特马
?
|
|
 
第22版:上一版
下一版
位置:第99期>>第22版:郑勇:阿尔法狗汤狗以及SLAM
 
郑勇:阿尔法狗汤狗以及SLAM
 
 
2017-03-30 20:31 编辑:文 / 郑勇(北京华泰天宇科技有限企业总经理) 浏览量:3781人
 
 

 
 

 那只叫阿尔法的狗狗和SLAM还有点亲戚关系,很利害,打败了韩国一块很有名的石头。

 

其实无论是倾斜摄影,还是激光扫描,以及大家津津乐道的SLAM,都不是新货,甚至那只狗狗也不是凭空出世、诞生那天起就能打败石头的。一切的变幻只不过因为大家自己的感觉。这个感觉其实和SLAM是非常类似的,当你用自己的基准看SLAM,你无法理解它是什么,而你反过来,把SLAM当基准,才发现这个世界如此奇妙。度娘只会告诉你一堆无用的概念,于是书虫们只会说,那叫simultaneous  localization and mapping。

 

通常大家的第一印象是,这个小小的三角形在室内游走,凡它走过的地方,二维图就测出来了,很炫。

 

所有的过程都和你想的不一样,小三角并不是走到那里就照亮了那里,而是照到了那里的墙,才根据墙找到了自己的位置。它能够清晰地反映出自己的位置,恰恰是因为小三角在实时扫描墙体。

 

这就是SLMA最基本的概念,它是一种根据环境,来确认自己位置的技术。它不需要预先设定坐标系和参考点,所有的位置信息来自于环境,因此这是一种无须定位传感器的定位技术。

 

懂了再来讲概念,这就容易了,simultaneous  localization and mapping 同步定位与制图,什么是mapping?你的扫描或者摄影,就是mapping,什么是localization(大家不用这个词,大家用location),就是定位系统,比如车载上的GPS和IMU,那么二者同步,什么概念呢?用mapping(激光或者影像)的数据来做localization,因此不再需要任何location的传感器,单纯地使用影像和激光传感器,就可以实现移动定位,而定位的原理是对环境的识别。 

 

其实这样先容SLAM有一点傻缺的感觉,难怪大家比不过那只阿法狗。因为SLAM从来不是新的概念或者技术,在机器人和AR领域,大概和“Hello how are you?”在英语界的地位差不多。SLAM概念很悠久,即使在国内。我在展会上碰到过一位学者,他说这个是SLAM,我十年前就玩过的,我肃然起敬,虽然不太知道SLAM十年前是个什么鬼,但想来老人家十年间没搞出什么新成果,还是感到无比同情。

 

还有一个大学教授,告诉我自己一直从事机器人行业,劝我放弃和法国团队的合作,说他分分钟就可以做出一样的东西,我思考良久,确认他没开玩笑,也没喝多。但是我没答应,因为那天我也没喝多。

 

所以SLAM的忽然大热,类似郭德纲的走红,还是那个正常人腰部以下的胖子,说的还是那些段子,但忽然一日上了凤凰卫视之后,就立即红遍了大江南北,成为相声大师。 

 

如果SLAM也是个说相声的,那么GOOGLE就是凤凰卫视,它一下带红了SLAM,无论阿尔法狗还是汤狗(Tango),GOOGLE养什么狗,什么狗红,其实GOOGLE的正确翻译应该叫谷狗。

 

这里可以说到SLAM的分类,通常有激光SLAM和影像SLAM,汤狗就是影像SLAM,就是通过影像和影像匹配来识别环境从而进行定位的技术。汤狗最主要的意义,大概是颠覆了目前的室内定位方法,无需安装Wifi、蓝牙、UWB等一大堆且傻且贵且不怎么有用的发射单元,只靠设备上的相机就可以实现定位。类似的算法和技术大家很久以前就已经有了,不过大家的区别有两个,一个是用在专业领域的,另外一个大家很难民用,因为它很贵很贵!

 

先说大家和汤狗的区别吧。其实大家就是买上三十七只藏獒,大家也还是比不了谷狗的一根毛,但如果抛开其他,单谈SLAM算法这一块,大家还是可以比一比的。

 

SLAM既然是根据环境来定位的技术,自然少不了环境识别和特征提取的技术,之前有人在群里和我争论,说SLAM有什么让你激动的,不就一前交一后交吗?我不太喜欢这种带成人主题的说法,怎么交是他们自己的事,但对不确定信息的卡尔曼滤波处理才是核心算法,里面就会涉及到模糊度的分析,这里我把这一切相关分析叫做可靠性分析,这样大家能懂,还有更专业的词,我不懂。

 

如果从可靠性分析来看,如果汤狗是N%,大家则是M%,数学领域内,M大于N,且远大于N。这个不代表水平的高低,只代表一件事,专业标准和民用标准的区别。

 

这个区别,体现在最终成果上,就是精度的区别,也就是无人机器人领域风生水起的算法,无法移植到测绘是遥感领域的最大瓶颈。对于机器人的专家来说,测绘人大概是心智不全脑子进水的人类,他们动辄就要厘米级乃至毫米级的精度,这个是他们至死也无法理解的一个事实,定位而已,我需要知道我在那个屋那个角落就足够了,追求到厘米,那不叫严谨,叫偏执。

 

然而,维此类心智不全的偏执者才能打造测绘领域的的SLAM算法,大家要求所有的特征要百分百的匹配,当我从一万个角度八千个不同的距离上,对着同一个墙体同一个地物进行一百次的扫描,扫描的所有结果必须完美地匹配在一起!而这个匹配要求接近百分百的自动处理,最多允许0.01%的手动干预,再说一次,这个叫业界良心,如果做不到,勇哥劝你不要把你的移动测量系统卖给用户!因为这属于害人!

 

前两天GOOGLE的同仁说,可以做一点关于数据错层的影响分析,其实很简单,对Tango或者机器人来说,即便数据有N个错层,也不会影响对位置的判断,因为在精度上的体现也就是几十公分,它的定位要求是能保证你找到路径,同时不会一头撞死在墙上就可以了。而对专业应用,一个几十公分的模型,面对大量错层,无从修复,唯一能做的,大概是扛着全站仪出去,重新测一遍。

 

谎言重复一千遍,就是真理!

 

当大家的用户见过了大量的带错层的数据,于是误以为移动测量的数据,无论是SLAM还是INS的,就应该是带错层的。我只是稍稍澄清一下,精准的SLAM数据,在这个世界是存在的!存在的!存在的!重要事实一遍就够,重复是为了充满感情!

 

 

 
XML 地图 | Sitemap 地图