Nel mondo in rapida evoluzione della robotica, dei veicoli autonomi e delle tecnologie di rilevamento, SLAM Simultaneous Localization and Mapping) si è affermato come una tecnologia fondamentale che consente alle macchine di orientarsi e comprendere l'ambiente circostante. Che si tratti di un robot aspirapolvere che pulisce la casa o di un drone che mappa un complesso sito minerario, SLAM opera dietro le quinte per capire dove si trova, cosa c'è nell'ambiente circostante e quale sia la prossima mossa.

Che cos'è SLAM?

SLAM risolve un dilemma del tipo "l'uovo o la gallina" che da tempo rappresenta una sfida per la robotica e i sistemi autonomi: come può un dispositivo creare una mappa di un ambiente sconosciuto e, allo stesso tempo, determinare la propria posizione all'interno di quell'ambiente? La navigazione tradizionale richiede mappe preesistenti o punti di riferimento esterni, come i satelliti GPS. SLAM queste dipendenze, consentendo ai dispositivi di operare in modo indipendente in ambienti in cui il segnale GPS non è disponibile, come miniere sotterranee, foreste fitte o spazi interni.

Questa tecnologia si avvale di sensori – in genere LiDAR Light Detection and Ranging) o telecamere – per raccogliere dati sul movimento del sistema e sull'ambiente circostante. Algoritmi avanzati elaborano poi questi dati in tempo reale, creando una mappa e calcolando al contempo la posizione e la traiettoria del dispositivo nello spazio.

Tipi di SLAM

Negli ultimi anni il panorama SLAM si è notevolmente diversificato, con diverse soluzioni commerciali e open source pensate su misura per diverse applicazioni e ambienti.

Emesent SLAM

SLAM Emesent – basato su Wildcat e perfezionato per soddisfare le esigenze degli utenti in termini di maggiore precisione – rappresenta l'avanguardia della SLAM commerciale, progettata specificamente per ambienti sotterranei difficili e privi di segnale GPS. L'algoritmo Wildcat è stato sviluppato in un laboratorio CSIRO e poi trasformato in una startup, Emesent, dove i cofondatori Stefan Hrabar Farid Kendoul a promuovere l’innovazione. Questo sistema integra una sofisticata fusione di sensori, combinando LiDAR con le misurazioni inerziali per ottenere una precisione eccezionale anche nelle condizioni più difficili. Emesent SLAM nelle applicazioni minerarie, nel rilevamento di gallerie e nella mappatura di spazi ristretti dove i metodi di rilevamento tradizionali si rivelano poco pratici o pericolosi. I robusti algoritmi del sistema sono in grado di gestire ambienti dinamici, polvere e scarsa visibilità: condizioni che comprometterebbero SLAM meno avanzate.

Altre SLAM degne di nota

Oltre EmesentWildcat SLAM Emesent, SLAM comprende numerose alternative. Oltre alle soluzioni B2C, esistono alternative commerciali come la serie ZEB di GeoSLAM e i sistemi NavVis, che si rivolgono a diversi segmenti di mercato, dalla documentazione del patrimonio culturale alla gestione delle strutture. Ogni sistema presenta un compromesso tra precisione, requisiti di potenza di elaborazione, costo e idoneità per ambienti specifici.

La distinzione tra hardware e software nei SLAM

È importante distinguere tra il LiDAR stesso — spesso chiamato «puck» per via della sua forma cilindrica compatta — e il SLAM che elabora i suoi dati. LiDAR è semplicemente il componente hardware che emette impulsi laser e ne misura il tempo di ritorno per calcolare le distanze, producendo dati grezzi sotto forma di nuvola di punti. SLAM è il sofisticato livello software che trasforma questi dati grezzi in informazioni utilizzabili: creando mappe coerenti, tracciando la posizione, correggendo la deriva e consentendo la navigazione autonoma.

Molti produttori utilizzano spesso LiDAR identici o simili nei propri sistemi. Ad esempio, i sensori Velodyne o Ouster sono presenti su numerose SLAM . Tuttavia, due sistemi che utilizzano lo stesso LiDAR possono produrre risultati molto diversi a seconda dei loro SLAM . La differenza sta nel modo in cui il software di ciascun produttore gestisce la fusione dei sensori, elabora i dati della nuvola di punti, rileva le chiusure di loop, gestisce l'errore accumulato e filtra il rumore. Alcuni produttori utilizzano persino LiDAR rotanti per ottenere una maggiore copertura o ridondanza. Ciò significa che, nella valutazione SLAM , la qualità e la sofisticazione del software contano tanto quanto — se non più — dell'hardware dei sensori sottostante.

Misurazione SLAM

Per comprendere SLAM è necessario esaminare come vengono valutati i sistemi e quali fattori influenzano le loro prestazioni.

Precisione senza vincoli

SLAM senza vincoli indica il livello di prestazione del sistema in assenza di punti di riferimento esterni o correzioni. Essa rappresenta le prestazioni "grezze" SLAM quando opera in modo indipendente. In modalità senza vincoli, un SLAM potrebbe accumulare scostamenti su lunghe distanze o durante periodi di funzionamento prolungati: piccoli errori di posizionamento possono accumularsi nel tempo, causando una graduale distorsione della mappa. Sistemi di alta qualità come SLAM Emesent SLAM questa deriva grazie a una fusione avanzata dei sensori e al rilevamento della chiusura del ciclo, che riconosce quando il dispositivo è tornato in una posizione precedentemente mappata e corregge gli errori accumulati.

La precisione senza vincoli è fondamentale per le applicazioni in cui non esistono dati di riferimento, come l'esplorazione di grotte non ancora mappate o gli interventi di emergenza nelle zone colpite da calamità. SLAM moderni SLAM commerciali sono in grado di raggiungere livelli di precisione senza vincoli che vanno da un centimetro a diversi metri, a seconda dell'ambiente e della distanza percorsa.

Precisione limitata

Constrained SLAM accuracy represents performance when the system can reference known control points or integrate with external positioning data. By incorporating surveyed ground control points or RTK data (when available) constrained SLAM dramatically improves accuracy. For Emesent’s SLAM, this approach integrates the RTK and ground control points as additional constraints during SLAM processing, eliminating cumulative drift and providing survey-grade results. In professional surveying applications, constrained SLAM can achieve <10mm 3D accuracy, making it suitable for engineering design and construction projects.

I fattori ambientali influenzano in modo significativo SLAM e l'affidabilità SLAM , rendendo necessario che gli operatori comprendano in che modo tali condizioni incidono sulle prestazioni del sistema.

Ambienti interni

Gli spazi interni sono generalmente facili da gestire per SLAM e possono essere misurati con estrema precisione, sebbene presentino alcune potenziali difficoltà. Gli ambienti strutturati con pareti, porte e mobili forniscono numerose caratteristiche geometriche che SLAM LiDAR SLAM facilmente identificare e tracciare, migliorando la stima della posizione SLAMe quindi la sua precisione. Tuttavia, attraversare rapidamente aree interne strette, transizioni come le porte o "ambienti ripetitivi" come corridoi lunghi e stretti può essere più impegnativo, causando SLAM orientamento SLAM . Anche le superfici riflettenti come le pareti di vetro o gli specchi possono introdurre letture errate.

Spazi sotterranei e spazi ristretti

Gli ambienti sotterranei — miniere, gallerie, grotte — rappresentano alcune delle condizioni più impegnative per SLAM , ed è proprio per questo che sistemi come Emesent SLAM sviluppati appositamente per queste applicazioni. Polvere, umidità e scarsa visibilità mettono alla prova le prestazioni dei sensori, mentre le strutture ripetitive delle gallerie, prive di caratteristiche distintive, rappresentano una sfida per gli algoritmi di chiusura del ciclo. L'assenza del GPS richiede di affidarsi completamente alle capacità autonome SLAM . Nonostante queste sfide, SLAM avanzati raggiungono una notevole accuratezza nel sottosuolo, mantenendo in genere una precisione a livello centimetrico grazie a una sofisticata fusione dei sensori e a solidi approcci algoritmici.

Come si crea SLAM funzioni ovunque?

Ambienti esterni

Gli ambienti esterni rappresentano una sfida per la maggior parte SLAM . I punti di riferimento che SLAM identificare e tracciare sono notevolmente meno numerosi, rendendo difficile ottenere risultati di elevata precisione. Gli ambienti a cielo aperto consentono l’integrazione con la tecnologia RTK per garantire una precisione limitata e il georeferenziazione automatica, il che può migliorare le prestazioni se l’algoritmo ottimizza correttamente sia i dati SLAM quelli RTK. L'introduzione della velocità nell'equazione, ad esempio durante la scansione di un veicolo, può rendere ancora più difficile per SLAM con precisione gli elementi dell'ambiente. Gli ambienti esterni sono una specialità particolare di Emesent SLAM, poiché è stato sviluppato per gli ambienti difficili, sconosciuti e inaccessibili con cui altri SLAM faticano a confrontarsi.

Ambienti dinamici vs. statici

La presenza di oggetti in movimento influisce in modo determinante SLAM . Gli ambienti statici consentono ai sistemi di costruire mappe coerenti e stabili, mentre gli ambienti dinamici con pedoni, veicoli o macchinari richiedono algoritmi in grado di distinguere gli elementi permanenti dagli ostacoli temporanei. SLAM avanzati integrano il filtraggio degli oggetti e il tracciamento dinamico per gestire queste situazioni, anche se la precisione può diminuire leggermente in contesti altamente dinamici. In generale, SLAM bene con gli ambienti dinamici purché sia in grado di vedere e tracciare un numero sufficiente di oggetti statici per comprendere l'ambiente. Situazioni da tenere in considerazione: ad esempio, se SLAM SLAM su un veicolo e SLAM concentra su un camion in movimento, SLAM tracciare questa caratteristica e andare in confusione. Allo stesso modo, gli ascensori sono il punto debole SLAMe gli utenti dovrebbero tenerne conto. 

 Guida alle migliori pratiche per la scansione in ambienti difficili

Comprendere la deriva e lo scostamento nello SLAM

La deriva è l'accumulo graduale di piccoli errori di posizionamento nel tempo, quando un SLAM opera senza punti di riferimento esterni. Immaginate di attraversare un edificio contando i vostri passi: ogni piccolo errore di calcolo si somma agli altri e, dopo aver percorso 100 metri, potreste pensare di trovarvi a diversi metri di distanza dalla vostra posizione reale. Nei SLAM , ciò accade quando piccoli errori di misurazione dei sensori si accumulano durante l'elaborazione, causando una lenta distorsione della mappa rispetto alla sua geometria reale. SLAM di alta qualità riducono al minimo la deriva attraverso il rilevamento della chiusura del ciclo (riconoscendo quando si è tornati in un'area precedentemente mappata e correggendo gli errori accumulati) e sofisticate tecniche di fusione dei sensori. Tuttavia, in grandi spazi aperti o in ambienti estesi privi di caratteristiche distintive, una certa deriva è inevitabile nelle SLAM senza vincoli.

Lo "slip" rappresenta una sfida diversa: si verifica quando il SLAM perde temporaneamente il tracciamento della propria posizione, solitamente a causa di movimenti rapidi, della totale assenza di punti di riferimento ambientali o dei limiti dei sensori. Mentre la deriva è graduale, lo "slip" è improvviso: il sistema, in sostanza, "salta" e deve riorientarsi, il che può creare discontinuità o salti nella mappa risultante. Lo slip si verifica comunemente durante movimenti rapidi attraverso corridoi privi di punti di riferimento, quando si esegue una scansione troppo veloce in ambienti esterni spogli o quando LiDAR sono temporaneamente compromessi da polvere o nebbia. Per ridurre al minimo sia la deriva che lo slip, gli operatori dovrebbero mantenere velocità di movimento costanti e controllate, assicurarsi che il sensore catturi dettagli ambientali sufficienti e pianificare traiettorie che creino anelli naturali quando possibile.

SLAM ha rivoluzionato il modo in cui i sistemi autonomi percepiscono e si orientano nell'ambiente circostante. Dalle funzionalità specializzate SLAM Emesent SLAM variegato ecosistema di soluzioni alternative, SLAM moderni SLAM offrono flessibilità e prestazioni senza precedenti in una vasta gamma di applicazioni. Comprendere la distinzione tra precisione vincolata e non vincolata aiuta gli utenti a selezionare flussi di lavoro adeguati alle loro esigenze di precisione, mentre riconoscere le influenze ambientali consente una migliore pianificazione e risultati più affidabili. Con il continuo progresso della tecnologia, SLAM senza dubbio in nuove applicazioni, rendendo la navigazione autonoma sempre più accessibile e accurata in tutti gli ambienti.

Vuoi vedere i risultatiSLAM Emesent SLAM ? Precisione, velocità, versatilità: c'è tutto.

Articolo di: 

• Ryan Palfrey, responsabile di prodotto senior, Emesent
• Andrew Palmer, Responsabile dell'ingegneria del software - SLAM, Emesent