Robocikowo>ROBOCIKOWO
Robotyka

V-SLAM

2007AktywnyOpublikowano: 21 października 2026Aktualizacja: 21 października 2026Opublikowany
Jednoczesna lokalizacja i mapowanie (SLAM) z obrazu kamery: estymacja trajektorii i budowa mapy 3D ze strumienia wizyjnego, w czasie rzeczywistym.
Kluczowa innowacja
Umożliwił jednoczesne wyznaczanie trajektorii kamery i budowę mapy 3D otoczenia wyłącznie na podstawie strumienia obrazu, bez konieczności stosowania kosztownych skanerów laserowych czy zewnętrznej infrastruktury lokalizacji.
Kategoria
Robotyka
Poziom abstrakcji
System
Poziom operacji
Sterowanie robotemInferencja
Zastosowania
Nawigacja robotów mobilnych w pomieszczeniachLokalizacja i omijanie przeszkód przez dronyPojazdy autonomiczne i odometria wizyjnaŚledzenie pozy w rzeczywistości rozszerzonej i wirtualnej (AR/VR)Rekonstrukcja 3D i skanowanie otoczeniaRobotyka eksploracyjna i inspekcyjna

Jak działa

Typowy potok V-SLAM dzieli się na frontend i backend działające zwykle w osobnych wątkach. Frontend (tracking) wyodrębnia cechy lub gradienty fotometryczne z kolejnych klatek i estymuje ruch kamery między nimi (odometria wizyjna). Wybrane klatki kluczowe (keyframes) trafiają do backendu (mapping), który optymalizuje spójną mapę punktów 3D i pozy kamer, zwykle metodą bundle adjustment minimalizującą błąd reprojekcji (feature-based) lub błąd fotometryczny (direct). Detekcja zamknięcia pętli (loop closure) rozpoznaje wcześniej odwiedzone miejsca (np. przez bag-of-words), a następnie optymalizacja grafu póz koryguje nagromadzony dryf. Mechanizm relokalizacji pozwala odzyskać pozę po utracie śledzenia. Warianty visual-inertial dołączają pomiary IMU w tzw. tight coupling, poprawiając estymację skali i stabilność.

Rozwiązany problem

Autonomiczny robot poruszający się w nieznanym środowisku musi jednocześnie wiedzieć, gdzie się znajduje, i rozumieć strukturę otoczenia — a oba te zadania są wzajemnie zależne. V-SLAM rozwiązuje ten problem typu „jajko i kura” wyłącznie z obrazu, eliminując zależność od GPS (niedostępnego w pomieszczeniach), kosztownych LiDAR-ów i uprzednio przygotowanych map.

Komponenty

Frontend (śledzenie / odometria wizyjna)Estymacja ruchu w czasie rzeczywistym

Przetwarza kolejne klatki, wykrywa cechy lub gradienty fotometryczne i estymuje względny ruch kamery między klatkami.

Oficjalna

Backend (mapowanie / optymalizacja)Spójność i dokładność mapy

Optymalizuje globalnie spójną mapę 3D i pozy kamer, zwykle metodą bundle adjustment lub optymalizacji grafu póz.

Oficjalna

Detekcja zamknięcia pętli (loop closure)Redukcja dryfu długoterminowego

Rozpoznaje wcześniej odwiedzone miejsca i inicjuje korektę dryfu przez optymalizację grafu póz.

Oficjalna

RelokalizacjaOdporność na utratę śledzenia

Odzyskuje pozę kamery względem istniejącej mapy po utracie śledzenia.

Oficjalna

Ewolucja

Oryginalny paper · 2007 · IEEE TPAMI 2007 · Andrew J. Davison
MonoSLAM: Real-Time Single Camera SLAM
Andrew J. Davison, Ian D. Reid, Nicholas D. Molton, Olivier Stasse
2003
MonoSLAM — pierwszy działający w czasie rzeczywistym monokularny SLAM
Punkt przełomowy

Davison demonstruje lokalizację i mapowanie z pojedynczej kamery w czasie rzeczywistym (ICCV 2003), wersja czasopiśmiennicza w IEEE TPAMI 2007.

2007
PTAM — rozdzielenie śledzenia i mapowania na osobne wątki
Punkt przełomowy

Klein i Murray (ISMAR 2007) wprowadzają keyframe'owy bundle adjustment w osobnym wątku, umożliwiając dokładne mapowanie w czasie rzeczywistym.

2014
LSD-SLAM — metoda bezpośrednia, semi-gęsta

Engel, Schöps i Cremers (ECCV 2014) optymalizują błąd fotometryczny zamiast cech, tworząc semi-gęstą mapę.

2015
ORB-SLAM — wszechstronny feature-based SLAM
Punkt przełomowy

Mur-Artal, Montiel i Tardós (IEEE T-RO 2015) łączą śledzenie, mapowanie, relokalizację i zamknięcie pętli na cechach ORB.

2016
DSO — Direct Sparse Odometry

Engel, Koltun i Cremers łączą podejście bezpośrednie z rzadką optymalizacją fotometryczną (arXiv 2016, IEEE TPAMI 2018).

2017
ORB-SLAM2 — mono, stereo i RGB-D

Mur-Artal i Tardós (IEEE T-RO 2017) rozszerzają system na kamery stereo i RGB-D jako open source.

2020
ORB-SLAM3 — visual-inertial i multi-map

Dodanie ścisłej fuzji wizyjno-inercyjnej oraz systemu wielu map (Atlas) dla większej odporności.

Równoległość

Poziom równoległości
Częściowo równoległy

Kluczowa innowacja PTAM: rozdzielenie śledzenia i mapowania na osobne wątki działające równolegle. Bundle adjustment jest kosztowny i zwykle asynchroniczny względem śledzenia w czasie rzeczywistym.

Zakres
Inferencja

Wymagania sprzętowe

Dobry fit

Klasyczne feature-based V-SLAM (np. ORB-SLAM) jest zoptymalizowane pod CPU i działa w czasie rzeczywistym na procesorach, w tym w systemach wbudowanych.

Możliwe

Metody gęste oraz warianty oparte na sieciach neuronowych (deep/learned SLAM) korzystają z akceleracji GPU.