Implementacja algorytmu do estymacji ruchu własnego robota w układzie FPGA

• Autorzy: Kraft M.

Warianty tytułu

EN

Implementation of the Robot Ego-Motion Estimation Algorithm in FPGA Circuits

• Języki publikacji: PL

Abstrakty

PL

W artykule opisano implementację w układzie FPGA systemu, realizującego zadanie szacowania ruchu własnego urządzenia (np. robota mobilnego), wyposażonego w pojedynczą kamerę. Zrealizowano ją w architekturze hybrydowej, sprzętowo-programowej. W artykule przedstawiono szczegółowy opis wynikowej architektury, jak również użycie zasobów układu programowalnego, oraz analizę wydajności systemu, wraz z porównaniem z alternatywnym rozwiązaniem opartym o komputer PC.

EN

The paper presents implementation of the robot ego-motion estimation algorithm in a single FPGA. The input data for the algorithm are feature correspondences detected in the image sequence registered by a single camera. The implemented system, based on the Microblaze microprocessor along with a dedicated hardware coprocessor, performs all stages of the algorithm - computation of the essential matrix using the 8-point algorithm employing singular value decomposition, robust estimation of the correct essential matrix using the RANSAC algorithm as well as computation of the rotation matrix and the translation vector (up to a scale) from the essential matrix [1, 2]. The system was implemented in a Virtex 5 PFGA and is capable of working with a clock speed of 100MHz. The microprocessor is used to find successive essential matrices using singular value decomposition. The solutions are tested for correctness using the coprocessor with the RANSAC algorithm [3]. The coprocessor employs a reduced, 23-bit floating point number representation to reduce resource usage. Upon successful completion of the essential matrix estimation, rotation and translation are computed. Additional sensors are used to deal with rotation and translation sign ambiguity. Table 1 presents the summary of resources used for implementation. Figure 1 outlines the system architecture. The results obtained are satisfactory and promising. The availability of inexpensive, low power, small footprint solution for ego-motion estimation is desirable for many applications.

Słowa kluczowe

PL

FPGA; odometria wizyjna; system wizyjny; system wbudowany

EN

FPGA; visual odometry; vision system; embedded system

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2011
• Tom: R. 57, nr 1
• Strony: 6--8
• Opis fizyczny: Bibliogr. 6 poz., rys., tab., wzory

Twórcy

autor

Kraft M.

• Instytut Automatyki i Inżynierii Informatycznej, Politechnika Poznańska, ul. Piotrowo 3A, 60-965 Poznań,

Bibliografia

• [1] Hartley R., Zissermann A.: Multiple view geometry in computer vision. Cambridge University Press, 2003.
• [2] Cyganek B., Siebert J. P.: An introduction to 3D computer vision techniques and algorithms, Wiley, 2009.
• [3] Fischler M. A., Bolles R. C.: Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography, Communications of the ACM, vol. 24, s. 381-395, 1981.
• [4] Chum O., Matas J.: Optimal randomized RANSAC. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 30 (8), s. 1472-1482, 2008.
• [5] Draper B. A., Beveridge J. R., Bohm A. P., Ross C., Chawathe M.: Accelerated image processing on FPGAs. IEEE Transactions on Image Processing vol. 12, s. 1543-1551, 2003.
• [6] Kraft M., Fularz M.: Porównanie sprzętowych implementacji dwóch popularnych detektorów cech punktowych. Pomiary Automatyka Kontrola 8/2009, s. 618-620.