Implementação paralela de algoritmos para localização e mapeamento simultâneos com uma única câmera

• Main Author: Andre Lima Gaspar Ruas
• Other Authors: Mario Fernando Montenegro Campos
• Format: Others
• Language: Portuguese
• Published: Universidade Federal de Minas Gerais 2011
• Online Access: http://hdl.handle.net/1843/SLSS-8KDQJJ

=== This work is on the Simultaneous Localization and Mapping (SLAM) problem for the special case where a single camera is used, called Monocular SLAM. The main goal of this work is the investigation of solutions that would be capable to efficiently tackle the Monocular SLAM problem, exploring parallelism and its implementation on Graphics Processing Units (GPU). A new parallel algorithm for pose estimation based on particle filters and the Rao-Blackwell factorization is proposed and implemented. As in FastSLAM, a new map is estimated for each particle and the proposed distribution for the next pose provides information derived from the last observation. However, unlike FastSLAM, our algorithm incorporates this information using a second sub-particle filter for each particle. This enables the adaptation of the algorithm to a wide range of locomotion models. Parallel versions of the proposed algorithm using a SICK laser and of the Monte Carlo algorithm have also been implemented. In the former Speedups of about 500 times were obtained in comparison with the sequential version, and the later has shown to be able to localize the mobile robot in real time using over 100,000 particles with measured performance over 100 times when compared to the sequential implementation of the method. === Esse trabalho aborda o problema de localização e mapeamento simultâneos (SLAM) para o caso particular onde se utiliza uma única câmera como sensor (SLAM monocular). O objetivo deste trabalho é o estudo de soluções que sejam capazes de resolver o problema de maneira eficiente, explorando o uso do paralelismo oferecido pelas unidades de processamento gráfico (GPU). Um novo algoritmo paralelo para estimação da pose do robô baseado em filtro de partículas utilizando a fatoração de Rao-Blackwell é proposto e implementado. Assim como no FastSLAM, um mapa é estimado para cada partícula e a distribuição proposta para a nova pose fornece a informação relativa à última observação. Porém, diferentemente dessa técnica, o nosso algoritmo incorpora essa informação usando um segundo filtro de partículas, chamadas subpartículas, para cada partícula. Isso possibilita a adaptação do algoritmo para que possa ser aplicado a um grande número de modelos de locomoção. Foram implementadas também versões paralelas do algoritmo proposto utilizando o SICK laser como sensor e do algoritmo de localização de Monte Carlo. A primeira obteve ganhos em tempo de execução de cerca de 500 vezes quando comparada à versão sequencial enquanto a segunda mostrou ser capaz de localizar o robô em tempo real utilizando quantidades de partículas superiores a 100.000 e ganhos de desempenho superiores a 100 vezes em relação à CPU.