WiMi Hologram Cloud Inc. kondigde de ontwikkeling aan van een HV-SLAM passief navigatiesysteem op basis van holografische vizieren. HV-SLAM van WiMi is passieve navigatie, een technologische toepassing van zelfrijdende positionering. HV-SLAM is cruciaal voor de mobiliteit en interactiemogelijkheden van intelligente apparaten zoals drones, omdat het de basis vormt voor dergelijke vermogens: weten waar je bent, weten hoe de omgeving is, en dus weten wat je autonoom moet doen.

Men kan stellen dat elk intelligent lichaam met mobiliteit een vorm van SLAM-systeem heeft. HV-SLAM van WiMi verwerft zijn beelden via een dieptecamera. De dieptecamera bevat drie kerncomponenten: een laserprojector, een DOE, en een infraroodcamera.

Hun rol is om het systeem te helpen een 3D holografische kaart te vormen zodat het apparaat beter zijn koers kan bepalen en op een intelligente manier kan bewegen. Als mensen bijvoorbeeld in een onbekende omgeving komen en zich vertrouwd willen maken met de omgeving en snel taken willen uitvoeren, dan zal het systeem het volgende moeten doen: Kenmerkextractie: het verkrijgen van informatie zoals de omgeving met de sensor en het vastleggen van de kenmerkgegevens. Kaartconstructie: Op basis van de door de Sensor verkregen informatie worden de omgevingskenmerken in het systeem geconstrueerd in de vorm van een 3D holografische kaart.

Dynamische kalibratie en aanpassing: tijdens de beweging worden voortdurend nieuwe herkenningspunten verworven en wordt het 3D holografische kaartmodel in het systeem gecorrigeerd. Annotatie van het traject: bepaling van de positie op basis van de oriëntatiepunten die tijdens de vorige bewegingsperiode zijn verworven. Detectie van lussluiting: controleren of de lussen kunnen worden gesloten en veilig kunnen worden teruggestuurd.

Het algoritme van HV-SLAM bouwt in realtime een holografische 3D-wereldkaart en volgt de positie en oriëntatie van de camera. Door CNN's te combineren met deep learning kan het systeem passieve positienavigatie zelf corrigeren. HV-SLAM richt zich op geometrie en ruimte, terwijl deep learning objecten waarneemt en herkent om advies te geven.

De op visuele SLAM toegepaste computer vision-technologieën omvatten het detecteren, beschrijven en matchen van saillante kenmerken, beeldherkenning, terugvinden, enz.