මෑත වසරවලදී, විවිධ පරිසරවල වස්තූන් ග්‍රහණය කර ගැනීම, හැසිරවීම සහ හඳුනාගැනීම වැනි සංකීර්ණ කාර්යයන් ඉටු කිරීමට හැකියාව ඇති බුද්ධිමත් යන්ත්‍ර සංවර්ධනය කිරීමේදී රොබෝ විද්‍යාව ක්ෂේත්‍රය සැලකිය යුතු ප්‍රගතියක් ලබා ඇත. වැඩි අවධානයක් දිනාගත් පර්යේෂණ ක්ෂේත්‍රයක් වන්නේ ත්‍රිමාණ දෘශ්‍ය අනුපිළිවෙලක් නොමැති ග්‍රහණය කිරීමේ පද්ධති ය. ව්‍යුහගත නොවන පරිසරයක් තුළ විවිධ හැඩයන්, ප්‍රමාණයන් සහ වයනය ඇති වස්තූන් අහුලා ගන්නා ආකාරය ඉගෙන ගැනීම මෙම පද්ධතිවල අරමුණයි. මෙම ලිපියෙන්, අපි කාර්යක්ෂම ත්‍රිමාණ දෘශ්‍ය අනුපිළිවෙලකින් තොරව ග්‍රහණය කිරීමේ පද්ධතියක් සංවර්ධනය කිරීම සඳහා ප්‍රධාන වින්‍යාස ලක්ෂ්‍ය ගවේෂණය කරන්නෙමු.
1. ගැඹුර සංවේදක
a සඳහා පළමු සහ වඩාත්ම තීරණාත්මක වින්‍යාස ලක්ෂ්‍යයත්‍රිමාණ දෘශ්‍ය ග්‍රහණය කිරීමේ පද්ධතියගැඹුර සංවේදක වේ. ගැඹුරු සංවේදක යනු සංවේදකය සහ සංවේදනය වන වස්තුව අතර දුර ග්‍රහණය කර නිවැරදි සහ සවිස්තරාත්මක අවකාශීය තොරතුරු සපයන උපාංග වේ. LIDAR සහ ස්ටීරියෝ කැමරා ඇතුළු විවිධ වර්ගයේ ගැඹුර සංවේදක වෙළඳපොලේ ඇත.
LIDAR යනු දුර මැනීමට ලේසර් තාක්ෂණය භාවිතා කරන තවත් ජනප්‍රිය ගැඹුරු සංවේදකයකි. එය ලේසර් ස්පන්දන යවන අතර ලේසර් සංවේදනය වන වස්තුවෙන් ආපසු පැනීමට ගතවන කාලය මැන බලයි. LIDAR හට වස්තුවේ අධි-විභේදන ත්‍රිමාණ රූප සැපයිය හැකි අතර, එය සිතියම්ගත කිරීම, සංචාලනය සහ ග්‍රහණය කර ගැනීම වැනි යෙදුම් සඳහා වඩාත් සුදුසු වේ.
ස්ටීරියෝ කැමරා යනු එකිනෙකට යාබදව තබා ඇති කැමරා දෙකක් භාවිතයෙන් ත්‍රිමාණ තොරතුරු ග්‍රහණය කරන තවත් ගැඹුරු සංවේදකයකි. එක් එක් කැමරාව විසින් ග්‍රහණය කර ගන්නා ලද පින්තූර සංසන්දනය කිරීමෙන්, පද්ධතියට කැමරා සහ සංවේදී වස්තුව අතර දුර ගණනය කළ හැක. ස්ටීරියෝ කැමරා සැහැල්ලු, දැරිය හැකි සහ භාවිතා කිරීමට පහසු වන අතර, ඒවා ජංගම රොබෝවරුන් සඳහා ජනප්‍රිය තේරීමක් කරයි.
2. වස්තු හඳුනාගැනීමේ ඇල්ගොරිතම
ත්‍රිමාණ දෘශ්‍ය ග්‍රහණය කිරීමේ පද්ධතියක් සඳහා වන දෙවන තීරණාත්මක වින්‍යාස ලක්ෂ්‍යය වන්නේ වස්තු හඳුනාගැනීමේ ඇල්ගොරිතම වේ. මෙම ඇල්ගොරිතම මඟින් ඒවායේ හැඩය, ප්‍රමාණය සහ වයනය මත පදනම්ව විවිධ වස්තූන් හඳුනා ගැනීමට සහ වර්ගීකරණය කිරීමට පද්ධතියට හැකියාව ලැබේ. ලක්ෂ්‍ය වලාකුළු සැකසීම, මතුපිට ගැලපීම, විශේෂාංග ගැලපීම සහ ගැඹුරු ඉගෙනීම ඇතුළුව වස්තු හඳුනාගැනීමේ ඇල්ගොරිතම කිහිපයක් තිබේ.
Point cloud processing යනු ගැඹුරු සංවේදකය මගින් ග්‍රහණය කර ගන්නා 3D දත්ත ලක්ෂ්‍ය වලාකුළක් බවට පරිවර්තනය කරන ජනප්‍රිය වස්තු හඳුනාගැනීමේ ඇල්ගොරිතමයකි. එවිට පද්ධතිය සංවේදනය වන වස්තුවේ හැඩය සහ ප්‍රමාණය හඳුනා ගැනීම සඳහා ලක්ෂ්‍ය වලාකුළ විශ්ලේෂණය කරයි. මතුපිට ගැලපීම යනු වස්තුවේ අනන්‍යතාවය හඳුනා ගැනීම සඳහා කලින් දැන සිටි වස්තූන්ගේ පුස්තකාලයකට සංවේදනය වන වස්තුවේ ත්‍රිමාණ ආකෘතිය සංසන්දනය කරන තවත් ඇල්ගොරිතමයකි.
විශේෂාංග ගැලපීම යනු සංවේදනය වන වස්තුවේ කොන්, දාර සහ වක්‍ර වැනි ප්‍රධාන ලක්ෂණ හඳුනාගෙන ඒවා කලින් දැන සිටි වස්තූන්ගේ දත්ත ගබඩාවකට ගැළපෙන තවත් ඇල්ගොරිතමයකි. අවසාන වශයෙන්, ගැඹුරු ඉගෙනීම යනු වස්තූන් ඉගෙන ගැනීමට සහ හඳුනා ගැනීමට ස්නායුක ජාල භාවිතා කරන වස්තු හඳුනාගැනීමේ ඇල්ගොරිතමවල මෑතකාලීන වර්ධනයකි. ගැඹුරු ඉගෙනුම් ඇල්ගොරිතමවලට ඉහළ නිරවද්‍යතාවයකින් සහ වේගයකින් වස්තු හඳුනා ගත හැකි අතර ඒවා ග්‍රහණය කර ගැනීම වැනි තත්‍ය කාලීන යෙදුම් සඳහා වඩාත් සුදුසු වේ.
3. ග්‍රහණ ඇල්ගොරිතම
a සඳහා තුන්වන තීරණාත්මක වින්‍යාස ලක්ෂ්‍යයත්‍රිමාණ දෘශ්‍ය ග්‍රහණය කිරීමේ පද්ධතියග්‍රහණය කිරීමේ ඇල්ගොරිතම වේ. ග්‍රහණය කිරීමේ ඇල්ගොරිතම යනු රොබෝවරයාට සංවේදනය වන වස්තුව ලබා ගැනීමට සහ හැසිරවීමට හැකි වැඩසටහන් වේ. ග්‍රහණ සැලසුම් ඇල්ගොරිතම, ග්‍රහණ උත්පාදන ඇල්ගොරිතම සහ බල බෙදාහැරීමේ ඇල්ගොරිතම ඇතුළු ග්‍රහණය කිරීමේ ඇල්ගොරිතම වර්ග කිහිපයක් තිබේ.
ග්‍රහණ සැලසුම් ඇල්ගොරිතම එහි හැඩය සහ ප්‍රමාණය මත පදනම්ව සංවේදනය වන වස්තුව සඳහා අපේක්ෂක ග්‍රහණ ලැයිස්තුවක් ජනනය කරයි. පද්ධතිය එක් එක් ග්‍රහණයේ ස්ථායිතාව ඇගයීමට ලක් කර වඩාත්ම ස්ථායී එක තෝරා ගනී. ග්‍රහණ උත්පාදන ඇල්ගොරිතම මගින් පැහැදිලි සැලසුම් කිරීමේ අවශ්‍යතාවයකින් තොරව විවිධ වස්තු ග්‍රහණය කර ගන්නා ආකාරය සහ ග්‍රහණ උත්පාදනය කරන ආකාරය ඉගෙන ගැනීමට ගැඹුරු ඉගෙනුම් ශිල්පීය ක්‍රම භාවිතා කරයි.
බල බෙදා හැරීමේ ඇල්ගොරිතම යනු ප්‍රශස්ත ග්‍රහණය කිරීමේ බලය තීරණය කිරීම සඳහා වස්තුවේ බර සහ ව්‍යාප්තිය සැලකිල්ලට ගන්නා තවත් ග්‍රහණය කිරීමේ ඇල්ගොරිතමයකි. මෙම ඇල්ගොරිතම මඟින් රොබෝවරයාට බර සහ විශාල වස්තූන් පවා බිම නොතැබිය හැකි බව සහතික කළ හැකිය.
4. ග්රිපර්ස්
ත්‍රිමාණ දෘශ්‍ය ග්‍රහණය කිරීමේ පද්ධතියක් සඳහා අවසාන තීරණාත්මක වින්‍යාස ලක්ෂ්‍යය වන්නේ ග්‍රිපර් ය. ග්‍රිපර් යනු සංවේදී වන වස්තුව අහුලා හසුරුවන රොබෝ අතයි. සමාන්තර හකු ග්‍රිපර්, ඇඟිලි තුනේ ග්‍රිපර් සහ චූෂණ ග්‍රිපර් ඇතුළු ග්‍රිපර් වර්ග කිහිපයක් තිබේ.
සමාන්තර හකු ග්‍රිපර් යනු වස්තුව ග්‍රහණය කර ගැනීම සඳහා එකිනෙක දෙසට ගමන් කරන සමාන්තර හකු දෙකකින් සමන්විත වේ. ඒවා සරල සහ විශ්වාසදායක වන අතර, ඒවා තෝරා ගැනීම සහ ස්ථාන මෙහෙයුම් වැනි යෙදුම් සඳහා ජනප්‍රිය තේරීමක් කරයි. ඇඟිලි තුනේ ග්රිපර්ස් වඩාත් බහුකාර්ය වන අතර විවිධ හැඩයන් සහ ප්‍රමාණයේ වස්තූන් ග්‍රහණය කර ගත හැකිය. ඔවුන්ට වස්තුව භ්‍රමණය කිරීමට සහ හැසිරවීමටද හැකිය, ඒවා එකලස් කිරීම සහ හැසිරවීමේ කාර්යයන් සඳහා වඩාත් සුදුසු වේ.
චූෂණ ග්‍රිපර් රික්තක චූෂණ කෝප්ප භාවිතා කර සංවේදී වන වස්තුවට සම්බන්ධ කර එය ලබා ගනී. වීදුරු, ප්ලාස්ටික් සහ ලෝහ වැනි සුමට මතුපිටක් සහිත වස්තූන් හැසිරවීමට ඒවා සුදුසු ය.
අවසාන වශයෙන්, සංවර්ධනය කිරීම aත්‍රිමාණ දෘශ්‍ය අනුපිළිවෙලක් නොමැති ග්‍රහණය කිරීමේ පද්ධතියපද්ධතියේ ප්‍රධාන වින්‍යාස ලක්ෂ්‍යයන් ප්‍රවේශමෙන් සලකා බැලීම අවශ්‍ය වේ. මේවාට ගැඹුරු සංවේදක, වස්තු හඳුනාගැනීමේ ඇල්ගොරිතම, ග්‍රහණය කිරීමේ ඇල්ගොරිතම සහ ග්‍රිපර් ඇතුළත් වේ. මෙම එක් එක් වින්‍යාස ලක්ෂ්‍ය සඳහා වඩාත් සුදුසු සංරචක තෝරාගැනීමෙන්, පර්යේෂකයන්ට සහ ඉංජිනේරුවන්ට ව්‍යුහගත නොවන පරිසරයන් තුළ පුළුල් පරාසයක වස්තූන් හැසිරවිය හැකි කාර්යක්ෂම හා ඵලදායී ග්‍රහණය කිරීමේ පද්ධති සංවර්ධනය කළ හැකිය. නිෂ්පාදන, සැපයුම් සහ සෞඛ්‍ය සේවා වැනි විවිධ කර්මාන්තවල කාර්යක්ෂමතාව සහ ඵලදායිතාව වැඩිදියුණු කිරීමට මෙම පද්ධති සංවර්ධනය කිරීම විශාල හැකියාවක් ඇත.
පසු කාලය: සැප්-18-2024
