基于CUDA的FastSLAM算法并行化研究

  • 基于CUDA的FastSLAM算法并行化研究已关闭评论
  • 56 views
  • A+
所属分类:AGV设计资料
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。

论文目录

摘要
ABSTRACT
主要符号说明

第一章 绪论

· 研究背景与研究意义
· 国内外研究概况
· 本文内容及章节安排

第二章 粒子滤波、扩展卡尔滤波及CUDA基本原理

· 粒子滤波(PF)
· 扩展卡尔曼滤波(EKF)
· 卡尔曼滤波来源(KF)
· 滤波计算过程
· 卡尔曼滤波算法
· EKF的过程估计
· 扩展卡尔曼滤波
· 并行计算和CUDA基本原理
· 并行计算基本概念
· CUDA实现原理
· 本章小结

第三章 加速重采样的FASTSLAM

· SLAM的概率描
· FASTSLAM算法实现
· 粒子滤波路径估计
· 路标位置估计
· 计算权重
· 数据关联
· 加速重采样的FASTSLAM算法
· 重采样算法描述
· 可并行化分析及改进
· 模拟实验及分析
· 实验对象与实验环境
· 实验结果及分析
· 本章小结

第四章 加速路标估计过程的FASTSLAM

· 使用EKF的路标估计
· 路标估计实现分析
· EKF估计在GPU上的实现
· 实验结果及分析
· 实验环境
· 结果与分析
· 本章小结

第五章 全文总结

· 主要工作
· 工作展望
参考文献
附录A 实验结果
个人简历 在读期间科研情况
致谢

抱歉,此资源仅限赞助会员下载,请先
注意:本站资源多为网络收集,如涉及版权问题请及时与站长联系QQ:2766242327,我们会在第一时间内与您协商解决。如非特殊说明,本站所有资源解压密码均为:agvba.com。
weinxin
微信公众号
agvba是一个分享AGV知识和agv案例视频的网站。