coVoxSLAM: GPU Accelerated Globally Consistent Dense SLAM

要約

高密度 SLAM システムは、位置特定を提供し、構造化されていない環境でのナビゲーション、経路計画、障害物回避、意思決定を可能にするため、移動ロボットにとって不可欠です。
計算需要の増大により、高密度 SLAM での GPU の使用が拡大しています。
この研究では、GPU の並列処理能力を最大限に活用して、大規模な環境でもグローバルに一貫したマップを構築する、新しい GPU 高速化ボリューム SLAM システムである coVoxSLAM を紹介します。
さまざまなプラットフォーム (ディスクリートおよび組み込み GPU) にデプロイされ、最先端のものと比較されました。
公開データセットを使用して得られた結果は、coVoxSLAM が正確な位置特定を維持しながら、実行時間を考慮すると大幅なパフォーマンスの向上を実現することを示しています。
提示されたシステムは、GitHub https://github.com/lrse-uba/coVoxSLAM でオープンソースとして入手できます。

要約(オリジナル)

A dense SLAM system is essential for mobile robots, as it provides localization and allows navigation, path planning, obstacle avoidance, and decision-making in unstructured environments. Due to increasing computational demands the use of GPUs in dense SLAM is expanding. In this work, we present coVoxSLAM, a novel GPU-accelerated volumetric SLAM system that takes full advantage of the parallel processing power of the GPU to build globally consistent maps even in large-scale environments. It was deployed on different platforms (discrete and embedded GPU) and compared with the state of the art. The results obtained using public datasets show that coVoxSLAM delivers a significant performance improvement considering execution times while maintaining accurate localization. The presented system is available as open-source on GitHub https://github.com/lrse-uba/coVoxSLAM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google