基于CUDA的FastSLAM算法并行化研究

发布时间：2017-08-11 15:09

  本文关键词：基于CUDA的FastSLAM算法并行化研究

  更多相关文章： 统一计算设备架构 图像处理器 同步定位与地图构建 重采样算法 并行计算

【摘要】：同步定位与地图构建(Simultaneous Localization And Mapping,SLAM)已经成为实现移动机器人主动定位导航的关键技术;因此,高效的实现这一过程成为SLAM的重中之重。SLAM实现方法众多,基于Rao-Blackwellized统计学定理将SLAM过程简化为路径估计与路标估计两个过程的Fast SLAM方法,有效的降低了算法的计算难度以及运行时间。虽然如此,仍有大量的研究工作专注于如何提高SLAM的实时性。伴随显卡技术的提升,英伟达于2007年颠覆性的推出通用并行计算架构CUDA。通过该架构可以更方便的使用GPU处理复杂的稠密计算问题。科研人员可以基于CUDA,使用C语言快速将数据并行这一类问题实现并行,以达到加速目的。本文以Fast SLAM算法为基础,深入研究其中的重采样过程和路标估计过程,并通过有效的数学方法和程序设计技巧使其满足CUDA应用条件,从而充分利用CPU和GPU的资源以达到加速目的。本文的主要工作包括:(1)改进Fast SLAM算法的重采样过程,新的重采样过程使用改进型系统重采样方法替代原来的分层抽样方法。我们使用数学方法构造出左边界l=(c k-u)′N+2和右边界()1ir=c k+w k-u′N+。使得整个采样区间被分割成了很多两两互不相交的区间,这打破了原有的数据依赖关系,满足CUDA并行条件;并通过extern“C”(C函数接口,使得在C++中嵌入C函数)作为函数接口,对重采样部分进行CUDA C程序设计。(2)Fast SLAM过程的路标估计过程使用的EKF进行估计,其中存在大量矩阵计算,这刚好是CUDA的优势;此时把矩阵计算的那部分程序设计成CUDA代码,通过extern“C”嵌入到整个算法当中去,从而可以实现加速。
【关键词】：统一计算设备架构 图像处理器 同步定位与地图构建 重采样算法 并行计算
【学位授予单位】：华东交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP338.6
【目录】：

• 摘要3-4
• ABSTRACT4-7
• 主要符号说明7-8
• 第一章 绪论8-14
• 1.1 研究背景与研究意义8-10
• 1.2 国内外研究概况10-13
• 1.3 本文内容及章节安排13-14
• 第二章 粒子滤波、扩展卡尔滤波及CUDA基本原理14-29
• 2.1 粒子滤波（PF）14-17
• 2.2 扩展卡尔曼滤波（EKF）17-24
• 2.2.1 卡尔曼滤波来源（KF）17-18
• 2.2.2 滤波计算过程18-19
• 2.2.3 卡尔曼滤波算法19-20
• 2.2.4 EKF的过程估计20-21
• 2.2.5 扩展卡尔曼滤波21-24
• 2.3 并行计算和CUDA基本原理24-28
• 2.3.1 并行计算基本概念24-25
• 2.3.2 CUDA实现原理25-28
• 2.4 本章小结28-29
• 第三章 加速重采样的FASTSLAM29-46
• 3.1 SLAM的概率描29-30
• 3.2 FASTSLAM算法实现30-33
• 3.2.1 粒子滤波路径估计30-31
• 3.2.2 路标位置估计31-32
• 3.2.3 计算权重32
• 3.2.4 数据关联32-33
• 3.3 加速重采样的FASTSLAM算法33-39
• 3.3.1 重采样算法描述33-34
• 3.3.2 可并行化分析及改进34-39
• 3.4 模拟实验及分析39-45
• 3.4.1 实验对象与实验环境39-40
• 3.4.2 实验结果及分析40-45
• 3.5 本章小结45-46
• 第四章 加速路标估计过程的FASTSLAM46-52
• 4.1 使用EKF的路标估计46-47
• 4.2 路标估计实现分析47-48
• 4.3 EKF估计在GPU上的实现48-49
• 4.4 实验结果及分析49-51
• 4.4.1 实验环境49
• 4.4.2 结果与分析49-51
• 4.5 本章小结51-52
• 第五章 全文总结52-54
• 5.1 主要工作52
• 5.2 工作展望52-54
• 参考文献54-57
• 附录A 实验结果57-63
• 个人简历 在读期间科研情况63-64
• 致谢64

【相似文献】

中国期刊全文数据库 前10条

1 ;Line-feature-based SLAM Algorithm[J];自动化学报;2006年01期

2 郭剑辉;赵春霞;陆建峰;康亮;;Rao-Blackwellised粒子滤波SLAM的一致性研究[J];系统仿真学报;2008年23期

3 郭剑辉;赵春霞;石杏喜;;一种改进的联合相容SLAM数据关联方法[J];仪器仪表学报;2008年11期

4 郭剑辉;赵春霞;康亮;;SLAM问题中特征相关性研究[J];系统仿真学报;2008年06期

5 Mansour Moniri;Claude C.Chibelushi;;A Sensor-based SLAM Algorithm for Camera Tracking in Virtual Studio[J];International Journal of Automation & Computing;2008年02期

6 季秀才;郑志强;张辉;;SLAM问题中机器人定位误差分析与控制[J];自动化学报;2008年03期

7 郭剑辉;赵春霞;;一种新的粒子滤波SLAM算法[J];计算机研究与发展;2008年05期

8 周武;赵春霞;;一种改进的边缘粒子滤波SLAM方法[J];华中科技大学学报(自然科学版);2008年S1期

9 丁帅华;陈雄;韩建达;;基于局部子图匹配的SLAM方法[J];机器人;2009年04期

10 陈家乾;何衍;蒋静坪;;添加约束的EKF-SLAM算法[J];科技通报;2009年04期

中国重要会议论文全文数据库 前10条

1 ;An SLAM algorithm based on improved UKF[A];第24届中国控制与决策会议论文集[C];2012年

2 Adizul Ahmad;Shoudong Huang;Jianguo Jack Wang;Gamini Dissanayake;;A New State Vector for Range-Only SLAM[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

3 ;A Hybrid SLAM method for service robots in Indoor Environment[A];中国自动化学会控制理论专业委员会B卷[C];2011年

4 Bo He;Tao Zhang;Guijie Liu;;A New SLAM Algorithm Particle Filter-based for Autonomous Underwater Vehicle[A];proceedings of 2010 3rd International Conference on Computer and Electrical Engineering (ICCEE 2010 no.1)[C];2012年

5 ;AUV SLAM and Closed Loop Research in Large Scale Environment[A];2011年全国通信安全学术会议论文集[C];2011年

6 温丰;柴晓杰;朱智平;董小明;邹伟;原魁;;基于新型人工路标系统的视觉SLAM算法研究[A];第二十九届中国控制会议论文集[C];2010年

7 王宇韬;方勇纯;;鲁棒单目视觉SLAM系统研究[A];中国自动化学会控制理论专业委员会C卷[C];2011年

8 李海洋;李洪波;林颖;刘贺平;杨东方;;基于Kinect的SLAM方法[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

9 Jiantong Cheng;Jonghyuk Kim;Zhenyu Jiang;Weihua Zhang;;Tightly Coupled SLAM/GNSS for Land Vehicle Navigation[A];第五届中国卫星导航学术年会论文集-S9 组合导航与导航新方法[C];2014年

10 ;Simultaneous Localization and Map Building Using Constrained State Estimate Algorithm[A];第二十七届中国控制会议论文集[C];2008年

中国重要报纸全文数据库 前1条

1 肖征荣;好软件少不了它们[N];电脑报;2003年

中国博士学位论文全文数据库 前8条

1 赵一路;人机交互环境下的主动SLAM及相关问题研究[D];复旦大学;2013年

2 康轶非;不依赖GPS定位理论及方法研究[D];北京交通大学;2015年

3 苑全德;基于视觉的多机器人协作SLAM研究[D];哈尔滨工业大学;2016年

4 王道斌;基于天空偏振光的SLAM方法的研究[D];中国科学技术大学;2014年

5 林睿;基于图像特征点的移动机器人立体视觉SLAM研究[D];哈尔滨工业大学;2011年

6 游弋;SLE相关候选基因FCRL3，SLAM的SNP分析及其功能研究[D];第三军医大学;2008年

7 吴叶斌;基于全景视觉的移动机器人SLAM方法研究[D];哈尔滨工程大学;2011年

8 陈晨;基于Sigma点滤波的移动机器人同时定位与地图创建算法的研究[D];北京交通大学;2013年

中国硕士学位论文全文数据库 前10条

1 周慧中;基于结构线条的视觉SLAM方法[D];上海交通大学;2015年

2 龙超;基于Kinect和视觉词典的三维SLAM算法研究[D];浙江大学;2016年

3 郑顺凯;自然环境中基于图优化的单目视觉SLAM的研究[D];北京交通大学;2016年

4 查尤平;平滑型SLAM中数据关联的鲁棒性研究[D];北京交通大学;2016年

5 储明帅;基于增量平滑的移动机器人同时定位与地图构建的研究[D];北京交通大学;2016年

6 宋艳;基于图像特征的RGB-D视觉SLAM算法[D];中国海洋大学;2015年

7 应璐璐;基于感知驱动的AUV自主导航算法研究[D];中国海洋大学;2015年

8 祝甜一;基于ROS的自主式救援机器人SLAM和导航系统研究[D];东南大学;2015年

9 李玉;基于3D激光点云的无人车城市环境SLAM问题研究[D];北京理工大学;2016年

10 朱福利;基于SLAM的移动机器人室内环境感知和地图构建研究[D];广东工业大学;2016年

，

本文编号：656765