准确的全球点云注册使用基于GPU的并行角拉登光谱
Ernesto Fontana1, Dario Lodi Rizzini1,2
1Department of Engineering and Architecture, University of Parma, Parco Area delle Scienze 181/A, 43124 Parma, Italy.
Sensors (Basel, Switzerland)
|October 28, 2023
概括
这项研究介绍了Cud-ARS,这是一个GPU加速算法,通过优化角度子光谱 (ARS) 计算来显著加快机器人本地化和映射. 它实现了机器人任务的更快,更准确的2D注册.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 并行计算是一种平行计算.
背景情况:
- 准确的机器人定位和映射对于自主系统至关重要.
- 全球最优的注册方法,如角度光谱 (ARS),提供了更高的准确性.
- ARS的计算成本限制了其广泛的应用.
研究的目的:
- 介绍Cud-ARS,这是2D注册的ARS算法的高效并行变体.
- 为了利用Nvidia的图形处理单元 (GPU) 加快计算密集型的步骤.
- 为了提高机器人定位和映射的准确性和速度.
主要方法:
- 开发了Cud-ARS,用于使用点子集在GPU上并行计算ARS.
- 实施全球分支和结合方法用于翻译估计.
- 在多个数据集上测试了算法,以评估性能.
主要成果:
- 与现有方法相比,实现了两个数量级的加速.
- 证明了比最先进的基于对应的算法更准确的旋转估计.
- 验证了该方法在映射应用中的有效性.
结论:
- Cud-ARS为2D注册提供了显著的加快速度和更高的准确性.
- GPU编程是有效的机器人任务解决方案的可行方法.
- 该方法显示了增强机器人本地化和映射系统的巨大潜力.


