GALoc: Gravity Aligned Wireframes for Depth-Free Monocular Floorplan Localization
يُعدُّ GALoc إطار عمل يعتمد على الهندسة أولاً لتحديد موقع المخططات الأرضية أحادي المنظور، حيث يستبدل التنبؤ بالعمق الهش بهياكل سلكية محاذية للجاذبية لتحقيق تحديد مواقع داخلي قوي وخالٍ من العمق عبر استيفاء قيود الرأسية والتسطح.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
داخل المبنى، لا تغير الجدران شكلها عندما تنطفئ الأضواء أو عند إعادة ترتيب الأثاث. هذا الاستقرار يجعل المخططات المعمارية أدوات قوية لمساعدة الحواسيب على معرفة مكان وجودها. فخلافاً للصور الفوتوغرافية، التي يمكن أن تبدو مختلفة تماماً اعتماداً على وقت اليوم أو الفوضى في الغرفة، فإن المخطط هو خريطة بسيطة وغير متغيرة للهيكل نفسه. لسنوات، حاول الباحثون استخدام هذه الخرائط لتوجيه الروبوتات وأجهزة الواقع المعزز، لكن معظم الطرق الموجودة تعتمد على خطوة هشة: فهي تحاول أولاً تخمين المسافة إلى كل جسم في المشهد باستخدام برمجيات معقدة. وهذا التخمين غالباً ما يفشل في الغرف الفوضوية حيث تسبب الكراسي والطاولات ارتباكاً للحاسوب، أو في المساحات الفارغة حيث لا يوجد نسيج (texture) للقياس عليه. والنتيجة هي نظام يعمل جيداً في الظروف المثالية ولكنه ينهار في العالم الحقيقي.
يتجاوز نهج جديد يسمى GALoc، طوره باحثون من GIST وKAIST وجامعة زيورخ للعلوم التطبيقية، لعبة التخمين هذه تماماً. فبدلاً من محاولة حساب مدى بعد كل شيء، يركز النظام على الخطوط المستقيمة والزوايا التي تحدد الجدران. إنه يعامل رؤية الكاميرا كمجموعة من الرسومات الهيكلية (wireframe sketches) التي يجب أن تلتزم بقوانين الفيزياء: الجدران عمودية، والأرضيات والأسقف مستوية. ومن خلال استخدام مستشعر يعرف اتجاه الأسفل (الجاذبية)، يمكن للنظام مواءمة هذه الرسومات الهيكلية رياضياً مع العالم الحقيقي دون الحاجة أبداً لمعرفة المسافة الدقيقة إلى الجدران. تسمح هذه الطريقة للحاسوب بمطابقة الرؤية من كاميرا واحدة مباشرة مع المخطط، وإيجاد موقعه بدقة عالية حتى عندما تكون الغرفة مزدحمة أو الإضاءة ضعيفة.
جوهر هذا الابتكار هو تحول في كيفية فهم الحاسوب للغرفة. الأنظمة التقليدية تعمل مثل شخص يحاول تقدير المسافة عن طريق تضييق عينيه، وهو أمر عرضة للخطأ. أما GALoc فيعمل كمهندس معماري يعرف أن الجدار يجب أن يقف مستقيماً وأن الأرضية يجب أن تكون مستوية. عندما ينظر النظام إلى غرفة، فإنه يحدد أولاً الوصلات حيث تلتقي الجدران بالسقف أو الأرضية. إذا كانت الكاميرا مائلة، فستظهر هذه الخطوط مائلة. يبحث النظام بعد ذلك عن الزاوية المحددة التي، إذا طُبقت على الكامسة، ستجعل كل تلك الخطوط عمودية تماماً وكل نقاط الأرضية مستوية تماماً. يقوم بذلك عبر اختبار آلاف الزوايا حتى يجد الزاوية التي تجعل القواعد الهندسية تتوافق مع بعضها البعض بشكل مثالي. وبمجرد أن يقوم النظام بـ "تعديل" الرؤية، فإنه يسقط الجدران على خريطة مسطحة من الأعلى، تماماً مثل النظر إلى مبنى من طائرة مروحية. ثم تتم مقارنة هذه الرؤية من الأعلى مع المخطط المعروف لتحديد موقع الكاميرا واتجاهها بدقة.
في اختبار هذه الطريقة، وجد الباحثون أنها تتفوق في الأماكن التي تعاني فيها الطرق الأخرى. لقد قيموا النظام باستخدام كل من البيئات المحاكات ومقاطع فيديو من العالم الحقيقي تم التقاطها في مكاتب وممرات طويلة. في مجموعة بيانات محاكاة تسمى Gibson، والتي تتميز برؤى واسعة للغرف، نجح النظام في تحديد موقع الكاميرا ضمن عُشر المتر على مدار تسلسل من 100 خطوة في 88 بالمائة من الحالات. وبالمقارنة، نجحت طريقة رائدة تعتمد على تقدير المسافة بنسبة 68 بالمائة فقط في نفس الظروف. ويصبح الفرق أكثر وضوحاً عندما يواجه النظام غرفة مليئة بالأثاث؛ فبينما يخطئ النهج القائم على المسافة غالباً في اعتبار الكرسي جداراً ويفقد طريقه، يتجاهل GALoc الفوضى لأنه يهتم فقط بالخطوط الهيكلية للغرفة. وعندما لا يستطيع النظام رؤية ما يكفي من الجدران لاتخاذ قرار، فإنه ببساطة يعترف بعدم اليقين بدلاً من التخمين بموقع خاطئ، مما يمنعه من الانحراف عن المسار.
اختبر الباحثون أيضاً النظام في مبانٍ حقيقية باستخدام هاتف ذكي قياسي. في مكتب مزدحم وممر طويل، تمكن النظام من تتبع الحركة بخطأ يقل عن نصف متر على طول المسار. ومع ذلك، سلطت الدراسة الضوء أيضاً على قصور حالي: يعتمد النظام على أداة يمكنها رسم الخطوط الهيكلية من صورة بدقة. في اختبارات العالم الحقيقي، عندما استخدم الباحثون أداة تلقائية لإيجاد الخطوط، كان النظام أقل دقة مما كان عليه عندما قاموا بتحديد الزوايا يدوياً. وهذا يشير إلى أن مستقبل هذه التكنولوجيا يعتمد أقل على رياضيات تحديد الموقع وأكثر على تحسين قدرة الحواسيب على رؤية ورسم الخطوط الهيكلية للغرفة بوضوح كما يفعل البشر. وإلى أن تصبح تلك الأداة أكثر قوة، يظل النظام حلاً قوياً ولكن متخصصاً يعمل بشكل أفضل عندما تكون الجدران مرئية والهندسة واضحة.
تثبت النتائج أن الحاسوب ليس بحاجة لمعرفة عمق الغرفة ليعرف مكانه. فمن خلال الاعتماد على الهندسة الصارمة للعمارة وقوة جذب الجاذبية المستمرة، يحقق النظام مستوى من الاستقرار لا تستطيع الأساليب القائمة على المسافة مضاهاته. إنه يثبت أنه بالنسبة للملاحة الداخلية، فإن فهم شكل المساحة غالباً ما يكون أكثر أهمية من قياس المسافة إلى كل جسم داخلها. ومع تحسن الأدوات المخصة للكشف عن هذه الخطوط الهيكلية، يمكن أن يصبح هذا النهج المتوافق مع الجاذبية معياراً للأجهزة للتنقل في المساحات الداخلية المعقدة والمزدحمة في حياتنا اليومية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.