SLAM denso, globalmente consistente y acelerado por GPU

• Autores: Höss, Emiliano
• Año de publicación: 2024
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: De Cristóforis, Pablo Esteban
• Materia: SLAM; ACELERACION POR GPU; MAPEO VOLUMETRICO; SLAM; GPU-ACCELERATED; VOLUMETRIC MAPPING
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

Un sistema de SLAM (Simultaneous Localization and Mapping) denso esesencial para los robots móviles, ya que no sólo proporciona la localización del agente sino que también permite la navegación, la planificación de trayectorias, la evasión de obstáculos y la toma de decisiones en entornos no estructurados. A medida que aumentan las demandas computacionales, crece el uso de GPU en sistemas de SLAM denso. En este trabajo, presentamos coVoxSLAM, un novedoso sistema de SLAM volumétrico acelerado por GPU que aprovecha al máximo la potencia del procesamiento paralelo para construir mapas globalmente consistentes incluso en entornos de gran escala. El sistema se evaluó en diferentes plataformas (GPU discreta e integrada) y se comparó con el estado del arte. Los resultados obtenidos utilizando conjuntos de datos públicos muestran que coVoxSLAM ofrece una mejora significativa del rendimiento considerando los tiempos de ejecución manteniendo al mismo tiempo una localización precisa. Como contribución a la comunidad, el sistema desarrollado está disponible como código abierto en GitHub1.
A dense SLAM system is essential for mobile robots, as it provides no only localization, but also 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. However, porting algorithms designed initially for CPUs to GPUs are not straightforward because of significant differences in hardware architectures and resources. 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 an tested 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 GitHub2.
Fil: Höss, Emiliano. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.