以下內(nèi)容來自從零開始機器人SLAM知識星球 每日更新內(nèi)容

點擊領(lǐng)取學(xué)習(xí)資料 → 機器人SLAM學(xué)習(xí)資料大禮包

#論文# Real-Time Visual Inertial Odometry with a Resource-Efficient Harris Corner Detection Accelerator on FPGA Platform

論文地址：IROS2022論文集

? ??視覺慣性里程計(VIO)是機器人領(lǐng)域中被廣泛研究的一種定位技術(shù)。最新的VIO算法由兩部分組成：前端進行視覺感知和慣性測量的預(yù)處理，后端融合視覺和慣性測量來估計機器人的姿態(tài)。前端的圖像處理和后端的傳感器融合計算代價都很高，這使得VIO算法，特別是基于優(yōu)化的VIO算法在有限功率預(yù)算的嵌入式平臺上實時運行是非常具有挑戰(zhàn)性的。本文在算法與硬件協(xié)同設(shè)計的基礎(chǔ)上，提出了一種基于實時優(yōu)化的單目VIO算法，并在2.6W處理器功耗的嵌入式平臺上成功實現(xiàn)。

? ?特別是，在FPGA上加速了耗時的Harris角點檢測(HCD)，與ARM實現(xiàn)相比，處理時間平均減少了16倍。與Xilinx提供的最先進的HCD加速器相比，由于提出了專用的剪枝和并行化技術(shù)，在不影響速度的情況下，我們的加速器所需的硬件資源大大減少。最后，在公共數(shù)據(jù)集上的實驗表明，在基于FPGA的平臺上提出的實時VIO算法具有與桌面上現(xiàn)有的VIO算法相當(dāng)?shù)臏?zhǔn)確率，并且比基于ARM的實現(xiàn)的前端處理速度快3倍。

本文主要貢獻如下：

1、在算法和硬件協(xié)同設(shè)計的基礎(chǔ)上，在基于FPGA的平臺上，提出了一種基于HCD加速器的實時優(yōu)化單目VIO算法。在公共數(shù)據(jù)集上的實驗表明，與桌面上現(xiàn)有的VIO算法相比，該算法具有相當(dāng)?shù)木群?0fps圖像輸入的實時性能。

2、利用專用的剪枝和并行化技術(shù)，提出了一種新的針對HCD的資源高效的FPGA加速器。與Xilinx提供的最先進的HCD加速器進行了比較，證明了其在硬件效率方面的優(yōu)勢。

以上內(nèi)容來自從零開始機器人SLAM知識星球 每日更新內(nèi)容