Comment choisir l’algorithme SLAM le plus adapté ?

Comment choisir l’algorithme SLAM le plus adapté ?

Lors de vos recherches sur les scanners laser mobiles, vous consultez probablement des fiches techniques et des informations sur les workflows logiciels. Mais cela ne vous permettra que de comprendre le marché – vous devrez également comparer les algorithmes de localisation et de cartographie simultanés (SLAM) qui alimentent ces appareils et leur permettent de créer un nuage de points pendant que vous marchez.

(Rien de tout cela n’a de sens pour vous? Consultez notre cours lidar portable pour une introduction rapide au monde de la numérisation mobile.)

Le problème est que les algorithmes SLAM peuvent être difficiles à comprendre si vous n’êtes pas ingénieur logiciel. Bonne nouvelle: il existe quelques critères que vous pouvez utiliser pour comparer les algorithmes SLAM. Ces critères vous aideront à comprendre ce qui différencie un algorithme SLAM d’un autre, vous donnant les informations dont vous avez besoin pour rétrécir votre champ de recherches.

Ce sont la vitesse de traitement, l’intégration des capteurs et la colorisation. Creusons pour y voir plus clair.

Un algorithme SLAM effectue des calculs complexes pour aligner les points lidar

Vitesse de traitement

Un algorithme SLAM effectue un nombre important de calculs chaque seconde. Il suit votre mouvement à travers un espace à l’aide de données alimentées par un certain nombre de capteurs, puis il les fusionne pour aligner les millions de mesures capturées par le lidar. C’est un défi difficile, et chaque algorithme SLAM l’aborde d’une manière différente, ce qui signifie que chaque algorithme est traité à une vitesse différente.

Traitement en temps réel: Ces algorithmes SLAM traitent la donnée capturée lors de votre relevé pour vous fournir un nuage de points utilisable dès la fin de votre campagne. Cependant, cette approche sacrifie une certaine fiabilité, ce qui rend l’algorithme plus susceptible de faire des erreurs de suivi ou de traitement dans des environnements difficiles. Cette méthode est idéale lorsque vous avez besoin d’une révision immédiate de vos données.

Traitement post-capture: de nombreux algorithmes SLAM utilisent cette méthode, qui nécessite que vous commenciez à traiter la donnée relevée directement après avoir terminé la capture. Cela prend plus de temps que le traitement en temps réel (évidemment), mais il vous garantit une plus grande fiabilité dans vos résultats. Selon votre calendrier, ce temps de traitement supplémentaire peut ne pas s’avérer être un gros problème – vous pouvez réaliser ces traitements lors de vos temps de pause (repas, nuit). Si vous procédez ainsi, vous pourrez compter sur de la donnée fiable sans temps d’arrêt supplémentaires.

Certains algorithmes SLAM vous permettent de choisir de traiter vos données en temps réel ou après la capture, ce qui vous permet d’adapter votre approche aux besoins de votre mission.

Comment choisir? Le meilleur algorithme SLAM doit s’adapter à vos flux de travail et allier une bonne vitesse de traitement à une grande fiabilité des résultats.

Le capteur LIDAR Velodyne VLP-16 est intégré à la plupart des scanners laser mobiles SLAM

Capteurs

Les implémentations SLAM peuvent varier d’un appareil à l’autre.

  • Un IMU et un capteur lidar: Cette approche SLAM est très efficace dans les zones ouvertes qui contiennent une géométrie 3D distincte, comme des chaises, des tuyaux, des garde-corps, des arbres, etc. Cependant, les zones dominées par des formes planes comme des murs, des couloirs ou des entrepôts sont susceptibles de provoquer des erreurs et le SLAM générera de mauvaises données.
  • Une ou plusieurs caméras: Cette implémentation SLAM, qui est la plus souvent utilisée en robotique, permet de mieux suivre l’opérateur lorsqu’il se déplace dans des environnements dominés par des formes planes. Il existe cependant des limites. Le SLAM basé sur une caméra nécessite de bonnes conditions d’éclairage, de sorte qu’il puisse identifier correctement l’environnement qu’il parcourt. Des problèmes peuvent survenir dans les zones de lumière à contraste élevé, à faible luminosité ou à l’extérieur. Il renvoie également des erreurs dans des environnements avec des formes répétitives. Bien qu’il puisse suivre les formes planes, il aura souvent des problèmes avec les pièces entourées de murs vierges.
  • Capteur Lidar et caméra: Ce type de fonctionnement SLAM est adapté à une grande variété d’environnements intérieurs comme extérieurs, quelles que soient les caractéristiques géométriques dominantes ou les conditions d’éclairage. Bien qu’il ne soit pas à l’abri d’erreurs, il offre de meilleurs résultats que les deux méthodes décrites ci-dessus.

Comment choisir? Pour bien choisir, vous devez identifier correctement la typologie des environnements que vous avez l’habitude de relever et suivre nos indications ci-dessus.

Scanner laser mobile PX-80 - nuage de points colorisé
Échafaudages et chantier relevés avec le scanner laser mobile PX-80

Colorisation

De nombreux algorithmes SLAM permettent la colorisation de vos nuages de points pour qu’ils soient beaucoup plus faciles à comprendre qu’un nuage de points brut. Une fois colorisés, ils ressemblent à une photographie 3D en couleur, ce qui permet de discerner plus facilement les éléments tels que les colonnes, les barres d’armature, les portes, les arbres, les voitures, etc.

  • Colorisation post-numérisation: De nombreux algorithmes SLAM coloriseront vos nuages de points une fois le relevé terminée. Cette méthode de colorisation nécessite :
    • l’intégration d’une caméra supplémentaire au scanner
    • des étapes de traitement additionnelles dans votre flux de travail pour obtenir les résultats souhaités.
  • Colorisation automatique: Certains systèmes SLAM coloriseront automatiquement votre nuage de points lors du relevé. Cependant, tous les scanners mobiles n’abordent pas cette étape de la même manière.

    Certains scanners portables incluent un appareil photo et vous permettent de l’utiliser pour suivre votre mouvement et/ou pour coloriser votre nuage de points séparément ou simultanément.

    Certains scanners utilisent une technologie SLAM qui permet une colorisation automatique du nuage de points, mais ils incluent une caméra avec un champ de vision inférieur à un capteur lidar. Cela signifie que même si vous vous assurez de capturer tout l’environnement avec le lidar, il y aura des parties que vous manquerez avec l’appareil photo, ce qui entraînera un mélange de données colorisées et de données non colorées. D’autres scanners incluent également des caméras avec un champ de vision plus large pour garantir que tous les points du nuage de points soient colorisés.

Comment choisir? Tout d’abord, demandez-vous si vous avez besoin d’un nuage de points colorisé ou si vous préférez travailler avec un livrable brut non colorisé. Ensuite, posez-vous la question si vous souhaitez que cette colorisation soit automatique et quelle implémentation répond à vos projets.

Conclusion

Même sans trop en connaitre sur les algorithmes SLAM, ceux-ci sont tous différents et comparables selon différents critères que vous aurez définit. Chacun d’entre eux est plus ou moins adapté à une typologie d’environnements (extérieurs, intérieurs, confinés, vastes).

Après avoir lu cet article, vous devriez être capable de déterminer les facteurs les plus importants pour vous vous afin de choisir le scanner laser mobile SLAM le plus adapté à votre activité.

Les commentaires sont fermés.

DutchEnglishFrenchGermanItalianPortugueseSpanish