Apa itu SLAM? Penjelasan lokalisasi dan pemetaan simultan untuk surveyor

Apa itu SLAM (lokalisasi dan pemetaan simultan)?

Lokalisasi dan pemetaan simultan adalah masalah komputasi membangun peta lingkungan yang belum diketahui sambil melacak posisi sensor dalam peta itu pada saat yang sama. Kedua tugas saling bergantung: Anda memerlukan peta untuk mengetahui posisi, dan perlu mengetahui posisi untuk menempatkan pengukuran baru pada peta. SLAM menyelesaikan keduanya bersama-sama.

Istilah ini berasal dari penelitian robotika pada akhir 1980-an dan 1990-an, ketika robot bergerak harus menavigasi ruangan tanpa denah. Istilah ini terkadang dijabarkan sebagai simultaneous location and mapping, dan dalam bahasa Inggris Britania ditulis simultaneous localisation and mapping; ketiganya menggambarkan gagasan yang sama. Kini algoritme yang sama berjalan pada robot penyedot debu, kendaraan otonom, drone, dan yang paling relevan bagi kami, pemindai genggam serta ransel untuk survei.

Bagi surveyor, arti praktisnya sederhana: pemetaan SLAM memungkinkan Anda berjalan melewati bangunan, terowongan, atau hutan dan memperoleh point cloud 3D yang dapat diberi georeferensi, tanpa memasang tripod di setiap stasiun. Jika Anda ingin memahami praktik lapangannya, panduan pemindaian SLAM dan pemetaan bergerak kami membahas rute berjalan serta perencanaan proyek; artikel ini menjelaskan apa yang terjadi di dalam algoritmanya.

Bagaimana lokalisasi dan pemetaan SLAM bekerja langkah demi langkah?

Lokalisasi dan pemetaan SLAM berjalan sebagai siklus berkelanjutan: memprediksi gerakan, mengukur lingkungan, mencocokkan pengukuran dengan peta, memperbarui posisi serta peta, dan secara berkala mengoreksi seluruh lintasan. Alur pemrosesan SLAM lidar-inersia umumnya seperti berikut:

1. Prediksi gerakan. IMU (akselerometer dan giroskop) mengukur gerakan ratusan kali per detik serta memprediksi perpindahan pemindai sejak bingkai lidar terakhir.
2. Perekaman pemindaian. Kepala lidar yang berputar merekam satu bingkai pengukuran jarak, sering ratusan ribu titik per detik, di sekeliling operator.
3. Ekstraksi fitur. Perangkat lunak memilih fitur stabil seperti bidang (dinding, lantai, langit-langit), tepi, dan sudut, serta membuang objek bergerak jika memungkinkan.
4. Pencocokan pemindaian. Bingkai baru diselaraskan dengan peta lokal, menggunakan prediksi IMU sebagai titik awal. Ini menghasilkan posisi dan orientasi (pose) yang disempurnakan.
5. Pembaruan peta. Titik yang telah diselaraskan ditambahkan ke peta, yang terus berkembang saat Anda berjalan.
6. Penutupan loop. Ketika sistem mengenali tempat yang telah dipetakan, sistem mengukur ketidaksesuaian antara kedua lintasan.
7. Optimasi global. Optimasi graf pose menyebarkan koreksi tersebut ke seluruh lintasan sebelumnya, sehingga peta menutup dengan rapi dan tidak menampilkan dinding ganda.

Langkah 1 hingga 5 sering disebut front end dan berjalan secara waktu nyata; langkah 6 dan 7 merupakan back end, sehingga hasil SLAM pascapengolahan biasanya lebih bersih daripada pratinjau langsung.

Apa jenis utama SLAM?

Sistem SLAM dikelompokkan berdasarkan sensor pengamat lingkungan: SLAM lidar, SLAM visual, atau gabungan beberapa sensor. Pemetaan bergerak kelas survei hampir selalu menggunakan lidar dengan IMU karena lidar mengukur jarak secara langsung dan bekerja dalam gelap.

SLAM 3D merupakan kategori yang relevan untuk survei, BIM, dan pertambangan. SLAM visual umum pada ponsel, headset augmented reality, dan robot kecil, tetapi jarang digunakan ketika klien menetapkan akurasi point cloud.

Seberapa akurat SLAM, dan apa penyebab drift?

Sistem SLAM lidar yang baik umumnya mencapai akurasi relatif 1 hingga 3 cm dalam lingkungan berstruktur jelas, tetapi kesalahannya bertambah seiring jarak yang ditempuh kecuali dikoreksi oleh penutupan loop atau titik kontrol. Kesalahan yang bertambah ini disebut drift.

Drift berasal dari kesalahan kecil pada setiap pencocokan pemindaian dan IMU, yang terakumulasi sepanjang lintasan. Kondisi terburuk terjadi ketika geometri hanya menyediakan sedikit acuan bagi algoritma:

• koridor dan terowongan panjang yang seragam, ketika setiap bingkai tampak sama sepanjang sumbunya;
• area parkir terbuka, lapangan, dan atap datar dengan sedikit fitur vertikal;
• tangga yang dilewati terlalu cepat, dengan belokan tajam dan perubahan pandangan mendadak;
• lingkungan penuh orang, kendaraan, atau vegetasi yang bergerak karena angin kencang.

Menurut pengalaman teknisi kami, peningkatan akurasi terbesar berasal dari perencanaan loop tertutup: mulai dan akhiri di titik yang sama, serta lintasi kembali jalur Anda setiap beberapa menit. Pemindai laser SLAM genggam kami memiliki spesifikasi ketebalan point cloud 1 cm atau lebih baik setelah pascapengolahan dan 2 cm atau lebih baik secara waktu nyata, dengan jangkauan 0.1 hingga 70 m. Anggap angka tersebut sebagai presisi relatif dalam kondisi baik; akurasi absolut juga bergantung pada pengikatan point cloud ke titik kontrol.

Bagaimana memberi georeferensi pada point cloud SLAM?

Point cloud SLAM dibuat dalam kerangka koordinat lokalnya sendiri, sehingga untuk menempatkannya pada grid proyek, Anda harus mengikatnya ke titik kontrol hasil survei. Ini juga membatasi drift pada rute panjang.

1. Tetapkan target atau tanda kontrol sepanjang rute menggunakan receiver GNSS RTK di luar ruangan atau total station di dalam ruangan.
2. Saat memindai, berhentilah sejenak pada setiap tanda kontrol (atau pindai target yang dapat dikenali) agar perangkat lunak dapat menandainya.
3. Saat pengolahan, masukkan koordinat kontrol dan lakukan perataan lintasan dengan kendala.
4. Periksa residual pada titik cek independen yang tidak digunakan dalam perataan, lalu laporkan hasilnya.

Pedoman praktis yang kami berikan kepada pelanggan adalah satu titik kontrol pada awal dan akhir setiap loop, ditambah sekitar satu titik setiap 50 hingga 100 m pada rute linier panjang seperti terowongan. Untuk langkah registrasi dan pembersihan umum, lihat artikel pengolahan point cloud kami.

Apa aplikasi utama lokalisasi dan pemetaan simultan?

Aplikasi utama lokalisasi dan pemetaan simultan adalah navigasi robot serta kendaraan, dan perekaman 3D cepat pada ruang yang lambat atau tidak mungkin diukur dengan pemindaian tripod atau GNSS. Dalam survei dan teknik, pekerjaan yang umum meliputi:

• Survei bangunan dan BIM: interior bertingkat, ruang peralatan, dan jalur vertikal utilitas direkam dalam sekali berjalan, lalu dimodelkan.
• Pertambangan bawah tanah dan terowongan: lorong, stope, dan profil terowongan tanpa GNSS.
• Kehutanan: tinggi pohon, diameter batang, dan kerapatan tegakan di bawah kanopi.
• Kemajuan konstruksi: penelusuran mingguan untuk membandingkan hasil pembangunan dengan desain.
• Timbunan dan gudang: volume di dalam penyimpanan beratap, terkait panduan pengukuran volume timbunan kami.
• Warisan budaya dan fasilitas: dokumentasi bangunan kompleks tanpa pemasangan selama berjam-jam.

Di luar survei, SLAM mendukung robot gudang, mobil otonom, drone pengiriman, dan augmented reality, tetapi penggunaan konsumen serta otomotif tersebut memiliki sasaran akurasi berbeda.

SLAM vs pemindaian laser terestris: mana yang sebaiknya digunakan?

Gunakan SLAM ketika kecepatan dan cakupan lebih penting daripada milimeter; gunakan pemindai laser terestris berbasis tripod ketika Anda membutuhkan akurasi dan kepadatan tertinggi pada setiap permukaan. Banyak proyek menggabungkan keduanya.

Alur kerja gabungan yang umum adalah memindai area kritis, seperti fasad atau ruang mekanikal, menggunakan pemindai laser terestris berkecepatan tinggi, kemudian melengkapi bagian bangunan lainnya dengan SLAM, dengan registrasi keduanya ke kontrol yang sama. Artikel pemindaian laser terestris kami menjelaskan alur kerja statis secara terperinci.

Kesalahan SLAM yang umum di lapangan dan cara menghindarinya

Sebagian besar hasil SLAM yang buruk berasal dari cara rute dilalui, bukan perangkat keras. Rekayasa SLAM mengasumsikan gerakan mulus dan geometri yang cukup dalam pandangan, sehingga kebiasaan di lapangan sangat penting.

• Berjalan terlalu cepat atau berbelok tajam: pertahankan kecepatan berjalan stabil dan berbeloklah perlahan di pintu serta sudut.
• Melewati pintu tanpa berhenti: berhentilah sebentar di ambang pintu agar pemindai melihat kedua ruangan.
• Tanpa loop: rancang rute yang kembali menutup; rute terbuka mengalami drift.
• Memulai sambil bergerak: inisialisasi pemindai sambil berdiri diam selama waktu yang ditentukan produsen.
• Mengabaikan kontrol: tanpa titik kontrol, point cloud tidak dapat diperiksa atau ditempatkan pada grid proyek.
• Sesi terlalu panjang: bagi lokasi yang sangat besar menjadi misi bertumpang tindih, bukan satu perjalanan yang sangat panjang.

Jika Anda mempertimbangkan kesesuaian SLAM untuk pekerjaan Anda, atau ingin membandingkannya dengan pemindai laser 3D lain, lihat pilihan pemindai laser 3D kami atau minta penawaran dengan menyertakan jenis proyek dan luas lokasi. Teknisi kami akan merekomendasikan konfigurasi serta strategi kontrol.

Pertanyaan yang sering diajukan