La localización y cartografía simultáneas (SLAM) es una técnica de navegación y percepción que permite a los sistemas autónomos estimar su posición al tiempo que crean un mapa de un entorno desconocido o parcialmente cartografiado. Entre sus aplicaciones más habituales se incluyen la navegación autónoma, la cartografía del entorno, la evitación de obstáculos y el funcionamiento en entornos con señal GNSS degradada.
En esta página se presentan proveedores de tecnología SLAM para drones, UAV, UGV, robots móviles y vehículos submarinos.
Soluciones de cartografía LiDAR y SLAM de alta precisión para drones y sistemas autónomos
Sistemas de posicionamiento GNSS, SLAM 3D y cartografía móvil, vehículos de superficie no tripulados
Sistemas de posicionamiento y navegación GNSS, cartografía móvil UAV LiDAR y vehículos de superficie no tripulados
Si diseñas, construyes o suministras Localización y cartografía simultáneas (SLAM), Crea un perfil para mostrar tus capacidades y conectar con visitantes que tengan una necesidad real de tus soluciones.
La localización y cartografía simultáneas (SLAM) es una técnica de navegación y percepción que permite a un robot o a un vehículo autónomo estimar su posición al tiempo que elabora un mapa de un entorno desconocido o parcialmente cartografiado. La localización y cartografía SLAM resultan especialmente valiosas cuando no se dispone de un posicionamiento externo fiable, este es intermitente o resulta insuficiente para un funcionamiento autónomo preciso.
En el caso de los drones, los vehículos terrestres no tripulados (UGV), los robots móviles y los sistemas submarinos, la tecnología SLAM puede combinar datos procedentes de cámaras, sistemas de detección y medición de distancias por luz (LiDAR), sensores inerciales, radares, sensores de profundidad y otras fuentes para facilitar la navegación en tiempo real y la comprensión del entorno. Por lo tanto, el SLAM para drones y sistemas robóticos resulta especialmente útil en entornos interiores, subterráneos, urbanos, submarinos y otros en los que no se dispone de GPS o en los que la señal del GNSS es deficiente.
Localización y cartografía simultáneas, SLAM, SL9 de SatLab.
Los sistemas SLAM combinan la localización, la cartografía, la estimación del movimiento y la percepción del entorno para facilitar el desplazamiento autónomo por zonas previamente desconocidas o cartografiadas solo parcialmente.
En conjunto, estas funciones permiten a las plataformas autónomas mantener la conciencia tanto de su propio movimiento como del entorno que las rodea mientras operan.
El SLAM con LiDAR utiliza mediciones de escáneres láser para estimar el movimiento del vehículo al tiempo que construye mapas geométricos del entorno circundante. Los escaneos sucesivos del LiDAR pueden alinearse mediante la coincidencia de escaneos o el registro de nubes de puntos, lo que permite a un mapeador SLAM seguir el movimiento y construir progresivamente representaciones detalladas en 2D o 3D de la zona. Este enfoque resulta muy adecuado para drones, robots terrestres y vehículos autónomos que operan en entornos con características geométricas suficientemente diferenciadas.
El SLAM visual utiliza imágenes de una o varias cámaras para identificar y seguir las características del entorno, al tiempo que estima el movimiento de la cámara a lo largo de la escena. Las configuraciones de cámara SLAM monoculares, estéreo y de otro tipo pueden proporcionar una percepción relativamente ligera para plataformas no tripuladas en las que el tamaño de la carga útil y la potencia son limitados, mientras que un dron con SLAM visual puede utilizar las características del entorno para la localización durante el vuelo en interiores, la inspección y la navegación alrededor de estructuras.
El SLAM visual-inercial combina las observaciones de la cámara con las mediciones de una unidad de medición inercial (IMU), lo que permite que las ventajas de cada método de detección se complementen entre sí. Los datos inerciales proporcionan información de movimiento a corto plazo y a alta frecuencia, mientras que las observaciones visuales ayudan a limitar la deriva acumulada, lo que hace que este enfoque resulte especialmente útil para la navegación SLAM con drones, en la que las cámaras compactas y las IMU pueden ofrecer un equilibrio eficaz entre peso, frecuencia de actualización y percepción del entorno.
El SLAM inercial-LiDAR combina las mediciones del LiDAR con los datos inerciales para mejorar la estimación del movimiento durante los desplazamientos rápidos y entre escaneos láser sucesivos. La IMU proporciona mediciones de alta frecuencia de rotación y aceleración, mientras que el LiDAR aporta información geométrica del entorno circundante, creando una combinación capaz de dar soporte al SLAM de vehículos aéreos no tripulados (UAV), la robótica móvil, el SLAM de vehículos autónomos y otros sistemas que requieren una localización 3D robusta.
El SLAM RGB-D utiliza cámaras que proporcionan tanto imágenes en color como información de profundidad por píxel, lo que permite al sistema reconstruir el aspecto visual y la geometría tridimensional de la escena al mismo tiempo. Las mediciones directas de profundidad pueden simplificar la cartografía densa en distancias relativamente cortas, lo que hace que los sistemas RGB-D resulten especialmente adecuados para la robótica en interiores, la inspección de espacios reducidos y otras aplicaciones en las que el alcance operativo del sensor de profundidad sea suficiente.
El SLAM por radar utiliza señales de radiofrecuencia reflejadas para estimar el movimiento y cartografiar las características del entorno, lo que ofrece una opción de detección que no depende de la iluminación visible. El radar puede funcionar en la oscuridad y puede mantener un rendimiento útil en presencia de polvo, niebla, humo y otras condiciones que reducen la eficacia de la detección óptica, lo que le permite complementar a las cámaras o al LiDAR en sistemas no tripulados diseñados para entornos difíciles.
Localización y cartografía simultáneas (SLAM), C01 SLAM LiDAR de SKYLANDX.
El SLAM multisensor combina mediciones procedentes de diversas tecnologías de detección, como el LiDAR, las cámaras, el radar, las IMU, los receptores GNSS o la odometría del vehículo, de modo que las deficiencias de una fuente de datos puedan compensarse con la información de otra. La fusión de sensores puede mejorar la continuidad cuando los sensores individuales dejan de ser fiables, al tiempo que proporciona información complementaria geométrica, visual, de movimiento y de posición absoluta, lo cual resulta especialmente útil para los sistemas autónomos que operan en diversos entornos, tanto interiores como exteriores.
La elección de los sensores influye en el alcance, la precisión, la idoneidad ambiental, los requisitos de carga útil y las exigencias computacionales de un sistema SLAM, por lo que las combinaciones de sensores se seleccionan en función tanto del vehículo como de su entorno operativo.
Las combinaciones de sensores se seleccionan en función del entorno operativo, la precisión de localización requerida, la dinámica del vehículo y las limitaciones en cuanto a tamaño, peso, potencia y capacidad de procesamiento.
El SLAM para drones permite el vuelo autónomo en zonas en las que el GNSS no puede proporcionar una solución de navegación fiable, lo que permite a la aeronave estimar su posición con respecto a las superficies cercanas y a los elementos del entorno. La navegación de drones en interiores, la inspección de infraestructuras, la cartografía de almacenes, las operaciones en túneles y la navegación alrededor de edificios pueden utilizar el SLAM para drones, mientras que un sistema SLAM autónomo para drones también puede proporcionar información cartográfica al software de prevención de colisiones y de planificación de rutas. Los sistemas con múltiples UAV pueden ampliar aún más estas capacidades mediante la cartografía compartida o coordinada entre varias aeronaves.
La robótica SLAM se utiliza ampliamente para la navegación terrestre autónoma en almacenes, minas, túneles, instalaciones industriales y otros entornos en los que la infraestructura cartografiada o el posicionamiento por satélite pueden ser incompletos o no estar disponibles. Un robot SLAM puede crear o actualizar un mapa del entorno al tiempo que estima su propia posición dentro del mismo, lo que permite al software de navegación planificar rutas sorteando obstáculos; por su parte, una tecnología similar de cartografía y localización para vehículos autónomos es utilizada por robots de inspección, plataformas de búsqueda y rescate, vehículos terrestres no tripulados (UGV) de seguridad y otros sistemas robóticos móviles.
Los vehículos submarinos autónomos (AUV) y los vehículos operados a distancia (ROV) pueden utilizar SLAM para facilitar la localización y la cartografía en aquellos lugares donde las señales GNSS no penetran por debajo de la superficie del agua. El SLAM basado en sonar puede utilizar mediciones acústicas para identificar características del lecho marino, estructuras u otras referencias ambientales, mientras que los enfoques visuales-inerciales pueden emplearse cuando se dispone de visibilidad e iluminación adecuadas. Estas técnicas pueden complementar los sistemas de navegación inerciales, acústicos y basados en la velocidad durante la inspección submarina, la cartografía y las misiones submarinas autónomas.
El SLAM está estrechamente relacionado con varias técnicas de navegación y cartografía, aunque sus objetivos y resultados subyacentes difieren. Muchas de estas tecnologías también pueden funcionar como componentes dentro de una arquitectura SLAM más amplia.
| Tecnología | Función principal | Sensores típicos | Relación con SLAM |
| Odometría visual | Estima el movimiento relativo a partir de imágenes secuenciales | Cámaras monoculares o estereoscópicas | Pueden proporcionar estimaciones de movimiento dentro de un sistema SLAM visual, pero no construyen ni optimizan globalmente un mapa persistente. |
| Odometría LiDAR | Estima el movimiento mediante la comparación de escaneos láser sucesivos | LiDAR en 2D o 3D | A menudo forma parte del LiDAR SLAM, en el que un procesamiento SLAM más amplio incorpora la cartografía, el cierre de bucles y la optimización del mapa. |
| Navegación inercial | Estima la posición, la velocidad y la actitud a partir de mediciones inerciales | Acelerómetros y giroscopios | Proporcionan una estimación continua del movimiento, pero acumulan desviación, por lo que los datos inerciales se fusionan con frecuencia con los sensores SLAM. |
| Localización basada en GNSS | Proporciona la posición relativa a un sistema de referencia global | Receptor y antena GNSS | Proporcionan un posicionamiento absoluto cuando hay señales de satélite disponibles y también pueden utilizarse para refinar las soluciones SLAM. |
| Escaneo LiDAR en 3D | Captura mediciones geométricas de las superficies circundantes | Escáner LiDAR 3D | Genera datos de nube de puntos, pero un escáner no es, en sí mismo, un sistema SLAM. El SLAM añade la estimación continua de la pose y la alineación del mapa mientras el sensor se desplaza. |
Estas tecnologías suelen combinarse en lugar de utilizarse de forma aislada; por ejemplo, los sistemas SLAM para UAV pueden integrar odometría visual o LiDAR, navegación inercial y GNSS en una única arquitectura de navegación y cartografía.
La tecnología SLAM sigue desarrollándose a medida que la detección, la computación a bordo y la percepción autónoma ganan en capacidad, lo que permite a los sistemas funcionar durante períodos más prolongados y extraer más información de los entornos que cartografían.
En conjunto, estos avances están ampliando la localización y cartografía simultáneas, pasando de los sistemas de navegación individuales a un funcionamiento autónomo más persistente, distribuido y sensible al contexto.
Búsqueda de empresas y productos
