Sistema PRISM para Mapeamento de Terreno em Ambientes Não-Estruturados
Para realizar a navegação robótica em ambientes não-estruturados, é essencial ter uma percepção robusta da situação para evitar obstáculos como encostas rasas e terrenos rochosos. Para lidar com esse desafio, os sistemas de percepção vão cada vez mais depender da fusão multimodal de sensores. A combinação de imagem térmica com sensores ópticos e de profundidade melhora significativamente a diferenciação do terreno, diretamente melhorando a fidelidade dos algoritmos de mapeamento.
Essa notícia visa informar que
Sistema PRISM apresenta um sistema de percepção multimodal para mapeamento de terreno em ambientes não-estruturados, o qual utiliza uma suíte de sensores personalizados para capturar imagens RGB, profundidade e térmica (RGB-D-T) alinhadas.
A base do sistema PRISM é
OmniUnet, uma rede de transformador de visão especialmente projetada para segmentação semântica multimodal de terreno. Essa Rede foi validada usando dois datasets anotados recém-criados. Além disso, os autores realizaram experimentos físicos no terreno para mostrar a aplicabilidade prática de PRISM. Os resultados demonstraram a geração eficaz de mapas de trilha de forma autônoma através de um computador integrado. O sistema PRISM utiliza uma visão integrada que permite o processamento e a execução da percepção, e demonstra capacidade na geração de mapas em diferentes ambientes.
A integração de diferentes tecnologias de sensores, como imagem a cores e imagem a cores, foi utilizada para capturar a complexidade dos terrenos. Assim, PRISM melhora drasticamente a qualidade do mapa, e pode melhorar o desempenho de um sistema de navegação autônomo para evitar obstáculos.
O desafio na criação desse sistema de percepção multimodal é o de lidar com diferentes sensores para produzir um mapa consistente e preciso. O sistema OmniUnet é projetado para lidar com dados de diferentes sensores e para fornecer um mapa preciso.
O sistema PRISM também é projetado para executar em computadores embutidos e pode ser integrado a outros componentes de um sistema de navegação robótica. O sistema apresenta grande potencial para aplicações em que um sistema de navegação autônoma é necessário para explorar áreas desconhecidas.
Essa inovação pode ser utilizada em diferentes setores, como em missões espaciais, por exemplo, para que os rovers possam se deslocar de forma autônoma por terrenos hostis. O desafio de criar sistemas de percepção robustos para mapeamento de terrenos tem se mostrado um grande desafio para os pesquisadores.
O sistema PRISM pode ser uma importante ferramenta para lidar com desafios complexos de percepção em diferentes ambientes, e pode ser utilizado em diversas aplicações, proporcionando melhoria do mapeamento e da geração de dados.
Conclusão
O sistema PRISM apresentado aqui mostra como a combinação de diferentes sensores pode produzir um mapa preciso em ambientes não-estruturados. A integração de visão computacional na navegação autônoma também foi demonstrada para ser eficaz. As aplicações práticas podem ir desde missões espaciais até robôs industriais. Além disso, a inovação pode ser usada em qualquer área que envolva navegação autônoma em ambientes hostis.
