🤖 #Автономность #Технологии
🤖 #Автономность #Технологии Визуальная и лидарная одометрия для уличного мобильного робота: ORB-SLAM 3, RtabMap, OpenVins, Fast-LIO 2 и DLIO 🧪 ORB-SLAM 3 под капотом: как визуальная одометрия справляется с реальными условиями На Хабре вышло практическое сравнение алгоритмов локализации для уличного мобильного робота. Автор протестировал ORB-SLAM 3 в режимах RGB-D и RGB-D+IMU на машине, проезжающей по дорогам и бездорожью. Выводы — хороший урок для всех, кто проектирует системы навигации для БПЛА и наземных роботов. 🟢 Что выяснилось в тесте: - В среде с богатой геометрией (деревья, дома) ORB-SLAM 3 работает стабильно. - Но как только камера направляется на однородные объекты (облака, далёкая трава), алгоритм теряет привязку и начинает дрифтовать. - На открытом поле с низкой травой геометрия вырождается — текущий кадр совпадает с любым участком карты, точность падает до метров. - Резкий поворот может привести к полной потере трека и необходимости перезапуска. - IMU помогает пережить кратковременные провалы визуального трекинга, но дрифт всё равно накапливается. - Интересно: при переносе камеры в руках (медленное движение) точность заметно выше, чем на автомобиле. 💡 Почему это важно для БАС: - Визуальная одометрия — основа навигации дронов в условиях отсутствия GNSS. Но она крайне чувствительна к текстуре сцены. - Сложные условия (полёт над водой, снегом, однородным лесом) могут вызвать сбой локализации. Необходимо дублирование лидаром или барометрическими датчиками. - Даже с IMU визуальная одометрия не гарантирует стабильности при резких манёврах. Вывод: ORB-SLAM 3 — мощный инструмент, но для реальных полётов нужна гибридная система с резервными методами. #Автономность #Технологии #БПЛА #УчиДрон
Канал в каталоге Максиметера
2 223 подписчиков · IT и технологии