Wesloo
Tüm konularKonular

Sanal ve artırılmış gerçeklik

Artırılmış Gerçeklik SLAM Nedir ve Nasıl Çalışır?

Kısa cevap

Artırılmış gerçeklik SLAM, cihazın bulunduğu ortamı haritalarken kendi konumunu da eşzamanlı olarak kestiren bir bilgisayarlı görü ve robotik yöntemidir. Kamera, IMU ve derinlik sensörlerinden gelen verilerle 6DoF poz ile ortam haritası birlikte hesaplanır; sanal nesneler bu sayede yerlerinde sabit kalır. Sürüklenme, dinamik nesneler ve dokusuz yüzeyler bu kestirimin başlıca sınırlarıdır.

Ana maddeler

  • SLAM, haritalama ile konumlandırmayı tek bir kestirim problemi olarak ele alır; ikisi birbirinden ayrılamaz.
  • Tek kamera, stereo kamera, IMU, derinlik sensörü ve LiDAR farklı doğruluk ve maliyet profilleri sunar.
  • Döngü kapatma, uzun oturumlarda biriken sürüklenmeyi düzelten kritik adımdır.
  • GPS iç mekânda güvenilir olmadığı için kapalı alan AR uygulamaları SLAM'e dayanır.
  • Otonom araçlar önceden hazırlanmış haritayı kullanıp problemi konumlandırmaya indirger; AR gözlükleri haritayı çalışma anında kurar.

Artırılmış gerçeklik SLAM, cihazın çevresinin haritasını çıkarırken bu harita içindeki yerini de eşzamanlı kestirdiği yöntemler bütünüdür. Kısaltma, İngilizce "Simultaneous Localization and Mapping" ifadesinden gelir ve Türkçede eşzamanlı konumlandırma ile haritalama olarak da geçer. Kamera görüntüsünün üzerine bir 3B model yerleştirmek kolaydır; zor olan o modelin yerinde sabit kalmasıdır. Telefon ya da gözlük her karede birkaç milimetre kayar, sensörler gürültü üretir, ışık değişir. SLAM bu belirsizliklerin içinden cihazın altı serbestlik dereceli (6DoF) pozunu ve ortamın haritasını birlikte kestirir. İki çıktı birbirine kenetlidir: harita olmadan konum, konum olmadan harita anlamlı biçimde güncellenemez.

Artırılmış gerçeklik SLAM hangi sorunu çözer?

GPS açık havada birkaç metre hata payıyla çalışır, bina içinde ise yansımalar yüzünden çoğu zaman güvenilirliğini yitirir. Kapalı bir odada 2 metrelik sapma, masanın üstünde durması gereken sanal nesneyi duvara taşır. Bu yüzden kapalı alan AR uygulamaları uydu sinyaline değil, kameraya ve harekete dayalı kestirime yaslanır. GPS'in sağladığı mutlak konum bilgisi açık alanda yararlıdır; iç mekânda ise ölçek ve konum yalnızca sahnenin kendisinden çıkarılır.

SLAM'in temel bileşenleri nelerdir?

SLAM sistemleri birbirinden çok farklı görünse de çoğu, aynı yapı taşları üzerinde yapılan farklı tercihlerden doğar. Bir sistemin ne yaptığını anlamak için şu beş parçaya bakmak yeterlidir:

  • Algılama: Kamera, IMU, derinlik sensörü veya LiDAR verisi toplanır.
  • Özellik ve ölçüm çıkarımı: Görüntüden köşe noktaları, kenarlar ya da düzlemler çıkarılır; LiDAR'da tarama noktaları işlenir.
  • Veri ilişkilendirme: Yeni ölçümün haritadaki hangi noktaya ait olduğu belirlenir. Yanlış eşleşme, sistemin çökmesinin en yaygın nedenidir.
  • Durum kestirimi: Genişletilmiş Kalman filtresi, parçacık filtresi veya seyrek doğrusal olmayan en küçük kareler ile poz ve harita birlikte çözülür.
  • Harita yönetimi: Hangi noktaların tutulacağı, hangilerinin silineceği ve haritanın hangi ölçekte saklanacağı kararlaştırılır.

Bu seçimlerin hepsi kaynak bütçesine göre yapılır. Mobil bir gözlükte karelerin gerçek zamanlı işlenmesi gerekir; bu yüzden algoritmalar eldeki işlemci ve pil bütçesine göre biçimlendirilir, kusursuz bir harita yerine çalışır durumda kalan bir doğruluk yeterli görülür.

Görsel SLAM adım adım nasıl çalışır?

Kameraya dayalı tipik bir akış şu sırayı izler:

  1. Gelen kare gri tona indirilir ve ilgi noktaları (köşeler, lekeler) bulunur.
  2. Bu noktalar bir önceki karedekilerle eşleştirilir; hatalı eşleşmeler geometrik tutarlılık testleriyle ayıklanır.
  3. IMU varsa açısal hız ve ivme ölçümleri, iki kare arasındaki hareket için başlangıç tahmini sağlar. Bu, hızlı harekette ve bulanık karelerde takibin kopmamasını sağlar.
  4. Eşleşen noktalardan epipolar geometri yardımıyla bağıl hareket kestirilir.
  5. Başlatma aşamasında ölçek ve başlangıç ekseni belirlenir. Tek kameralı sistemlerde ölçek başlangıçta bilinmez, hareketle birlikte çözülür.
  6. Kamera pozları ve 3B harita noktaları, ortak bir hata fonksiyonunu en aza indirecek biçimde birlikte optimize edilir. Bu işlem ışın demeti dengelemesi olarak bilinir.
  7. Her kare işlenmez; seçilen anahtar kareler haritaya eklenir. Sistem aynı yere geri döndüğünü anlarsa döngü kapatma devreye girer ve birikmiş hata tüm haritaya dağıtılarak düzeltilir.

Son adım, uzun oturumlarda kaliteyi belirleyen adımdır. Döngü kapatma olmadan uzun bir gezintinin sonunda sanal nesne görünür biçimde kayar.

Sensörler ve harita türleri

Pratikte her SLAM sistemi birkaç sensör tipini bir arada kullanır; sensörün sunduğu ayrıntı düzeyi hangi algoritmanın uygun olduğunu belirler.

SensörSağladığı bilgiTipik kullanım
Tek kamera2B görüntü, ölçek başlangıçta belirsizTelefon AR, hafif gözlük
Stereo kameraDerinlik ve mutlak ölçekOda ölçeğinde yerleştirme
IMUAçısal hız, ivmeGörsel ataletli SLAM
Derinlik / ToFYoğun nokta bulutuYüzey ve el takibi
LiDARYüksek çözünürlüklü mesafeRobotik, otonom araç

Harita tarafında üç yaygın biçim vardır. Seyrek nokta haritası yalnızca takip için gerekli ilgi noktalarını tutar, en hafifidir ve telefonlarda tercih edilir. Yoğun nokta bulutu yüzeyleri ayrıntılı temsil eder; sanal nesnenin gerçek geometriyle çarpışması gerektiğinde kullanılır. Düzlem ve örgü haritası ise masaları, duvarları ve zeminleri ayrı nesneler olarak saklar, sanal eşyanın üzerine oturacağı yüzeyi seçmeyi kolaylaştırır.

Sürüklenme, dinamik sahneler ve dokusuz yüzeyler

Görsel SLAM'in en bilinen kusuru sürüklenmedir: küçük kestirim hataları zamanla birikir ve harita kendi üzerine katlanır. Döngü kapatma bunu düzeltir, ancak kapalı ve tekrar eden bir koridorda ayırt edici özellik bulmak zorlaşır. Beyaz duvar, cam yüzey ve parlak zemin gibi dokusuz alanlarda kamera hiçbir ilgi noktası göremez; sistem ya IMU'ya güvenir ya da takibi kaybeder.

Dinamik nesneler ikinci büyük sorundur. Kalabalık bir salonda yürüyen insanlar, hareket eden mobilyalar ve elde taşınan eşyalar haritaya yanlış nokta olarak girer. Çağdaş sistemler bu ölçümleri hız tutarlılığı testiyle eler ya da hareketli bölgeyi haritadan dışlar. Aşırı hızlı dönüş ve hareket bulanıklığı da kareler arası eşleşmeyi bozar; yüksek kare hızı ve kısa poz süresi bu yüzden AR donanımında öncelikli tasarım kriteridir.

Gözlükte, telefonda ve otonom araçta SLAM farkı

Aynı matematik, farklı donanımda farklı görünür. Telefonda tek kamera ve IMU ile çalışır; ölçek zamanla oturur ve pil tüketimi belirleyici kısıttır. Baş üstü gözlükte ise birden çok kamera kullanılır, çünkü içten dışa 6DoF takip için geniş bir görüş alanı gerekir ve eller sürekli görüş hattını kapatır. Kamera sayısı arttıkça işlem yükü de artar; bu yük foveated rendering gibi tekniklerle dengelenmeye çalışılır.

Karma gerçeklik gözlüklerinde kamera görüntüsü hem takip hem de geçirgenlik için kullanılır; bu ikili görev, passthrough donanım mimarisini doğrudan SLAM gereksinimlerine bağlar. Otonom araçta tablo tersine döner: araç önceden toplanmış ayrıntılı harita verisinden yararlanır, geriye neredeyse yalnızca yerini bulma işi kalır. Harita çevrimdışı hazırlandığı için araç kendi konumunu kestirmekle yetinir, çevreyi baştan haritalamak zorunda kalmaz.

İşbirlikçi SLAM ve araştırmanın yönü

İşbirlikçi SLAM, birden çok robotun ya da kullanıcının sensör verisini ortak bir 3B haritada toplayan yaklaşımdır. Aynı alanı farklı açılardan gören robotlar ya da kullanıcılar, tek başına çıkarılamayacak kadar eksiksiz bir harita üretebilir. Bu yaklaşım, 2021'deki DARPA Subterranean Challenge'da birçok takımın çözümünde yer aldı.

SLAM hâlâ etkin bir araştırma alanı; yeni algoritmalar çoğunlukla farklı gereksinimler ve varsayımlardan doğuyor. Düşük güçte gerçek zamanlı çalışan görsel ataletli sistemler, anlamsal haritalar ve çok kullanıcılı oturumlar bu alanda öne çıkan başlıklar arasında. Anlamsal harita, noktaların yanında "masa", "kapı", "sandalye" gibi etiketler taşır ve sanal nesnenin sahneye mantıklı biçimde yerleşmesini kolaylaştırır. Sanal ve artırılmış gerçeklik arasındaki temel ayrımı bilmek de burada işe yarar; iki teknolojinin farkı çoğunlukla haritanın sahneye ne kadar bağlandığıyla ilgilidir.

SLAM ile işaretçi tabanlı takip arasındaki fark

Eski AR uygulamaları basılı bir karekodu tanır ve sanal nesneyi ona göre hizalar. İşaretçi görüş alanından çıktığında takip biter. SLAM böyle bir işarete ihtiyaç duymaz; haritayı ortamın kendi dokusundan kurar, bu yüzden kullanıcı odayı serbestçe gezebilir. Bedeli daha yüksek işlem gücü ve daha karmaşık hata ayıklamadır. İşaretçi tabanlı yöntemler hâlâ hızlı kurulum gereken tanıtım ve sergi uygulamalarında kullanılır.

Sık sorulan diğer sorular

SLAM olmadan artırılmış gerçeklik uygulaması çalışır mı?

Çalışabilir, ama sanal nesne kullanıcı hareket ettikçe kayar, titrer veya kaybolur. İşaretçi tabanlı sistemler bu sorunu sabit bir görsel kodla çözer ve kullanıcıyı o kodun görüş alanında kalmasına bağlar.

SLAM ile GPS birlikte kullanılabilir mi?

Açık alanda ikisi birleştirilir; GPS mutlak konumu, SLAM ise yerel ölçeği ve ince hizalamayı sağlar. Bina içinde uydu sinyali güvenilmez olduğu için ağırlık SLAM'e geçer.

Tek kameralı SLAM ölçeği nasıl belirler?

Tek karede ölçek bilinmez, çünkü aynı sahne hem küçük hem uzak olabilir. Sistem hareket boyunca topladığı ölçümlerden ve varsa IMU verisinden yararlanarak ölçeği zamanla oturtur.

SLAM her ortamda güvenilir çalışır mı?

Hayır. Dokusuz beyaz duvarlar, cam yüzeyler, aşırı karanlık ve tekrar eden koridorlar takibi zorlaştırır. Bu durumlarda derinlik sensörü veya LiDAR devreye girer.

SLAM ile VR baş takibi aynı şey mi?

Yakın akrabadır. VR takibi çoğunlukla bilinen bir oyun alanında konumu bulmaya odaklanır; AR'de SLAM ek olarak haritayı sıfırdan kurup güncellemek zorundadır.

İlgili sayfalar

  • VR Haptik Geri Bildirim Nasıl Çalışır?

    VR haptik geri bildirim, sanal bir nesneye dokunduğunuzda deride titreşim, basınç ya da direnç oluşturan donanım ve yazılım zinciridir. Üç ana yöntemle üretilir: kontrolcülerdeki vibrotaktil motorlar, kuvvet geri bildirimli eldivenler ve havada odaklanan ultrasonik dalgalar. Hiçbiri dokunmanın tamamını kapsamaz; bu yüzden cihazlar birbirini dışlamadan yan yana kullanılır.

  • Motion to Photon Gecikmesi Nedir? VR İçin Neden Kritik

    Motion to photon gecikmesi, kullanıcının hareketi ile o hareketin ekranda görünmesi arasındaki toplam süredir ve sanal gerçeklikte bu sürenin 20 ms altında kalması beklenir. Ölçüm, algılama, veri aktarımı, işleme, render ve ekran yenileme aşamalarının her biri bu bütçeden pay alır. Süre büyüdüğünde iç kulaktan gelen denge duyusu ile gözün gördüğü görüntü çakışır ve simülasyon hastalığı ortaya çıkar.

  • VR Uzamsal Ses Nasıl Çalışır? 3 Boyutlu Akustik

    VR uzamsal ses, kullanıcının baş hareketlerini takip ederek ses dalgalarını insan kulağının anatomik yapısına göre simüle eden bir teknolojidir. Dijital sinyal işleme sistemleri, sesin geliş açısını, kulaklar arasındaki mikrosaniyelik gecikmeleri ve frekans değişimlerini hesaplayarak sesi üç boyutlu sanal alana yerleştirir. Bu yöntem sayesinde geleneksel bir kulaklık üzerinden kullanıcının yukarısından, arkasından veya etrafından gelen sesler gerçekçi biçimde algılanır.

  • Optik Dalga Kılavuzu AR Gözlük Sistemleri Nasıl Çalışır?

    Optik dalga kılavuzları, mikro bir ekrandan gelen ışığı insan gözüne yönlendirirken gerçek dünyanın şeffaf bir mercek üzerinden doğrudan görülmesini sağlar. Işık ışınları, cam veya polimer alt tabaka içinde toplam iç yansıma prensibiyle taşınır ve giriş-çıkış optik elemanları aracılığıyla kullanıcının görüş alanına düşürülür. Bu mimari, kalın optik lens bloklarına duyulan ihtiyacı ortadan kaldırarak akıllı gözlüklerin hafif ve kompakt bir yapıda üretilmesine imkân tanır.

  • Foveated Rendering Nedir ve Nasıl Çalışır?

    Foveated rendering, insan retinasındaki fovea bölgesinin odaklanma mekanizmasını taklit eden bir grafik işleme tekniğidir. Kullanıcının doğrudan odaklandığı dar açıyı tam çözünürlükte işlerken, çevresel görüş alanındaki detay seviyesini düşürerek donanım yükünü hafifletir.

  • Karma Gerçeklik Passthrough Nasıl Çalışır? Donanım Mimarisi

    Passthrough sistemi, başlığın dışındaki kameralarla kaydedilen gerçek dünya görüntüsünü dijital ekranlara milisaniyeler içinde yansıtır. İki ayrı kamera üzerinden stereoskopik video akışı sağlayarak insan gözünün derinlik ve paralaks algısını taklit eder. Kullanıcı bu sayede fiziksel çevresinden kopmadan dijital nesnelerle ve sanal arayüzlerle doğrudan etkileşim kurabilir.

Bu sayfa nasıl hazırlandı

Yazmadan önce konu aşağıdaki kaynaklarda araştırıldı. Sayfa ardından otomatik kalite denetimlerinden geçti.

Bu sayfadaki bir hatayı bildir