文献

J-GLOBAL ID：202202278676512255   整理番号：22A1209403

ORB-SLAM3のローカルマッピングの並列化とコア割り当て手法の提案

LocalMapping Parallelization and CPU Allocation Method on ORB-SLAM3

著者 (11件)： 山本一貴 (早稲田大) ,  長ヶ部拓吾 (早稲田大) ,  小池穂乃花 (早稲田大) ,  川角冬馬 (早稲田大) ,  藤田一輝 (早稲田大) ,  北村俊明 (早稲田大) ,  川島慧大 (オスカーテクノロジー) ,  納富昭 (オスカーテクノロジー) ,  木村貞弘 (エヌエスアイテクス) ,  木村啓二 (早稲田大) ,  笠原博徳 (早稲田大)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 121  号： 425(CPSY2021 45-65)  ページ： 79-84 (WEB ONLY)  発行年： 2022年03月03日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ロボットや自動車の自律制御のために,周囲の情報から環境地図を作成し自己位置を推定するSLAM(Simultaneous Localization and Mapping)処理が必要とされる.SLAMは主にトラッキング,ローカルマッピング,ループグロージングの3つの処理から構成される.このうちローカルマッピングは,実行コストが大きい一方,疎行列やグラフ構造などを扱うことから効率の良い並列化が難しい.そのため本稿では,オープンソースのSLAM実装であるORB-SLAM3を対象として,データ構造の特徴を生かした並列化方法を提案する.またトラッキングの特徴点抽出処理も合わせて並列化した場合,発生する多くのスレッドができるだけ同一コアで競合しないような割り当て手法を報告する.これらの提案手法を適用して両処理を並列化したところ,Intelサーバ上ではトラッキングで1.40倍,ローカルマッピングで1.35倍の速度向上が同時に得られた.また,NVIDIA Jetson上でも,トラッキングで1.22倍,ローカルマッピングで1.26倍の速度向上が得られ,提案手法がコア数の少ない組込み環境にも有効であることが確認できた.(著者抄録)

シソーラス用語： *位置測定 ,  *移動ロボット ,  *並列処理 ,  地図作成 ,  記憶割当 ,  自動車 ,  自律系 ,  位置決め ,  スパース行列 ,  資源割付
準シソーラス用語： *SLAM【移動ロボット】 ,  SLAM【計測】 ,  グラフ構造 ,  環境地図 ,  自己位置推定 ,  自律制御 ,  疎行列

分類 (2件)： ロボットの運動・制御  (IC04012J) ,  ディジタル計算機方式一般  (JC02010O)

引用文献 (18件)：

• Carlos Campos, Richard Elvira, Juan J. Gomez Rodriguez, Jose M.M Montiel, and Juan D. Tardos. ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial, and Multimap SLAM. IEEE Transactions on Robotics, Vol. 37, No. 6, p. 1874-1890, 2021.
• Raul Mur-Artal, J. M. M. Montiel, and Juan D. Tardos. ORB-SLAM: A Versatile and Accurate Monocular SLAM System. IEEE Transactions on Robotics, Vol. 31, No. 5, p. 1147-1163, Oct 2015.
• OpenCV: FAST Algorithm for Corner Detection. https://docs.opencv.org/4.5.2/df/d0c/tutorial_py_fast.html. (Accessed on 01/07/2022).
• BRIEF (Binary Robust Independent Elementary Features). http://labs.eecs.tottori-u.ac.jp/sd/Member/oyamada/OpenCV/html/py_tutorials/py_feature2d/py_brief/py_brief.html. (Accessed on 01/17/2022).
• Rainer Kümmerle, Giorgio Grisetti, Hauke Strasdat, Kurt Konolige, and Wolfram Burgard. G2o: A general framework for graph optimization. In 2011 IEEE International Conference on Robotics and Automation, pp. 3607-3613, 2011.

タイトルに関連する用語 (6件)： マッピング ,  並列化 ,  コア ,  割り当て ,  手法 ,  提案