Wesloo
Tutti i temiTemi

Realtà virtuale e aumentata

SLAM realtà aumentata: cos'è e come funziona

Risposta breve

Lo SLAM (Simultaneous Localization and Mapping) è la tecnica che permette a un dispositivo di costruire la mappa di uno spazio sconosciuto mentre calcola la propria posizione al suo interno. Nella realtà aumentata serve a tenere gli oggetti virtuali ancorati a punti reali quando l'utente si muove o gira la testa. Senza di esso i modelli 3D scivolano, vibrano o si staccano dalla superficie su cui dovrebbero appoggiare.

Punti chiave

  • SLAM unisce due compiti inseparabili: mappare l'ambiente e localizzare il dispositivo nello stesso istante.
  • Le camere da sole non bastano: IMU, sensori di profondità e LiDAR rendono la stima più stabile nei momenti difficili.
  • L'ottimizzazione e il riconoscimento di luoghi già visti correggono la deriva accumulata lungo il percorso.
  • Superfici uniformi, vetri, specchi e movimenti bruschi restano i casi in cui il sistema perde l'ancoraggio.
  • Oltre alla realtà aumentata, la stessa tecnologia guida robot domestici, veicoli autonomi e visori VR.

Che cosa significa SLAM e perché è decisivo per la realtà aumentata

SLAM sta per Simultaneous Localization and Mapping, cioè localizzazione e mappatura simultanee. Il dispositivo costruisce una rappresentazione di uno spazio che non conosce e, nello stesso momento, calcola dove si trova al suo interno. Le due operazioni si sostengono a vicenda: una mappa più precisa migliora la stima della posizione, e una posizione più affidabile rende la mappa più accurata al passo successivo.

Nella realtà aumentata questo passaggio non è opzionale. Un oggetto virtuale deve restare appoggiato allo stesso punto del tavolo anche quando l'utente fa tre passi indietro o gira la testa. Se il sistema perde il conto della propria posizione, il modello 3D scivola, vibra o si stacca dalla superficie. Il GPS non risolve il problema: dentro un edificio il segnale è debole o assente, e comunque non ha la precisione centimetrica che serve per ancorare un oggetto a una scrivania.

Gli algoritmi SLAM non inseguono la perfezione assoluta. Vengono tarati sulle risorse di un visore, di uno smartphone o di un robot e puntano a un comportamento stabile entro i limiti di calcolo, memoria e batteria disponibili. Un sistema che gira in tempo reale con un piccolo errore percepibile è più utile di uno teoricamente esatto che non riesce a stare al passo.

Le rassegne complete dedicate allo SLAM per la realtà aumentata sono poche. I primi lavori hanno offerto una rassegna della realtà aumentata e della stima della posa; uno studio si è limitato agli algoritmi SLAM visivo-inerziali monoculari per l'AR.

Come funziona lo SLAM, fase per fase

Il ciclo si ripete decine di volte al secondo e ogni giro corregge quello precedente.

  1. Acquisizione dei dati. Le camere catturano immagini, l'unità di misura inerziale misura accelerazione e rotazione, e su alcuni dispositivi entra in gioco anche un sensore di profondità o un LiDAR.
  2. Estrazione delle caratteristiche. L'algoritmo individua punti riconoscibili: spigoli, angoli, macchie di contrasto, il bordo di un tavolo. Quei punti diventano i riferimenti fissi del mondo reale.
  3. Stima del movimento. Confrontando fotogrammi consecutivi il sistema deduce di quanto si è spostato e in quale direzione. Le misure inerziali colmano le lacune quando l'immagine è mossa o poco contrastata.
  4. Costruzione della mappa. I punti osservati finiscono in un sistema di coordinate comune, formando una nuvola di punti oppure un insieme di piani e superfici.
  5. Correzione dell'errore. L'ottimizzazione ridistribuisce gli errori accumulati su tutta la traiettoria, non solo sull'ultimo fotogramma. È il passaggio che impedisce alla deriva di crescere senza controllo.
  6. Riconoscimento di luoghi già visti. Se il dispositivo torna in una zona già mappata, il loop closure collega le due osservazioni e chiude l'anello, riducendo di colpo l'incertezza accumulata.

Ogni fase ha un costo. Più punti si tracciano, più la stima è robusta, ma più energia e potenza di calcolo servono. Sui visori autonomi quel budget è condiviso con funzioni altrettanto pesanti, come il foveated rendering, che riduce i pixel calcolati dove l'occhio non guarda.

I componenti di un sistema SLAM

ComponenteCosa faNota pratica
Camera monoculareTraccia punti visivi tra i fotogrammiCosta poco, ma la scala della mappa è ambigua
Camera stereo o RGB-DAggiunge la profonditàRisolve la scala, consuma più energia
Unità di misura inerzialeMisura rotazione e accelerazioneRegge nei frangenti in cui l'immagine è sfocata
LiDARMisura distanze con impulsi luminosiPreciso, ingombrante e costoso
Modulo di ottimizzazioneRidistribuisce l'errore sulla traiettoriaDetermina la stabilità nel tempo
RelocalizzazioneRitrova la posizione dopo una perdita di trackingDecide quanto in fretta l'AR si riprende

La combinazione dei sensori determina il tipo di sistema che si ottiene. Da un lato le camere descrivono molti punti in un'area ampia; dall'altro i sensori tattili registrano soltanto ciò che tocca l'ambiente e dipendono da modelli pregressi molto forti. Nella pratica, quasi tutti i sistemi si trovano in una posizione intermedia tra questi due casi.

Un vincolo vale per tutte le configurazioni: le fonti di misura devono essere statisticamente indipendenti. Se due sensori sbagliano nello stesso modo, i loro errori non si annullano e il sistema non riesce più a distinguere il rumore dalla realtà.

I tipi di SLAM più diffusi

SLAM visivo monoculare

Usa una sola camera. È una soluzione economica, adatta a smartphone e occhiali leggeri, ma soffre di ambiguità sulla scala: senza un secondo punto di vista il sistema non sa se l'ambiente è piccolo e vicino o grande e lontano.

SLAM visivo-inerziale

Abbina camera e IMU. L'inerziale copre le frazioni di secondo in cui l'immagine non è utilizzabile, la camera corregge la deriva dell'inerziale. È una delle configurazioni possibili nei visori AR e VR.

SLAM con LiDAR

Usa raggi laser per misurare le distanze. Regge bene in ambienti poco illuminati o senza texture, al prezzo di dimensioni, costo e consumo maggiori. Si usa anche nei robot industriali e nei veicoli autonomi.

SLAM collaborativo

Più dispositivi o più utenti uniscono le proprie osservazioni per costruire una mappa condivisa. La tecnica è stata dimostrata da diversi team nella DARPA Subterranean Challenge del 2021.

Perché gli oggetti virtuali restano ancorati

L'ancoraggio nasce dalla corrispondenza tra un punto della mappa e un punto del mondo fisico. Quando il sistema rivede una caratteristica già registrata, la collega all'oggetto virtuale che vi era stato agganciato. Il modello 3D non viene ridisegnato a ogni fotogramma: viene riposizionato secondo la posa aggiornata della camera.

Due meccanismi tengono insieme l'illusione. Il primo è la correzione continua, che spalma l'errore su tutta la traiettoria invece di lasciarlo crescere in fondo. Il secondo è la relocalizzazione: se il tracking si interrompe, per esempio perché l'utente punta il visore verso un muro bianco, il sistema confronta la nuova immagine con la mappa salvata e ritrova la propria posizione. Il tempo di recupero determina quanto l'esperienza sembra solida. Sui visori che mostrano il mondo reale attraverso le camere, questo lavoro si intreccia con il passthrough della realtà mista, che deve restare allineato alla posizione stimata.

Limiti e difficoltà pratiche

Le superfici uniformi sono il caso peggiore: un muro bianco, un pavimento lucido o un cielo senza nuvole non offrono punti da tracciare. Vetri e specchi ingannano il sistema, che colloca caratteristiche dove non esistono. Anche l'illuminazione crea problemi, perché il contrasto cambia tra una stanza e l'altra e il sensore deve adattarsi senza perdere i riferimenti già acquisiti.

Il movimento rapido introduce un secondo ordine di difficoltà. Con uno spostamento brusco i fotogrammi consecutivi si sovrappongono poco e la stima del moto diventa incerta. Lo stesso accade quando molte persone attraversano la scena e coprono i punti fissi su cui si basava la mappa. I sistemi moderni distinguono gli elementi statici da quelli mobili, ma è una separazione mai perfetta.

Resta infine il vincolo energetico. Uno smartphone che esegue SLAM visivo-inerziale consuma più batteria di uno che si limita a riprodurre un video, e su un visore il calore da smaltire è un limite fisico reale.

Dove si usa lo SLAM, oltre alla realtà aumentata

  • Robotica domestica. Gli aspirapolvere autonomi costruiscono una pianta della casa e la aggiornano a ogni passaggio.
  • Magazzini e logistica. I carrelli automatici navigano tra scaffali che cambiano posizione continuamente.
  • Veicoli autonomi. Molte auto semplificano il problema usando mappe molto dettagliate preparate in anticipo, con annotazioni che possono indicare singoli segmenti di linea bianca e cordoli. In questo caso lo SLAM diventa quasi solo localizzazione, mentre gli oggetti in movimento vengono aggiornati durante l'uso.
  • Realtà virtuale. Il tracking inside-out dei visori usa gli stessi principi per seguire testa e mani senza stazioni esterne.
  • Ispezione e manutenzione. Tecnici che sovrappongono istruzioni digitali a impianti e macchinari.

Se il confine tra ambiente simulato e ambiente reale non è chiaro, conviene partire dalla differenza tra realtà virtuale e realtà aumentata: il primo caso sostituisce la scena, il secondo la integra e ha quindi bisogno di conoscerla.

SLAM e GPS: due cose diverse

Il GPS risponde alla domanda "dove sono" confrontando i segnali dei satelliti. Lo SLAM risponde alla stessa domanda usando ciò che il dispositivo vede intorno a sé. Il primo funziona su scala chilometrica e in spazi aperti, il secondo su scala centimetrica e in spazi chiusi. All'aperto i due sistemi si combinano: il GPS fissa la posizione globale, lo SLAM gestisce il dettaglio locale. Un dispositivo che si affida solo ai satelliti non può ancorare un oggetto virtuale a una mattonella specifica, perché l'errore è di metri.

Verso dove va la ricerca

La ricerca continua su più fronti. Il primo è l'efficienza: algoritmi che ottengono la stessa stabilità con meno calcoli, per far girare lo SLAM su occhiali leggeri senza surriscaldarli. Il secondo è la robustezza in ambienti dinamici, dove persone e veicoli modificano continuamente la scena. Il terzo è la condivisione: mappe comuni a più utenti, aggiornate in tempo reale, che permetterebbero a due persone nella stessa stanza di vedere lo stesso oggetto virtuale nella stessa posizione.

Altre domande frequenti

Che differenza c'è tra SLAM e tracking?

Il tracking calcola soltanto dove si trova il dispositivo. Lo SLAM fa la stessa cosa e in più costruisce la mappa dell'ambiente. Il tracking da solo funziona se la mappa esiste già, per esempio perché è stata preparata in anticipo.

Lo SLAM funziona senza connessione a internet?

Sì. Tutto il calcolo avviene sul dispositivo, altrimenti non potrebbe restare sincronizzato con il movimento dell'utente. La connessione serve semmai a scaricare contenuti o a condividere mappe tra più utenti.

Perché un oggetto in realtà aumentata a volte si sposta da solo?

Succede quando il sistema perde i riferimenti visivi: superfici uniformi, poca luce, vetri o un movimento troppo rapido. In quel momento la stima della posizione peggiora finché la relocalizzazione non riporta il tracking su una posizione corretta.

Quante camere servono per fare SLAM?

Ne basta una, ma con una sola camera la scala della mappa resta ambigua. Aggiungere una seconda camera, un sensore di profondità o un'unità inerziale rende la stima più stabile e più rapida da recuperare dopo una perdita di tracking.

Lo SLAM sostituisce il GPS all'aperto?

No, i due lavorano bene su scale diverse. Il GPS copre distanze chilometriche in spazi aperti, lo SLAM gestisce il dettaglio centimetrico vicino all'utente. Molti sistemi li combinano per avere entrambe le cose.

Pagine correlate

  • Feedback aptico VR: come funziona in controller e tute

    Il feedback aptico VR traduce gli eventi di un ambiente virtuale in sensazioni fisiche sulla pelle: vibrazioni nei controller, resistenza nei guanti, impulsi distribuiti su tute a corpo intero o tocchi a mezz'aria con gli ultrasuoni. Ogni tecnologia copre solo una parte del senso del tatto, quindi controller, guanti e tute restano complementari invece di sostituirsi. La resa dipende da quanti attuatori entrano in gioco e da quanto l'impulso resta sincronizzato con l'immagine.

  • Latenza motion to photon VR: cos'è e perché conta

    La latenza motion to photon VR è il tempo che intercorre tra il movimento fisico della testa e la comparsa dell'immagine aggiornata sul display del visore. È la somma di più ritardi che attraversano sensori, trasmissione dati, rendering e pannello. Oltre i 20 ms provoca disorientamento e capogiri; per un'esperienza immersiva servono meno di 10 ms in realtà virtuale e meno di 5 ms in realtà aumentata.

  • Audio spaziale VR come funziona nei visori immersivi

    L'audio spaziale nella realtà virtuale simula la percezione uditiva umana tridimensionale modificando frequenze, ritardi temporali e intensità del suono prima che raggiunga ciascun orecchio. I motori grafici elaborano la posizione delle sorgenti nello spazio 3D sfruttando le funzioni di trasferimento legate alla testa (HRTF). Grazie ai sensori di orientamento e al tracciamento della testa, l'ambiente acustico rimane coerente con i movimenti dell'utente in tempo reale.

  • Guide d'onda ottiche realtà aumentata: funzionamento

    Le guide d'onda ottiche negli occhiali per realtà aumentata convogliano la luce generata da un microdisplay laterale verso l'occhio dell'utente sfruttando il principio della riflessione interna totale. Questa lamina trasparente agisce da combinatore ottico, fondendo le immagini digitali con l'illuminazione naturale dell'ambiente esterno senza oscurare la visuale. Tale configurazione permette di montare i proiettori sulle aste della montatura, riducendo drasticamente il volume e il peso complessivo del dispositivo.

  • Foveated rendering come funziona nei visori VR

    Il foveated rendering è una tecnica di computazione grafica che genera la massima risoluzione visiva unicamente nell'area ristretta del display osservata dalla fovea dell'occhio. Le regioni periferiche vengono elaborate con una definizione ridotta, consentendo di abbattere drasticamente l'impegno di calcolo del processore grafico. Questa architettura preserva la qualità percepita dall'utente mentre riduce i requisiti energetici e termici dei visori immersivi.

  • Come funziona passthrough realta mista nei visori

    La tecnologia passthrough acquisisce l'ambiente fisico tramite sensori ottici montati sull'esterno del visore e ne riproduce le immagini in tempo reale sui microdisplay interni. A differenza dei sistemi ottici trasparenti, il dispositivo elabora digitalmente il flusso video per allineare la prospettiva visiva, calcolare la profondità e sovrapporre elementi tridimensionali interattivi. Questa conversione consente di passare istantaneamente dall'immersione virtuale completa alla visione del contesto reale.

Come è stata preparata questa pagina

Prima della stesura, l’argomento è stato studiato sulle fonti qui sotto. La pagina ha poi superato controlli di qualità automatici.

Segnala un errore in questa pagina