FPGA上の深層学習ベースポイントクラウドレジストレーションのための効率的アクセラレータ【JST・京大機械翻訳】

Sugiura Keisuke; Matsutani Hiroki

プレプリント

J-GLOBAL ID：202202209612400254 整理番号：22P0302413

FPGA上の深層学習ベースポイントクラウドレジストレーションのための効率的アクセラレータ【JST・京大機械翻訳】

An Efficient Accelerator for Deep Learning-based Point Cloud Registration on FPGAs

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年03月11日プレプリントサーバーでの情報更新日： 2022年03月11日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ポイントクラウドレジストレーションは,自律移動ロボットのためにますます重要であるオドメトリーと同時位置決めとマッピング(SLAM)のような多くのロボット応用の基底である。コンピュータ資源と電力予算は,これらのロボットに限られ,それによって,低コストFPGA上の資源効率的登録法の開発を動機づける。本論文では,最近の深層学習ベース法,ポイントNetLKで構築されたFPGAベース3Dポイントクラウドレジストレーションのための新しいアプローチを提案した。ポイントネットベースの特徴抽出のための高効率FPGA加速器を設計して,低コストと中範囲FPGA(Avnet Ultra96v2とXilinx ZCU104)の両方に関して実行した。この加速器設計を,登録速度,精度,資源利用,および電力消費の観点から評価した。実験結果は,著者らのアクセラレータによるポイントNetLKが,CPU対応物とICPより,それぞれ21.34xと69.60x高速登録速度を達成し,一方,722mWを消費して,同じレベルの精度を維持することを示した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

地形データの処理 , パターン認識 , 図形・画像処理一般

, ,

前のページに戻る