Równoległy algorytm RANSAC na potrzeby rejestracji chmur punktów

• Autorzy: Koguciuk D. , Harasymowicz-Boggio B.

Warianty tytułu

EN

Parallel RANSAC for point cloud registration

• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia projekt oraz implementację równoległego algorytmu RANSAC w architekturze CUDA w zadaniu rejestracji chmur punktów na potrzeby manipulacji obiektami codziennego użytku. Na początku pracy krótko omówiono szeregową wersję algorytmu oraz wspomniano o kilku jego modyfikacjach znanych z literatury, po czym przeprowadzono rozumowanie projektowe a następnie implementacyjne wersji równoległej. Testy porównawcze udowodniły poprawność działania algorytmu przy jednoczesnym kilkudziesięciokrotnym zysku czasowym. Wynikiem pracy jest realizacja znalezienia lokalnego układu współrzędnych obserwowanego obiektu na scenie w czasie bliskim czasowi rzeczywistemu. Kod źródłowy programu udostępniono w Internecie jako część projektu Heuros.

EN

In this paper a project and implementation of the parallel RANSAC algorithm in CUDA architecture are presented. The goal is to register point clouds for munipulation of everyday object as fast as possible. In the beginning a serial algorithm with a variety of modifications from the literature is introduced whereupon the idea and CUDA implementation details are discussed. The comparative test has proven the proper working of the implementation together with a significant program execution acceleration. The result is finding local coordinate system of the object in the scene in the near real-time conditions. The source code is shared in the Internet as a part of the Heuros system.

Słowa kluczowe

PL

robotyka; percepcja robotów; obraz RGB-D; RANSAC; algorytm równoległy; chmura punktów

EN

robotics; perception of robots; RGB-D image; RANSAC; parallel algorithm; point cloud

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Elektronika
• Rocznik: 2016
• Tom: z. 195, t. 2
• Strony: 427--436
• Opis fizyczny: Bibliogr. 14 poz., rys., tab.

Twórcy

autor

Koguciuk D.

• Wydział Mechatroniki Politechniki Warszawskiej, ul. św. Andrzeja Boboli 8, 02-525 Warszawa

autor

Harasymowicz-Boggio B.

• Wydział Mechatroniki Politechniki Warszawskiej, ul. św. Andrzeja Boboli 8, 02-525 Warszawa

Bibliografia

• [1] M. Alehdaghi, M. A. Esfahani, A. Harati. Parallel ransac: Speeding up plane extraction in rgbd image sequences using gpu. In: Computer and Knowledge Engineering (ICCKE), 2015 5th International Conference on. Proceedings, Oct. 2015, s. 295-300.
• [2] Guy E. Blelloch. Vector Models for Data-parallel Computing. Cambridge, MA. USA, MIT Press 1990.
• [3] A.G. Buch et al. Pose estimation using local structure-specific shape and appearance context. In: Robotics and Automation (ICRA), 2013 IEEE International Conference on. Proceedings, May, 2013, s. 2080-2087.
• [4] David P. Capel. An effective bail-out test for ransac consensus scoring. In: BMVC. Proceedings Red. William F. Clocksin, Andrew W. Fitzgibbon, Philip H. S. Torr. British Machine Vision Association, 2005 .
• [5] O. Chum, J. Matas. Randomized ransac with t d,d test. In: IMAGE AND VISION COMPUTING. Proceedings, 2002, s. 448-457.
• [6] Ondrej Chum, Jiff Matas, Josef Kittler. Locally optimized ransac. In: Pattern Recognition Red. Bernd Michaelis, Gerald Krell, wolumen 2781 serii Lecture Notes in Computer Science, s. 236-243. Springer Berlin Heidelberg 2003.
• [7] R. Hansch, T. Weber, O. Hellwich. Comparison of 3D interest point detectors and descriptors for point cloud fusion. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial In formation Sciences. Sierpień, 2014, s. 57-64.
• [8] Richard Hartley, Andrew Zisserman. Multiple view geometry in computer vision. Cambridge, Cambridge University Press 2003. Choix de documents en appendice.
• [9] Daniel Koguciuk, Bogdan Harasymowicz-Boggio. Wykorzystanie obszarów nieznanych w dopasowywaniu chmur punktów. Prace Naukowe Politechniki Warszawskiej. Elektronika, 2014, s. 267-276.
• [10] A.S. Mian, M. Bennamoun, R. Owens. Three-dimensional model–based object recognition and segmentation in cluttered scenes. Pattern Analysis and Machine Intelligence, IEEE Transactions on, Oct. 2006, wolumen 28, numer 10, s. 1584-1601.
• [11] Rahul Raguram, Jan-Michael Frahm, Marc Pollefeys. A comparative analysis of ransac techniques leading to adaptive real-time random sample consensus. In: Computer Vision - ECCV 2008 Red . David Forsyth, Philip Torr, Andrew Zisserman, wolumen 5303 serii Lecture Notes in Computer Science, s. 500-513. Springer Berlin Heidelberg 2008.
• [12] R.B. Rusu, N. Blodow, M. Beetz. Fast point feature histograms (fpfh) for 3d registration. In: Robotics and Automation, 2009. ICRA '09. IEEE International Conference on. Proceedings, May, 2009, s. 3212-3217.
• [13] Shubhabrata Sengupta et al. Scan primitives for gpu computing. In: Graphics Hardware 2007. Proceedings. ACM, Sierpień, 2007, s. 97-106.
• [14] The Heuros Project. https://bitbucket.org/rrgwut/heuros2. Accessed on: 2016-04-15

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.