SLAM Introduction

Simultaneous localization & mapping।

🎬 গল্প দিয়ে শুরু

Robot vacuum আপনার ঘরের map কীভাবে বানায় — অথচ GPS নেই? Tesla, drone, AR headset — সবাই করে SLAM (Simultaneous Localization And Mapping)। নিজে কোথায় আছে সেটাও জানে, পরিবেশের map-ও বানায় — একই সাথে।

সমস্যাটা কী?

Localization জানতে map লাগে।
Map বানাতে নিজের position জানতে হয়।
দুটোই অজানা — চিকেন-এন্ড-এগ। SLAM দুটো একসাথে solve করে।

SLAM-এর pipeline (Visual SLAM)

text

Frame → Feature extract (ORB/SIFT)
      → Match with previous frame
      → Estimate motion (Essential matrix, PnP)
      → Triangulate new 3D points
      → Bundle Adjustment (BA) — refine pose + points
      → Loop closure detection — পুরনো জায়গা চেনা, drift ঠিক করা

মূল component

Frontend — feature tracking, frame-to-frame motion।
Backend — pose graph optimization (g2o, Ceres)।
Loop Closure — Bag-of-Words (DBoW) দিয়ে revisit detection।
Map representation — sparse point cloud, dense mesh, বা occupancy grid।

Sensor অনুযায়ী SLAM

Monocular — সস্তা, কিন্তু scale ambiguous।
Stereo / RGB-D — সঠিক scale পায়।
LiDAR SLAM — outdoor, autonomous car (LOAM, Cartographer)।
Visual-Inertial (VIO) — IMU যোগ করে robust (ARKit, ARCore)।

মিনি demo — ORB দিয়ে frame-to-frame motion

python

visual_odometry.py (simplified)

import cv2, numpy as np
orb = cv2.ORB_create(2000)
bf  = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)

prev = None
cap  = cv2.VideoCapture("drive.mp4")
while True:
    ok, f = cap.read()
    if not ok: break
    g = cv2.cvtColor(f, cv2.COLOR_BGR2GRAY)
    kp, des = orb.detectAndCompute(g, None)
    if prev is not None:
        m = sorted(bf.match(prev["des"], des), key=lambda x: x.distance)[:200]
        p1 = np.float32([prev["kp"][x.queryIdx].pt for x in m])
        p2 = np.float32([kp[x.trainIdx].pt for x in m])
        E, _ = cv2.findEssentialMat(p1, p2, focal=700, pp=(640, 360))
        _, R, t, _ = cv2.recoverPose(E, p1, p2)
        print("motion:", t.flatten())
    prev = {"kp": kp, "des": des}

এটি SLAM নয়, VO

এই snippet শুধু Visual Odometry — pose track করে কিন্তু global map ও loop closure নেই। পূর্ণ SLAM-এর জন্য ORB-SLAM3 ব্যবহার করুন।

ব্যবহারিক ক্ষেত্র

AR/VR — virtual object world-এ stable রাখা।
Drone autonomous flight (GPS-denied indoor)।
Self-driving car localization।
Robot vacuum, warehouse robot।
Archaeology / 3D scanning।

প্র্যাকটিস টাস্ক

KITTI dataset-এ ORB Visual Odometry চালিয়ে trajectory plot করুন।
Phone video দিয়ে ORB-SLAM3 চালিয়ে room map বানান।
RTAB-Map ROS-এ চালিয়ে RGB-D camera-তে 3D mesh তৈরি করুন।