Я работаю над локализацией и навигацией роботов в городских условиях. Я хочу использовать камеру. Но я немного запутался в данных LRF или других лазерных данных.
Почему люди хотят использовать камеру?
почему не LRF или другие лазерные данные?
Кто-нибудь может объяснить, пожалуйста, в пользу камеры?
Ответы:
Трехмерный лазерный дальномер или LIDAR, например, в Google Car , гораздо дороже, чем камера. Другая причина заключается в том, что, хотя в случае LIDAR доступно расстояние до каждого пикселя, генерируемые данные, подлежащие обработке, огромны. Вы должны быстрее передавать и обрабатывать данные, что снова приводит к росту затрат. Наконец, камеры обычно имеют более длительный срок службы, поэтому требуется меньше обслуживания.
С относительно дешевыми камерами и компьютерным зрением можно добиться довольно хороших результатов.
Примеры:
В дополнение к этим пунктам в ответе Бенса камеры могут:
навигация в городских условиях
В зависимости от лазера, могут быть юридические ограничения на то, где вы можете его использовать. Для бега по городу, бросая лазерные лучи, может потребоваться специальное разрешение / лицензия.
Как и другие уже ответили. Камеры , как правило , намного дешевле , чем L Aser R Анж F inders.
Когда вы говорите о камере, вы имеете в виду 2D-камеры, не так ли? Доступно несколько 3D-камер, например семейство камер ifm O3D3xx . Эти камеры могут не обладать точностью лазерного сканера, но они обеспечивают трехмерные данные о глубине с разумной частотой кадров по цене ~ 1k.
Есть ли преимущества использования LIDAR для SLAM по сравнению со стандартной RGB-камерой?
Вы можете проверить эту ссылку, где я ранее ответил на несколько похожий вопрос. (преимущества и недостатки каждого)
в городских условиях
Если вы говорите об автономных автомобилях, таких как Google, есть много соображений и ограничений (безопасность, стоимость и т. Д.).
Если вы заинтересованы в исследованиях и обучении, я предлагаю вам использовать любую доступную аппаратную платформу.
Иметь ввиду:
Я не думаю, что люди действительно "хотят" использовать только камеры. Если бы каждый исследователь мог позволить себе LiDAR, они все надели бы LiDAR на своих роботов для наружной среды.
Камеры довольно дешевые, и единственным диапазоном является разрешение в пикселях / суперпикселях, которое вы можете обрабатывать в своем алгоритме / программном обеспечении.
Большинство исследователей (включая меня) используют камеры со структурированным освещением (хотя они не работают на открытом воздухе, поэтому мы переключаемся на камеры RGB на этих датчиках, когда робот находится на улице). Решение этой проблемы с освещением состоит в том, что мы также используем стереокамеры (стереозрение / глубина нескольких видов, которые требуют больших вычислительных затрат) для приблизительного определения глубины на основе возможностей обработки контроллера / ЦП. Другое решение, которое мне еще предстоит лично изучить, - это использовать несколько Kinects / Asus Xtions и т. Д., Где вы получите подтверждение глубины, а также несколько RGB-камер для наружного применения.
LiDAR обычно очень дороги (в тысячах долларов за действительно хорошие). Хотя это может измениться в будущем, когда некоторые компании выпустят «LiDAR» за 250 долларов, такие как Sweep .
Кроме того, LRF / LiDAR имеют ограниченный диапазон и разрешение (то есть, за пределами определенного расстояния, они не могут однозначно разрешить глубину и, следовательно, они возвращают 0 значений (я не уверен конкретно о LiDAR, но камеры глубины имеют максимум (выше которого) как а также минимальный диапазон (ниже которого) они не дают вам глубину).
Надеюсь это поможет.
Я собираюсь добавить еще одну причину, которую, честно говоря, я надеялся, что кто-то еще поднимет. Потому что почему мы делаем роботов в первую очередь? Безэмоциональные машины для нашей грязной работы?
Я думаю, что тот факт, что робот может полагаться исключительно на «видение», как мы, млекопитающие, делает их более похожими на нас. Так что для меня лазеры и гидролокаторы обманывают. ИМХО, на котором мы должны сосредоточиться вместо обмана, - это создание более качественных камер с более высокой частотой кадров, большим динамическим диапазоном и меньшим количеством артефактов, а также написание программного обеспечения, которое может получать от них необходимые данные. (Или, говоря в терминах после 2012 года, обучите наши сети тому, какие данные им нужны).