典型文献
基于GPU并行计算的快速视觉惯性里程计方法
文献摘要：
针对当前视觉即时定位与地图构建(VSLAM)前端视觉惯性里程计(VIO)存在运算量大导致计算时间长的问题,提出了一种全新的基于图形处理器(GPU)并行加速的VIO方法.首先,对VIO进行加速算法设计,包括限制对比度的自适应性直方图均衡化(CLAHE)算法加速、FAST角点筛选改进加速以及改进光流跟踪算法加速.最后,将设计的加速算法串并组合成前端,结合开源VINS-Mono后端进行定位精度与实时性测试,平均耗时减少12.03 ms,定位精度均方根(RMS)值相差0.008963 m.实验结果表明:提出的方法在保持定位精度的同时提升了算法实时性能,且优于VINS-Mono中基于OpenCV GPU加速的方法.
文献关键词：
视觉即时定位与地图构建;视觉惯性里程计;图形处理器;OpenCV数据库;加速
中图分类号：
作者姓名：
陈财富;汪双;陈波;张华;王姮
作者机构：
西南科技大学信息工程学院,四川绵阳621000;西南科技大学特殊环境机器人四川省重点实验室,四川绵阳621010
文献出处：
引用格式：
[1]陈财富;汪双;陈波;张华;王姮-.基于GPU并行计算的快速视觉惯性里程计方法)[J].传感器与微系统,2022(10):18-21,25
A类：
视觉即时定位与地图构建
B类：
GPU,并行计算,视觉惯性里程计,VSLAM,端视,VIO,运算量,计算时间,图形处理器,并行加速,速算,算法设计,对比度,自适应性,直方图均衡化,CLAHE,FAST,角点,光流跟踪,跟踪算法,组合成,开源,VINS,Mono,后端,定位精度,ms,RMS,OpenCV
AB值：
0.331083
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
