Algorytm SLAM z pominięciem czujników odometrycznych w kontekście różnych typów procesorów obliczeniowych

• Autorzy: Fiedeń Mateusz , Miotk Michał , Dąbek Przemysław , Muraszkowski Artur

Warianty tytułu

EN

SLAM algorithm without odometric sensors usage in context of different computing processor types

• Języki publikacji: PL

Abstrakty

PL

SLAM jest to algorytm równoczesnego mapowania otoczenia i lokalizowania się na tworzonej mapie. Wykorzystywany jest w robotach autonomicznych przeznaczonych do pracy w nieznanym bądź dynamicznie zmieniającym się otoczeniu. W swojej podstawowej formie wykorzystuje czujnik odległości, taki jak lidar bądź radar oraz dane o przesunięciu pozyskiwane z enkoderów. Dzięki zastosowaniu odpowiednich strategii dodawania kolejnych skanów oraz filtracji pobieranych danych uzyskuje się dokładne mapy, jednak użycie enkoderów, nie zawsze jest możliwe. W artykule poruszony zostaje temat pozycjonowania i mapowania przy użyciu lidaru bez wykorzystywania dodatkowych czujników zapewniających dane odometryczne. Zaproponowany zostaje odpowiedni algorytm oraz dyskusja dotycząca zastosowanych procesorów obliczeniowych, na których jest uruchamiany (wyłącznie CPU oraz z wykorzystaniem GPU wspierającego technologię CUDA). Zaprezentowane są wyniki w formie wykresów zależności czasu od iteracji, uzyskanych chmur punktów, a także parametrów sprzętowych obserwowanych w trakcie działania algorytmu.

EN

SLAM stands for a simultaneous localization and mapping. It’s used in construction of autonomic robots, designed for work in topographically unknown areas or dynamically changing environment. In its simplest form it utilizes distance sensor, lidar for example, and displacement data obtained from encoders. Thanks to application of appropriate strategies of adding next scan iterations and filtration of obtained data, it allows to create accurate maps with minimal computing power required. However, usage of encoders is not always possible, as in case of boats, legged robots or drones. To solve this problem, there’s proposed an algorithm that allows for localization and mapping in described situation, with a discussion on type of processors used by program. Because of the task specifics, it’s necessary to match many obtained simultaneously measurements with created map. For this purpose, the differences between algorithm version using only CPU, by spreading the task between different processor threads, and algorithm version that utilize graphical computing acceleration, that make calculations on many parallel CUDA cores, were checked. Both implementations were tested on the corridor inside building with results in the form of charts comparing time needed for separated iterations to complete.

Słowa kluczowe

PL

cyfrowe przetwarzanie obrazów; SLAM; CUDA; brak czujników odometrycznych

EN

digital image processing; SLAM; CUDA; absence of odometric sensors

• Wydawca: Oficyna Wydawnicza Politechniki Wrocławskiej
• Czasopismo: Interdisciplinary Journal of Engineering Sciences
• Rocznik: 2019
• Tom: Vol. 7, no. 1
• Strony: 28--37
• Opis fizyczny: Bibliogr. 8 poz., rys., wykr.

Twórcy

autor

Fiedeń Mateusz

• Wrocław University of Science and Technology, Wydział Mechaniczny, ul. Łukasiewicza 7/9, 50-371 Wrocław

autor

Miotk Michał

• Wrocław University of Science and Technology, Wydział Mechaniczny, ul. Łukasiewicza 7/9, 50-371 Wrocław

autor

Dąbek Przemysław

• Wrocław University of Science and Technology, Wydział Mechaniczny, ul. Łukasiewicza 7/9, 50-371 Wrocław

autor

Muraszkowski Artur

• Wrocław University of Science and Technology, Wydział Mechaniczny, ul. Łukasiewicza 7/9, 50-371 Wrocław

Bibliografia

• [1] Bailey T., Durrant-Whyte H.: “Simultaneous localization and mapping (SLAM): part II”, IEEE Robotics & Automation Magazine, Sept. 2016, Vol. 13, Issue 3
• [2] Żorski W., Makowski W.: „Use of CUDA technology in area of irregular patterns recognition” WAt Magazine, 2011, Vol. LX, nr 4, 201
• [3] Mitka Ł., Ciszewski M., Kudriashov A., Buratowski T., Giergiel M.: „Robot with laser scanner for 2D mapping”, Modelling in Engineering 2017 nr. 61.
• [4] Rouveure R., Faure P., Monod M.O.: “Radar-based SLAM without odometric sensor”, ROBOTICS 2010, International workshop of Mobile Robotics for environment/agriculture, Sep 2010, Clermont Ferrand, France. 9 p. hal-00583427
• [5] Herath D.C., Kodagoda K.R.S., Dissanayake G.: “Stereo Vision Based SLAM Issues and Solutions”, ARC Centre of Excellence for Autonomous Systems, University of Technology, Sydney, Australia
• [6] Baronnier R.: “Optical Flow for SLAM”, https://www.enstabretagne.fr/jaulin/rapport_pfe_romain_baronnier.pdf, 28.04.2019
• [7] https://botland.com.pl/pl/skanery-laserowe/7036-skaner-laserowy-360-stopnirplidar-a2m8.html, 28.04.2019
• [8] Hillar G. C.: “MQTT Essentials - A Lightweight IoT Protocol”, Pact Publishing Ltd., April 2017