WiMi Hologram Cloud Inc. anunció el desarrollo de un sistema de navegación pasiva HV-SLAM basado en miras holográficas. El HV-SLAM de WiMi es un sistema de navegación pasiva, una aplicación tecnológica del posicionamiento autocrutable. El HV-SLAM es crucial para las capacidades de movilidad e interacción de dispositivos inteligentes como los drones, ya que representa la base de dichas capacidades: saber dónde se encuentran, conocer cómo es el entorno y, por tanto, saber qué hacer a continuación de forma autónoma.

Puede afirmarse que cualquier cuerpo inteligente con movilidad dispone de algún tipo de sistema SLAM. El HV-SLAM de WiMi adquiere sus imágenes a través de una cámara de profundidad. La cámara de profundidad contiene tres componentes principales: un proyector láser, un DOE y una cámara de infrarrojos.

Su función es ayudar al sistema a formar un mapa holográfico en 3D para que el dispositivo pueda determinar mejor su curso de acción y cómo moverse de forma inteligente. A modo de ejemplo, cuando las personas llegan a un entorno desconocido y quieren familiarizarse con el entorno y completar las tareas rápidamente, el sistema tendrá que hacer lo siguiente: Extracción de características: obtener información como el entorno circundante con el sensor y registrar los datos de las características. Construcción del mapa: Basándose en la información adquirida por el Sensor, las características del entorno se construyen en el sistema en forma de mapa holográfico en 3D.

Calibración y ajuste dinámicos: durante el movimiento, se adquieren continuamente nuevos puntos de referencia de características y se corrige el modelo del mapa holográfico 3D en el sistema. Anotación de la trayectoria: determinación de la posición basándose en los puntos de referencia adquiridos durante el periodo de movimiento anterior. Detección del cierre de bucles: comprobación de si los bucles pueden emparejarse y devolverse de forma segura.

El algoritmo de HV-SLAM construye un mapa holográfico del mundo en 3D en tiempo real y realiza un seguimiento de la posición y orientación de la cámara. Combinando las CNN con el aprendizaje profundo, el sistema puede autocorregir la navegación de posición pasiva. El HV-SLAM se centra en la geometría y el espacio, mientras que el aprendizaje profundo se ocupa de percibir y reconocer objetos para asesorar.

Las tecnologías de visión por ordenador aplicadas al SLAM visual incluyen la detección, descripción y correspondencia de características destacadas, el reconocimiento de imágenes, la recuperación, etc., lo que permite mejoras significativas de la eficiencia.