Saya sedang mengerjakan pelokalan dan navigasi Robot di lingkungan perkotaan. Saya ingin menggunakan Kamera. Tapi saya agak bingung tentang data LRF atau data laser lainnya.
Mengapa orang ingin menggunakan kamera?
mengapa tidak LRF atau data laser lainnya?
Adakah yang bisa menjelaskan tolong dalam mendukung Kamera?
Jawaban:
Pencari rentang laser 3D atau LIDAR seperti yang ada di Google Car jauh lebih mahal daripada kamera. Alasan lainnya adalah bahwa sementara dalam kasus LIDAR, jarak setiap piksel tersedia, data yang dihasilkan untuk diproses sangat besar. Anda harus mentransfer dan memproses data lebih cepat yang keluar lagi seiring meningkatnya biaya. Akhirnya, kamera biasanya memiliki masa pakai yang lebih lama, jadi dibutuhkan lebih sedikit perawatan.
Dengan kamera yang relatif murah dan visi komputer, hasil yang cukup baik dapat dicapai.
Contoh:
Selain poin-poin dalam jawaban Bence, kamera dapat:
navigasi di lingkungan perkotaan
Tergantung pada laser, mungkin ada kendala hukum di mana Anda dapat menggunakannya. Berlari keliling kota melempar sinar laser mungkin memerlukan izin / lisensi khusus.
Seperti lainnya sudah dijawab. Kamera biasanya jauh lebih murah daripada L aser R ange F inders.
Ketika Anda berbicara tentang kamera, maksud Anda kamera 2D bukan? Ada beberapa kamera 3D seperti keluarga kamera ifm O3D3xx yang tersedia. Kamera itu mungkin tidak memiliki akurasi pemindai laser tetapi mereka memberikan data kedalaman 3D dalam tingkat bingkai yang wajar pada titik harga ~ 1rb
Apakah ada keuntungan menggunakan LIDAR untuk SLAM vs kamera RGB standar?
Anda dapat memeriksa tautan ini di mana sebelumnya saya telah menjawab pertanyaan yang agak mirip. (kelebihan dan kekurangan masing-masing)
di lingkungan perkotaan
Jika Anda mengacu pada mobil otonom seperti yang Google, ada banyak pertimbangan dan kendala (keamanan, biaya dll.).
Jika Anda tertarik pada penelitian & pembelajaran, saya sarankan Anda menggunakan platform perangkat keras apa pun yang tersedia.
Ingatlah:
Saya tidak berpikir orang benar-benar "ingin" hanya menggunakan kamera. Jika setiap peneliti mampu membeli LiDAR, mereka semua akan menempatkan LiDAR di robot mereka untuk lingkungan luar.
Kamera cukup murah dan satu-satunya batas jangkauan adalah resolusi pixel / superpixel yang dapat Anda proses dalam algoritme / perangkat lunak Anda.
Sebagian besar peneliti (termasuk saya) menggunakan kamera cahaya terstruktur (meskipun mereka tidak bekerja di luar ruangan, jadi kami beralih ke kamera RGB pada sensor ini ketika robot berada di luar ruangan). Solusi untuk masalah cahaya ini adalah kami juga menggunakan kamera stereo (stereo vision / multi-view depth yang mahal secara komputasi) untuk menentukan kedalaman secara kasar, berdasarkan pada kemampuan pemrosesan controller / CPU. Solusi lain yang belum saya jelajahi secara pribadi adalah dengan menggunakan beberapa Kinects / Asus Xtions dll, di mana Anda mendapatkan bukti yang menguatkan serta beberapa kamera RGB untuk di luar ruangan.
LiDAR biasanya sangat mahal (dalam ribuan $$ untuk yang benar-benar bagus). Meskipun ini mungkin berubah di masa depan dengan beberapa perusahaan keluar dengan $ 250 "LiDARs" seperti Sapu .
Juga, LRF's / LiDAR memiliki jangkauan dan resolusi terbatas (yaitu, di luar jarak tertentu, mereka tidak dapat menyelesaikan kedalaman dengan jelas dan karenanya mereka mengembalikan nilai 0 (Saya tidak yakin secara khusus tentang LiDAR, tetapi kamera kedalaman memiliki maksimum (di atas)) serta rentang minimum (di bawah ini) mereka tidak memberi Anda kedalaman).
Semoga ini membantu.
Saya akan menambahkan alasan lain yang terus terang saya berharap orang lain akan mengemukakannya. Karena mengapa kita membuat robot sejak awal? Mesin tanpa emosi untuk melakukan pekerjaan kotor kita?
Saya pikir fakta bahwa robot hanya dapat mengandalkan "penglihatan" seperti yang dilakukan oleh mamalia membuat mereka lebih menyukai kita. Jadi bagi saya, laser dan sonar curang. Apa yang harus kita fokuskan pada IMHO sebagai ganti kecurangan adalah membuat kamera yang lebih baik dengan frame-rate yang lebih tinggi, jangkauan dinamis yang lebih tinggi dan lebih sedikit artefak, dan menulis perangkat lunak yang bisa mendapatkan data yang dibutuhkan dari mereka. (Atau, berbicara dalam istilah pasca 2012, latih jaringan kami untuk mendapatkan data apa yang mereka butuhkan dari mereka).