| Περίληψη: | Με την ανάπτυξη της τεχνολογίας ανοίγονται προοπτικές για νέες εφαρμογές. Η κάλυψη πληκτικών, δαπανηρών, ή επικίνδυνων, φυσικών διεργασιών από
αυτόνομους μηχανισμούς ήταν ανέκαθεν στο επίκεντρο του ανθρώπου. Η δρα-
στηριότητα, ωστόσο, μίας αυτόνομης μηχανής σε ένα δυναμικό και άγνωστο περιβάλλον κρύβει πολλές προκλήσεις.
Στην παρούσα εργασία παρουσιάζεται ένα πλαίσιο εργασίας (framework)
για τη χαρτογράφηση και τον εντοπισμό θέσης (SLAM) ενός κινητού ρομπότ. Το
πλαίσιο αυτό βασίζεται σε μία παραλλαγή του αλγορίθμου iterative closest point
(ICP), η οποία αξιοποιεί τόσο τη γεωμετρία της σκηνής, όσο και τη χρωματική της
πληροφορία, ώστε να επιτύχει το σθεναρό (robust) μετασχηματισμό (registration)
συνόλων από σημεία (point clouds). Για την αναζήτηση κοντινότερων γειτόνων
μεταξύ δύο point clouds, κατά τη διαδικασία του registration, γίνεται χρήση μιας
εκδοχής της δομής δεδομένων random ball cover (RBC), η οποία εξερευνά ένα
ιδιαίτερα περιορισμένο κομμάτι του χώρου αναζήτησης. Η δημιουργία του χάρτη
πραγματοποιείται μέσω της δομής δεδομένων OctoMap, η οποία επιτρέπει την
αποδοτική προσπέλαση του χάρτη και την αναπαράσταση τόσο του γνωστού όσο
και του άγνωστου χώρου.
Για την επιτάχυνση της διαδικασίας, όλο το σύστημα έχει σχεδιαστεί από
τη βάση του για εκτέλεση επάνω σε κάρτες γραφικών (GPGPU). Με αυτό τον
τρόπο γίνεται εκμετάλλευση της απαράμιλλης υπολογιστικής δύναμης των GPUs.
Η υλοποίηση βασίζεται στο πρότυπο προγραμματισμού της OpenCL. Η χρήση
της OpenCL επιτρέπει την αξιοποίηση των δύο κυρίαρχων αρχιτεκτονικών, CPU
και GPU, που βρίσκονται πλέον σε κάθε υπολογιστικό σύστημα, από σταθερούς
υπολογιστές μέχρι και ενσωματωμένα συστήματα.
Το αποτέλεσμα της υλοποίησης του προτεινόμενου πλαισίου εργασίας είναι
ένα σύστημα το οποίο εκτελεί 3-D μετασχηματισμό (registration) στιγμιότυπο-με-
στιγμιότυπο (frame-to-frame) σε πραγματικό χρόνο (real-time). Δοκιμές κατά την
τρέχουσα έκδοση της υλοποίησης δείχνουν χρόνους εκτέλεσης μίας ICP επανάληψης κοντά στο 1 msec.
|
|---|
