BEIJING, 28. September 2023 – WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” oder das “Unternehmen”), ein führender globaler Anbieter von Hologramm-Augmented-Reality-(“AR”)-Technologien, kündigte heute an, dass es semantische Informationen und Lidar-Technologie in den SLAM-Algorithmus integriert hat, um den lidarbasierten semantischen Segmentierungs-SLAM-Algorithmus in dynamischen Umgebungen zu erforschen. Durch die semantische Segmentierung können potenzielle sich bewegende Objekte in der Umgebung angezeigt werden, was dem SLAM-Algorithmus hilft, die sich bewegenden Objekte im Feature-Tracking- und Mapping-Modul herauszufiltern und so genauere Pose-Schätzungsergebnisse zu erhalten. Semantische Informationen werden als wichtige Informationen für Roboter angesehen, um von der Wahrnehmung zur kognitiven Intelligenz überzugehen. Semantisches SLAM ist ein wichtiger Ansatz zur Integration semantischer Informationen in die Umgebungsrepräsentation.
Der SLAM-Algorithmus für semantische Segmentierung basierend auf Lidar nutzt zunächst räumliche Aufmerksamkeitsnetzwerke für die semantische Segmentierung von Punktwolken. Das vollkonvolutionale neuronale Netz kann eine effiziente Merkmalsextraktion und -klassifizierung der Punktwolkendaten durchführen, was die Segmentierung verschiedener Objekte und Hintergründe in der Umgebung ermöglicht. Durch die semantische Segmentierung können wir Informationen über die sich bewegenden Objekte erhalten, die dabei helfen, die sich bewegenden Objekte im anschließenden Feature-Tracking- und Kartenerstellungsprozess herauszufiltern und so die Genauigkeit der Posenschätzung zu verbessern. Um das SLAM-Problem in dynamischen Umgebungen besser zu handhaben, wird darüber hinaus a-priori-Wissen eingeführt, um die Kategorisierungskriterien von Umweltelementen zu leiten. Durch die vollständige Nutzung des vorhandenen Umweltwissens können wir genauer bestimmen, welche Elemente in der Umgebung statisch und welche dynamisch sind. Diese Einführung von a-priori-Wissen kann die Genauigkeit der Identifizierung und Verfolgung dynamischer Elemente effektiv verbessern. Nach der Identifizierung der dynamischen Elemente können Gestenschätzung und semantische Graphenkonstruktion weiter realisiert werden. Die Gestenschätzung bezieht sich auf die Spekulation über die Position und Orientierung des Roboters in der Umgebung durch Analyse der Sensordaten. Die semantische Kartenerstellung nutzt andererseits bekannte Umgebungsmodelle und Ergebnisse der semantischen Segmentierung, um Karten zu generieren, die semantische Informationen enthalten. Der Abschluss dieser Schritte kann genaue Informationsunterstützung für intelligente Roboter bieten, um sich in dynamischen Umgebungen zu navigieren und Entscheidungen zu treffen.
Die Schlüsseltechnologiemodule des von WiMi vorgeschlagenen SLAM-Algorithmus basierend auf Lidar und semantischen Einschränkungen umfassen mehrere Aspekte wie Lidar-Datenverarbeitung, semantische Segmentierung, Trennung sich bewegender und statischer Objekte, Lagebestimmung und Kartenerstellung, die zusammenarbeiten, um die Herausforderungen von SLAM in dynamischen Umgebungen gemeinsam zu lösen und die Genauigkeit und Zuverlässigkeit der Umgebungswahrnehmung und Selbstlokalisierung zu verbessern.
Lidar-Datenverarbeitung: Lidar ist ein wichtiger Sensor zur Erfassung von 3D-Punktwolkendaten der Umgebung. Im SLAM-Algorithmus werden die Lidar-Daten mit Operationen wie Entrauschen, Filtern und Merkmalsextraktion vorverarbeitet. Diese Operationen zielen darauf ab, nützliche Merkmalsinformationen für die nachfolgenden Prozesse der Lagebestimmung und Kartenerstellung zu extrahieren.
Trennung sich bewegender und statischer Objekte: In dynamischen Umgebungen müssen dynamische Objekte von statischen Hintergründen getrennt werden. Dieser Schritt basiert in der Regel auf den Ergebnissen der semantischen Segmentierung und dem A-priori-Wissen, um dynamische Objekte von statischen Hintergründen zu unterscheiden, indem die Bewegungseigenschaften der Punktwolkendaten mit bekannten Umgebungsmodellen verglichen werden. Dies filtert den Einfluss dynamischer Objekte effektiv heraus und verbessert die Genauigkeit der Lagebestimmung und Kartenerstellung.
Lagebestimmung: Die Lagebestimmung wird verwendet, um die Position und Orientierung des Roboters in der Umgebung durch Analyse der Sensordaten abzuleiten. Der lidarbasierten SLAM-Algorithmus verwendet in der Regel Extended Kalman Filter (EKF) oder nichtlineare Optimierungsmethoden für die Lagebestimmung. Semantische Einschränkungsinformationen können verwendet werden, um den Prozess der Lagebestimmung einzuschränken und seine Genauigkeit und Robustheit zu verbessern.
Kartenerstellung: Die Kartenerstellung ist die Integration der in der Umgebung erworbenen Sensordaten in eine 3D-Karte. Der lidarbasierten SLAM-Algorithmus kann Karten generieren, die semantische Etiketten enthalten, indem Lidar-Daten mit semantischen Informationen integriert werden. Eine solche Karte kann mehr Informationen über die Struktur und Merkmale der Umgebung liefern und einen reicheren Kontext für die Navigation und Entscheidungsfindung intelligenter Roboter bieten.
Mit der Entwicklung von KI, 5G und IoT ist das Problem der Wahrnehmung und Lokalisierung intelligenter Roboter in dynamischen Umgebungen zu einem beliebten Forschungsgebiet geworden. WIMIs lidarbasierten SLAM-Algorithmus kombiniert die Techniken von FCN und semantischer Segmentierung, die die Herausforderungen von SLAM in dynamischen Umgebungen effektiv lösen können, und verfügt über die technischen Vorteile von Genauigkeit, Robustheit, Szenenverständnis und Echtzeitfähigkeit. Mit den Vorteilen von Genauigkeit, Robustheit, Szenenverständnis und Echtzeit hat es nicht nur wichtige Anwendungsperspektiven in den Bereichen industrielle Automatisierung, intelligenter Verkehr und Roboternavigation, sondern bietet auch eine starke Unterstützung für die Entwicklung intelligenter Roboter in der Zukunft, so dass intelligente Roboter in der Lage sein werden, in dynamischen Umgebungen ein höheres Niveau an Wahrnehmung, Verständnis und Reaktionsfähigkeiten zu erreichen und den Menschen mehr Komfort und Sicherheit im Leben zu bringen.
Über WIMI Hologram Cloud
WIMI Hologram Cloud, Inc. (NASDAQ: WIMI) ist ein umfassender technischer Lösungsanbieter für holographische Cloud-Dienste, der sich auf professionelle Bereiche konzentriert, darunter holographische AR-Automobil-HUD-Software, 3D-holographischer Puls-LiDAR, Kopfmontierte Light-Field-holographische Geräte, holographische Halbleiter, holographische Cloud-Software, holographische Auto-Navigation und andere. Seine Dienstleistungen und holographischen AR-Technologien umfassen holographische AR-Automobilanwendungen, 3D-holographischen Puls-LiDAR-Technologie, holographische Vision Halbleitertechnologie, holographische Softwareentwicklung, holographische AR-Werbetechnologie, holographische AR-Unterhaltungstechnologie, holographische ARSDK-Zahlung, interaktive holographische Kommunikation und andere holographische AR-Technologien.
Safe Harbor-Erklärungen
Diese Pressemitteilung enthält “zukunftsgerichtete Aussagen” im Sinne des Private Securities Litigation Reform Act von 1995. Diese zukunftsgerichteten Aussagen können anhand von Terminologie wie “wird”, “erwartet”, “antizipiert”, “Zukunft”, “beabsichtigt”, “plant”, “glaubt”, “schätzt” und ähnlichen Aussagen identifiziert werden. Aussagen, die keine historischen Fakten sind, einschließlich Aussagen über die Überzeugungen und Erwartungen des Unternehmens, sind zukunftsgerichtete Aussagen. Unter anderem enthalten die Geschäftsaussichten und Zitate des Managements in dieser Pressemitteilung sowie die Geschäftsstrategie und die operativen Pläne des Unternehmens zukunftsgerichtete Aussagen. Das Unternehmen kann auch schriftliche oder mündliche zukunftsgerichtete Aussagen in seinen regelmäßigen Berichten an die US-Börsenaufsichtsbehörde SEC auf den Formularen 20-F und 6-K, in seinem Jahresbericht an die Aktionäre, in Pressemitteilungen und anderen schriftlichen Materialien sowie in mündlichen Erklärungen seiner leitenden Angestellten, Direktoren oder Mitarbeiter gegenüber Dritten machen. Zukunftsgerichtete Aussagen beinhalten inhärente Risiken und Ungewissheiten. Mehrere Faktoren könnten dazu führen, dass die tatsächlichen Ergebnisse wesentlich von den in den zukunftsgerichteten Aussagen enthaltenen abweichen, einschließlich, aber nicht beschränkt auf die folgenden: Die Ziele und Strategien des Unternehmens; die künftige Geschäftsentwicklung, die Finanzlage und die Ergebnisse der Geschäftstätigkeit des Unternehmens; das erwartete Wachstum der AR-Holografie-Branche; und die Erwartungen des Unternehmens in Bezug auf die Nachfrage nach und die Marktaufnahme seiner Produkte und Dienstleistungen.
Weitere Informationen zu diesen und anderen Risiken finden Sie im Jahresbericht des Unternehmens auf Formular 20-F und in den aktuellen Berichten auf Formular 6-K sowie in anderen bei der SEC eingereichten Dokumenten. Alle in dieser Pressemitteilung enthaltenen Informationen gelten zum Zeitpunkt der Veröffentlichung dieser Pressemitteilung. Das Unternehmen ist nicht verpflichtet, zukunftsgerichtete Aussagen aufgrund neuer Informationen, zukünftiger Ereignisse oder aus anderen Gründen zu aktualisieren, es sei denn, dies ist gesetzlich vorgeschrieben.
