ORLM RECOMMANDE :
Redécouvez le plaisir d'un Mac tout neuf

Aujourd'hui, le US Patent & Trademark Office a publié une demande de brevet d'Apple concernant la cartographie et le suivi des informations de localisation avec un système informatique à apprentissage automatique. Plus particulièrement, mais à titre non limitatif, la présente invention concerne la mise en œuvre d'opérations d'apprentissage automatique qui surveillent la santé d'un système de visualisation virtuelle par inertie (VIO) , tel qu'un système de localisation et de cartographie simultanées (SLAM).

Les méthodes de vision par ordinateur impliquent souvent qu'un système informatique extrait et analyse des images numériques à partir d'un environnement réel afin de comprendre les contextes du monde réel et de prendre des décisions en fonction de ces contextes. La technologie SLAM, en particulier, implique de déterminer automatiquement la position et / ou l'orientation d'un dispositif par rapport à un environnement réel et de créer un modèle géométrique mis à l'échelle de l'environnement réel sans nécessiter de pré-connaissance de l'environnement.

La création du modèle géométrique mis à l'échelle de l'environnement réel peut également être qualifiée de reconstruction de l'environnement. L'utilisation de la technologie SLAM est pertinente pour de nombreuses applications, telles que la navigation dans un système robotique ou un système mobile, la reconstruction 3D, l'estimation de la pose de caméras et la prise en charge d'applications de réalité augmentée (RA) dans un environnement réel inconnu.

La technologie SLAM peut utiliser une ou plusieurs caméras et une ou plusieurs unités de mesure inertielle (IMU) pour suivre et mettre à jour une carte pour un environnement réel inconnu. Les caméras sont capables de capturer des images de l'environnement réel et les UMI sont capables de capturer des mesures relatives au système SLAM, telles que la force, l'accélération, la vitesse angulaire et / ou le champ magnétique.

La technologie SLAM s'appuie sur les informations obtenues à partir des images et des données IMU pour obtenir, en temps réel, la localisation et la cartographie avec une précision de positionnement relativement élevée. À partir d’un ensemble d’images temporelles et de données IMU, un système SLAM est généralement en mesure de déterminer sa position et son orientation à différents moments. Malheureusement, la précision des estimations de position et d'orientation peut varier en fonction de divers facteurs, tels que le contenu de l'image et les types de mouvements rencontrés par le système SLAM. Par conséquent, être capable de déterminer et d’indiquer aux utilisateurs et / ou aux autres composants du système que l’estimation de la précision de la position et de l’orientation est exacte ou est devenue inexacte est précieux pour les technologies basées sur la vision par ordinateur.

L'invention d'Apple couvre une méthode permettant de déterminer les valeurs de santé à partir d'une ou plusieurs mesures de caractéristiques Visual Inertial Odometry (VIO).



ORLM RECOMMANDE :

CleanMyMac 2
x

   RECHERCHER