रोबोटिक मैपिंग: Difference between revisions
From Vigyanwiki
(Created page with "{{short description|Discipline related to computer vision and cartography}} {{more citations needed|date=October 2018}} रोबोटिक मैपिंग कंप...") |
No edit summary |
||
| Line 1: | Line 1: | ||
{{short description|Discipline related to computer vision and cartography}} | {{short description|Discipline related to computer vision and cartography}} | ||
रोबोटिक मैपिंग [[ कंप्यूटर दृष्टि |कंप्यूटर दृष्टि]] से संबंधित अनुशासन है<ref name="Juan-Antonio2012">{{cite book|author=Fernández-Madrigal, Juan-Antonio|title=Simultaneous Localization and Mapping for Mobile Robots: Introduction and Methods: Introduction and Methods|url=https://books.google.com/books?id=JbaeBQAAQBAJ|date=30 September 2012|publisher=IGI Global|isbn=978-1-4666-2105-3}}</ref> और [[नक्शानवीसी]]। स्वायत्त [[रोबोट]] के लिए लक्ष्य नक्शा (बाहरी उपयोग) या फर्श योजना (इनडोर उपयोग) का निर्माण (या उपयोग) करने में सक्षम होना है और खुद को और इसके रिचार्जिंग बेस या बीकन को स्थानीय बनाना है। रोबोटिक मैपिंग वह शाखा है जो किसी मानचित्र/योजना में और कभी-कभी खुद को स्थानीय बनाने की क्षमता के अध्ययन और अनुप्रयोग से संबंधित है | |||
रोबोटिक मैपिंग [[ कंप्यूटर दृष्टि ]] से संबंधित | |||
[[स्वायत्त रोबोट]] द्वारा मानचित्र या फर्श योजना का निर्माण। | [[स्वायत्त रोबोट]] द्वारा मानचित्र या फर्श योजना का निर्माण। | ||
| Line 7: | Line 6: | ||
== ऑपरेशन == | == ऑपरेशन == | ||
रोबोट के पास जानकारी के दो स्रोत हैं: इडियोथेटिक और [[ allothetic ]] स्रोत। जब गति में होता है, तो | रोबोट के पास जानकारी के दो स्रोत हैं: इडियोथेटिक और [[ allothetic |allothetic]] स्रोत। जब गति में होता है, तो रोबोट [[मृत गणना]] विधियों का उपयोग कर सकता है जैसे कि उसके पहियों के क्रांतियों की संख्या पर नज़र रखना; यह [[मूर्ख]]तापूर्ण स्रोत से मेल खाता है और रोबोट की पूर्ण स्थिति दे सकता है, लेकिन यह संचयी त्रुटि के अधीन है जो तेजी से बढ़ सकता है। | ||
एलोथेटिक स्रोत रोबोट के सेंसर से मेल खाता है, जैसे कैमरा, | एलोथेटिक स्रोत रोबोट के सेंसर से मेल खाता है, जैसे कैमरा, माइक्रोफोन, [[ लेज़र |लेज़र]] , [[LIDAR का]] या [[सोनार]]। समस्या यहाँ [[अवधारणात्मक अलियासिंग]] है। इसका मतलब है कि दो अलग-अलग जगहों को ही माना जा सकता है। उदाहरण के लिए, इमारत में, पूरी तरह से दृश्य जानकारी के साथ स्थान निर्धारित करना लगभग असंभव है, क्योंकि सभी गलियारे समान दिख सकते हैं।<ref>Filliat, David, and Jean-Arcady Meyer. "[http://hal.upmc.fr/docs/00/65/54/73/PDF/Filliat-Meyer_Navigation_Cartes.pdf Map-based navigation in mobile robots:: I. a review of localization strategies]." Cognitive Systems Research 4.4 (2003): 243-282.</ref> [[रेंज इमेजिंग]] सेंसर का उपयोग करके रोबोट के पर्यावरण के 3-आयामी मॉडल तैयार किए जा सकते हैं<ref>Jensen, Björn, et al. [https://www.research-collection.ethz.ch/bitstream/handle/20.500.11850/82655/1/eth-8118-01.pdf Laser range imaging using mobile robots: From pose estimation to 3D-models]. ETH-Zürich, 2005, 2005.</ref> या [[3डी स्कैनर]]।<ref>Surmann, Hartmut, Andreas Nüchter, and Joachim Hertzberg. "[http://www2.inf.uni-osnabrueck.de/hertzberg/Papers/SurmannEtAlRAAS-2003.pdf An autonomous mobile robot with a 3D laser range finder for 3D exploration and digitalization of indoor environments]." Robotics and Autonomous Systems 45.3-4 (2003): 181-198.</ref><ref name="Saeed2011">{{cite book|author=Malik, Aamir Saeed|title=Depth Map and 3D Imaging Applications: Algorithms and Technologies: Algorithms and Technologies|url=https://books.google.com/books?id=ouyeBQAAQBAJ|date=30 November 2011|publisher=IGI Global|isbn=978-1-61350-327-0}}</ref> | ||
== नक्शा प्रतिनिधित्व == | == नक्शा प्रतिनिधित्व == | ||
मानचित्र का आंतरिक प्रतिनिधित्व मैट्रिक या टोपोलॉजिकल हो सकता है:<ref>[[Sebastian Thrun|Thrun, Sebastian]]. "[https://core.ac.uk/download/pdf/82741752.pdf Learning metric-topological maps for indoor mobile robot navigation]." Artificial Intelligence 99.1 (1998): 21-71.</ref> *मीट्रिक ढांचा मनुष्यों के लिए सबसे आम है और यह दो आयामी स्थान पर विचार करता है जिसमें यह वस्तुओं को रखता है। वस्तुओं को सटीक निर्देशांक के साथ रखा गया है। यह प्रतिनिधित्व बहुत उपयोगी है, लेकिन शोर के प्रति संवेदनशील है और दूरियों की सटीक गणना करना मुश्किल है। | मानचित्र का आंतरिक प्रतिनिधित्व मैट्रिक या टोपोलॉजिकल हो सकता है:<ref>[[Sebastian Thrun|Thrun, Sebastian]]. "[https://core.ac.uk/download/pdf/82741752.pdf Learning metric-topological maps for indoor mobile robot navigation]." Artificial Intelligence 99.1 (1998): 21-71.</ref> *मीट्रिक ढांचा मनुष्यों के लिए सबसे आम है और यह दो आयामी स्थान पर विचार करता है जिसमें यह वस्तुओं को रखता है। वस्तुओं को सटीक निर्देशांक के साथ रखा गया है। यह प्रतिनिधित्व बहुत उपयोगी है, लेकिन शोर के प्रति संवेदनशील है और दूरियों की सटीक गणना करना मुश्किल है। | ||
*टोपोलॉजिकल फ्रेमवर्क केवल उनके बीच स्थानों और संबंधों पर विचार करता है। प्राय: स्थानों के बीच की दूरियाँ संचित हो जाती हैं। मानचित्र तब | *टोपोलॉजिकल फ्रेमवर्क केवल उनके बीच स्थानों और संबंधों पर विचार करता है। प्राय: स्थानों के बीच की दूरियाँ संचित हो जाती हैं। मानचित्र तब ग्राफ़ (असतत गणित) है, जिसमें नोड्स स्थानों से मेल खाते हैं और चाप पथों के अनुरूप होते हैं। | ||
अनिश्चितता को संभालने के लिए कई तकनीकें मानचित्र के संभाव्य निरूपण का उपयोग करती हैं। | अनिश्चितता को संभालने के लिए कई तकनीकें मानचित्र के संभाव्य निरूपण का उपयोग करती हैं। | ||
मानचित्र निरूपण की तीन मुख्य विधियाँ हैं, अर्थात् मुक्त स्थान मानचित्र, वस्तु मानचित्र और मिश्रित मानचित्र। ये | मानचित्र निरूपण की तीन मुख्य विधियाँ हैं, अर्थात् मुक्त स्थान मानचित्र, वस्तु मानचित्र और मिश्रित मानचित्र। ये ग्रिड की धारणा को नियोजित करते हैं, लेकिन ग्रिड के रिज़ॉल्यूशन को अलग-अलग करने की अनुमति देते हैं ताकि यह बेहतर हो सके जहां अधिक सटीकता की आवश्यकता हो और जहां नक्शा समान हो वहां अधिक मोटा हो। | ||
== मैप लर्निंग == | == मैप लर्निंग == | ||
नक्शा सीखने को स्थानीयकरण प्रक्रिया से अलग नहीं किया जा सकता है, और स्थानीयकरण में त्रुटियों को मानचित्र में शामिल किए जाने पर कठिनाई उत्पन्न होती है। इस समस्या को आमतौर पर [[एक साथ स्थानीयकरण और मानचित्रण]] (एसएलएएम) के रूप में जाना जाता है। | नक्शा सीखने को स्थानीयकरण प्रक्रिया से अलग नहीं किया जा सकता है, और स्थानीयकरण में त्रुटियों को मानचित्र में शामिल किए जाने पर कठिनाई उत्पन्न होती है। इस समस्या को आमतौर पर [[एक साथ स्थानीयकरण और मानचित्रण|साथ स्थानीयकरण और मानचित्रण]] (एसएलएएम) के रूप में जाना जाता है। | ||
एक महत्वपूर्ण अतिरिक्त समस्या यह निर्धारित करना है कि क्या रोबोट पर्यावरण के | एक महत्वपूर्ण अतिरिक्त समस्या यह निर्धारित करना है कि क्या रोबोट पर्यावरण के हिस्से में पहले से संग्रहीत है या कभी नहीं गया है। इस समस्या को हल करने का तरीका [[इलेक्ट्रिक बीकन]], [[ नजदीक फील्ड संचार |नजदीक फील्ड संचार]] (एनएफसी), [[ Wifi |Wifi]] , [[ दृश्यमान प्रकाश संचार |दृश्यमान प्रकाश संचार]] (वीएलसी) और लाई-फाई और [[ब्लूटूथ]] का उपयोग करना है।<ref>{{Cite web|url=https://www.indooratlas.com/|title=स्मार्ट इनडोर स्पेस बनाने में आपका साथी|website=IndoorAtlas}}</ref> | ||
== पथ नियोजन == | == पथ नियोजन == | ||
[[ गति योजना ]] | [[ गति योजना | गति योजना]] महत्वपूर्ण मुद्दा है क्योंकि यह रोबोट को बिंदु A से बिंदु B तक जाने की अनुमति देता है। पथ नियोजन एल्गोरिदम को उनकी कम्प्यूटेशनल जटिलता द्वारा मापा जाता है। रीयल-टाइम मोशन प्लानिंग की व्यवहार्यता मानचित्र (या [[ मंजिल की योजना |मंजिल की योजना]] ) की सटीकता, रोबोट स्थानीयकरण और बाधाओं की संख्या पर निर्भर है। टोपोलॉजिकल रूप से, पथ नियोजन की समस्या ग्राफ़ (असतत गणित) में दो नोड्स के बीच मार्ग खोजने की [[सबसे छोटी पथ समस्या]] से संबंधित है। | ||
== रोबोट नेविगेशन | == रोबोट नेविगेशन == | ||
{{main|Robot navigation}} | {{main|Robot navigation}} | ||
[[ मोटर वाहन नेविगेशन प्रणाली ]] के समान आउटडोर रोबोट जीपीएस का उपयोग कर सकते हैं। | [[ मोटर वाहन नेविगेशन प्रणाली | मोटर वाहन नेविगेशन प्रणाली]] के समान आउटडोर रोबोट जीपीएस का उपयोग कर सकते हैं। | ||
स्थानीयकरण वायरलेस हार्डवेयर के साथ संयुक्त इनडोर रोबोट के लिए मानचित्रों के बजाय वैकल्पिक प्रणालियों का उपयोग फ्लोर प्लान और बीकन के साथ किया जा सकता है।<ref>{{cite web|url = http://ijme.us/issues/spring2014/Z__IJME%20spring%202014%20v14%20n2%20(PDW-3).pdf#page=30|title = इंडोर पोजिशनिंग के लिए एक ऑटोनॉमस पैसिव RFID- असिस्टेड मोबाइल रोबोट सिस्टम|access-date = 19 October 2015}}</ref> इलेक्ट्रिक बीकन सस्ते रोबोट नेविगेशनल सिस्टम के लिए मदद कर सकते हैं। | स्थानीयकरण वायरलेस हार्डवेयर के साथ संयुक्त इनडोर रोबोट के लिए मानचित्रों के बजाय वैकल्पिक प्रणालियों का उपयोग फ्लोर प्लान और बीकन के साथ किया जा सकता है।<ref>{{cite web|url = http://ijme.us/issues/spring2014/Z__IJME%20spring%202014%20v14%20n2%20(PDW-3).pdf#page=30|title = इंडोर पोजिशनिंग के लिए एक ऑटोनॉमस पैसिव RFID- असिस्टेड मोबाइल रोबोट सिस्टम|access-date = 19 October 2015}}</ref> इलेक्ट्रिक बीकन सस्ते रोबोट नेविगेशनल सिस्टम के लिए मदद कर सकते हैं। | ||
| Line 54: | Line 53: | ||
* [[अधिभोग ग्रिड]] | * [[अधिभोग ग्रिड]] | ||
* एक साथ स्थानीयकरण और मानचित्रण (SLAM) | * एक साथ स्थानीयकरण और मानचित्रण (SLAM) | ||
* [[मल्टी ऑटोनॉमस ग्राउंड-रोबोटिक इंटरनेशनल चैलेंज]]: | * [[मल्टी ऑटोनॉमस ग्राउंड-रोबोटिक इंटरनेशनल चैलेंज]]: बड़ी गतिशील शहरी वातावरण को सहयोगी रूप से मैप करने के लिए कई वाहनों की आवश्यकता वाली चुनौती | ||
* [[वेफ़ाइंडिंग]] | * [[वेफ़ाइंडिंग]] | ||
* [[वाई-फाई पोजिशनिंग सिस्टम]] (डब्ल्यूपीएस) | * [[वाई-फाई पोजिशनिंग सिस्टम]] (डब्ल्यूपीएस) | ||
Revision as of 09:49, 23 June 2023
रोबोटिक मैपिंग कंप्यूटर दृष्टि से संबंधित अनुशासन है[1] और नक्शानवीसी। स्वायत्त रोबोट के लिए लक्ष्य नक्शा (बाहरी उपयोग) या फर्श योजना (इनडोर उपयोग) का निर्माण (या उपयोग) करने में सक्षम होना है और खुद को और इसके रिचार्जिंग बेस या बीकन को स्थानीय बनाना है। रोबोटिक मैपिंग वह शाखा है जो किसी मानचित्र/योजना में और कभी-कभी खुद को स्थानीय बनाने की क्षमता के अध्ययन और अनुप्रयोग से संबंधित है स्वायत्त रोबोट द्वारा मानचित्र या फर्श योजना का निर्माण।
कुछ जानवरों को जीवित रखने के लिए क्रमिक रूप से आकार की अंधी कार्रवाई पर्याप्त हो सकती है। उदाहरण के लिए कुछ कीड़ों के लिए, पर्यावरण को मानचित्र के रूप में व्याख्या नहीं किया जाता है, और वे केवल ट्रिगर प्रतिक्रिया के साथ ही जीवित रहते हैं। थोड़ी अधिक विस्तृत नेविगेशन रणनीति नाटकीय रूप से रोबोट की क्षमताओं को बढ़ाती है। संज्ञानात्मक मानचित्र नियोजन क्षमताओं और वर्तमान धारणाओं, याद की गई घटनाओं और अपेक्षित परिणामों के उपयोग को सक्षम करते हैं।
ऑपरेशन
रोबोट के पास जानकारी के दो स्रोत हैं: इडियोथेटिक और allothetic स्रोत। जब गति में होता है, तो रोबोट मृत गणना विधियों का उपयोग कर सकता है जैसे कि उसके पहियों के क्रांतियों की संख्या पर नज़र रखना; यह मूर्खतापूर्ण स्रोत से मेल खाता है और रोबोट की पूर्ण स्थिति दे सकता है, लेकिन यह संचयी त्रुटि के अधीन है जो तेजी से बढ़ सकता है।
एलोथेटिक स्रोत रोबोट के सेंसर से मेल खाता है, जैसे कैमरा, माइक्रोफोन, लेज़र , LIDAR का या सोनार। समस्या यहाँ अवधारणात्मक अलियासिंग है। इसका मतलब है कि दो अलग-अलग जगहों को ही माना जा सकता है। उदाहरण के लिए, इमारत में, पूरी तरह से दृश्य जानकारी के साथ स्थान निर्धारित करना लगभग असंभव है, क्योंकि सभी गलियारे समान दिख सकते हैं।[2] रेंज इमेजिंग सेंसर का उपयोग करके रोबोट के पर्यावरण के 3-आयामी मॉडल तैयार किए जा सकते हैं[3] या 3डी स्कैनर।[4][5]
नक्शा प्रतिनिधित्व
मानचित्र का आंतरिक प्रतिनिधित्व मैट्रिक या टोपोलॉजिकल हो सकता है:[6] *मीट्रिक ढांचा मनुष्यों के लिए सबसे आम है और यह दो आयामी स्थान पर विचार करता है जिसमें यह वस्तुओं को रखता है। वस्तुओं को सटीक निर्देशांक के साथ रखा गया है। यह प्रतिनिधित्व बहुत उपयोगी है, लेकिन शोर के प्रति संवेदनशील है और दूरियों की सटीक गणना करना मुश्किल है।
- टोपोलॉजिकल फ्रेमवर्क केवल उनके बीच स्थानों और संबंधों पर विचार करता है। प्राय: स्थानों के बीच की दूरियाँ संचित हो जाती हैं। मानचित्र तब ग्राफ़ (असतत गणित) है, जिसमें नोड्स स्थानों से मेल खाते हैं और चाप पथों के अनुरूप होते हैं।
अनिश्चितता को संभालने के लिए कई तकनीकें मानचित्र के संभाव्य निरूपण का उपयोग करती हैं।
मानचित्र निरूपण की तीन मुख्य विधियाँ हैं, अर्थात् मुक्त स्थान मानचित्र, वस्तु मानचित्र और मिश्रित मानचित्र। ये ग्रिड की धारणा को नियोजित करते हैं, लेकिन ग्रिड के रिज़ॉल्यूशन को अलग-अलग करने की अनुमति देते हैं ताकि यह बेहतर हो सके जहां अधिक सटीकता की आवश्यकता हो और जहां नक्शा समान हो वहां अधिक मोटा हो।
मैप लर्निंग
नक्शा सीखने को स्थानीयकरण प्रक्रिया से अलग नहीं किया जा सकता है, और स्थानीयकरण में त्रुटियों को मानचित्र में शामिल किए जाने पर कठिनाई उत्पन्न होती है। इस समस्या को आमतौर पर साथ स्थानीयकरण और मानचित्रण (एसएलएएम) के रूप में जाना जाता है।
एक महत्वपूर्ण अतिरिक्त समस्या यह निर्धारित करना है कि क्या रोबोट पर्यावरण के हिस्से में पहले से संग्रहीत है या कभी नहीं गया है। इस समस्या को हल करने का तरीका इलेक्ट्रिक बीकन, नजदीक फील्ड संचार (एनएफसी), Wifi , दृश्यमान प्रकाश संचार (वीएलसी) और लाई-फाई और ब्लूटूथ का उपयोग करना है।[7]
पथ नियोजन
गति योजना महत्वपूर्ण मुद्दा है क्योंकि यह रोबोट को बिंदु A से बिंदु B तक जाने की अनुमति देता है। पथ नियोजन एल्गोरिदम को उनकी कम्प्यूटेशनल जटिलता द्वारा मापा जाता है। रीयल-टाइम मोशन प्लानिंग की व्यवहार्यता मानचित्र (या मंजिल की योजना ) की सटीकता, रोबोट स्थानीयकरण और बाधाओं की संख्या पर निर्भर है। टोपोलॉजिकल रूप से, पथ नियोजन की समस्या ग्राफ़ (असतत गणित) में दो नोड्स के बीच मार्ग खोजने की सबसे छोटी पथ समस्या से संबंधित है।
रोबोट नेविगेशन
मोटर वाहन नेविगेशन प्रणाली के समान आउटडोर रोबोट जीपीएस का उपयोग कर सकते हैं।
स्थानीयकरण वायरलेस हार्डवेयर के साथ संयुक्त इनडोर रोबोट के लिए मानचित्रों के बजाय वैकल्पिक प्रणालियों का उपयोग फ्लोर प्लान और बीकन के साथ किया जा सकता है।[8] इलेक्ट्रिक बीकन सस्ते रोबोट नेविगेशनल सिस्टम के लिए मदद कर सकते हैं।
यह भी देखें
- ऑटोमोटिव नेविगेशन सिस्टम
- घरेलू रोबोट
- एवीएम नेविगेटर
- मृत गणना
- इलेक्ट्रिक बीकन
- GPS
- बुजुर्गों और विकलांगों के लिए होम ऑटोमेशन
- चीजों की इंटरनेट (IoT)
- इंडोर पोजिशनिंग सिस्टम
- मानचित्र डेटाबेस प्रबंधन
- भूलभुलैया सिम्युलेटर
- मोबाइल रोबोट
- नीटो रोबोटिक्स
- पेट्रोलबॉट
- रीयल-टाइम लोकेटिंग सिस्टम (आरटीएलएस)।
- रोबोटिक्स सूट
- अधिभोग ग्रिड
- एक साथ स्थानीयकरण और मानचित्रण (SLAM)
- मल्टी ऑटोनॉमस ग्राउंड-रोबोटिक इंटरनेशनल चैलेंज: बड़ी गतिशील शहरी वातावरण को सहयोगी रूप से मैप करने के लिए कई वाहनों की आवश्यकता वाली चुनौती
- वेफ़ाइंडिंग
- वाई-फाई पोजिशनिंग सिस्टम (डब्ल्यूपीएस)
संदर्भ
- ↑ Fernández-Madrigal, Juan-Antonio (30 September 2012). Simultaneous Localization and Mapping for Mobile Robots: Introduction and Methods: Introduction and Methods. IGI Global. ISBN 978-1-4666-2105-3.
- ↑ Filliat, David, and Jean-Arcady Meyer. "Map-based navigation in mobile robots:: I. a review of localization strategies." Cognitive Systems Research 4.4 (2003): 243-282.
- ↑ Jensen, Björn, et al. Laser range imaging using mobile robots: From pose estimation to 3D-models. ETH-Zürich, 2005, 2005.
- ↑ Surmann, Hartmut, Andreas Nüchter, and Joachim Hertzberg. "An autonomous mobile robot with a 3D laser range finder for 3D exploration and digitalization of indoor environments." Robotics and Autonomous Systems 45.3-4 (2003): 181-198.
- ↑ Malik, Aamir Saeed (30 November 2011). Depth Map and 3D Imaging Applications: Algorithms and Technologies: Algorithms and Technologies. IGI Global. ISBN 978-1-61350-327-0.
- ↑ Thrun, Sebastian. "Learning metric-topological maps for indoor mobile robot navigation." Artificial Intelligence 99.1 (1998): 21-71.
- ↑ "स्मार्ट इनडोर स्पेस बनाने में आपका साथी". IndoorAtlas.
- ↑ "इंडोर पोजिशनिंग के लिए एक ऑटोनॉमस पैसिव RFID- असिस्टेड मोबाइल रोबोट सिस्टम" (PDF). Retrieved 19 October 2015.
| Main articles |  | |
|---|---|---|
| Types | ||
| Classifications | ||
| Locomotion | ||
| Research | ||
| Related | ||
