协作式同时定位和映射技术使用可用的Wi-Fi网络

 
近年来，全球研究团队开发了同时定位和地图绘制(SLAM)的新方法。这些技术可用于实时构建或更新给定环境的地图，同时跟踪这些地图中人工代理或机器人的位置。
大多数现有的SLAM方法在很大程度上依赖于基于距离或基于视觉的传感器的使用，以感测环境和机器人的动作。但是，这些传感器可能非常昂贵，并且通常需要大量的计算能力才能正常运行。
意识到这些局限性，新加坡科技设计大学，西南科技大学，莫拉图瓦大学和南洋理工大学的研究人员最近开发了一种新的协作SLAM技术，该技术确实依赖于基于距离或基于视觉的传感器。在arXiv上预发表的一篇论文中介绍的这项技术可以在未知的室内环境中实现更有效的机器人导航，其成本远低于大多数先前提出的方法。
“我们的目标是利用低成本和低计算量的传感器来替代基于距离或基于视觉的传感器，”进行这项研究的研究人员之一Chau Yuen对TechXplore说。 “由于现代建筑物通常具有Wi-Fi网络覆盖范围，因此我们的目标是利用这种免费可用的信息来执行SLAM。”
为了利用大多数城市环境中容易获得的无线电功能，研究人员开发了一种称为C-SLAM-RF的协作式同时定位和无线电指纹映射方法。他们的技术通过在大型室内环境中感知Wi-Fi测量，然后使用这些测量来生成地图或定位人工代理来工作。
Yuen解释说：“我们的目标是通过利用常用智能电话的内置感应功能，以最少的人力来生成环境的无线电地图。”
使用现成的Wi-Fi网络的协作式SLAM技术

 
由Yuen和他的同事开发的系统接收有关信号强度的信息，该信号来自遍布在给定环境中的现有Wi-Fi接入点以及行人航位推算(PDR)流程(例如，某人当前的计算位置)源自智能手机。然后，它使用这些信号来构建环境地图，而无需事先了解环境或其中的接入点分布。研究人员设计的C-SLAM-RF工具还可以通过评估不同信号的无线电指纹之间的相似性，来确定机器人是否已返回到先前访问过的位置(称为“回路闭合”)。
“现有的SLAM方法经常使用专用设备(例如，视觉摄像机或基于距离的LIDAR传感器)通过扫描匹配或特征匹配来测量观察的相似度，而这些匹配在计算上是昂贵的，”参与该研究的另一位研究员U-Xuan Tan研究，告诉TechXplore。 “由于Wi-Fi无线网络的日益普及，我们的解决方案利用了低成本，无处不在的物联网设备(例如智能手机)执行本地化和映射的可能性。”
Yuen，Tan及其同事在130米x 70米的室内环境中测试了他们的技术。他们的结果非常有前途，因为他们的系统性能常常超过其他几种现有的SLAM技术。
参与这项研究的另一位研究员Ran Liu对TechXplore表示：“我们在大型环境中评估了我们的方法，在没有任何环境先验知识的情况下，定位精度达到了0.6米。 “这种准确性优于基于指纹的最新定位方法，后者需要对环境进行繁琐的调查。与基于范围的或可视化SLAM相比，我们的方法所需的计算时间微不足道。”
将来，由这组研究人员设计的协作式SLAM方法可能有助于增强未知环境中的机器人导航。此外，它不需要使用昂贵的传感器并且依靠现有的Wi-Fi热点，这一事实使其成为大规模实施的更可行的解决方案。
参与这项研究的另一位研究员Yong Yong Guan告诉TechXplor：“我们现在想探索融合不同无线电信号（例如蜂窝信号）以提高定位精度的可能性。” “另一个计划是将产生的无线电地图用于定位。与其他传感器（例如激光测距仪）相结合以在大规模环境中加速和改善地图绘制，这也是我们未来的研究之一。”