Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/A6B1708C-30D4-4617-AD8C-BB1E19EE7CB5 | - |
| Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.94051 | - |
| Γλώσσα | en | - |
| Μέγεθος | 3.1 megabytes | en |
| Μέγεθος | 92 pages | en |
| Τίτλος | Acceleration on a reconfigurable logic platform of the ORB-SLAM2 algorithm for autonomous underwater vehicles | en |
| Τίτλος | Επιτάχυνση σε πλατφόρμα αναδιατασσόμενης λογικής του αλγορίθμου ORB-SLAM2 για αυτόνομα υποβρύχια οχήματα | el |
| Δημιουργός | Maragkaki Maria | en |
| Δημιουργός | Μαραγκακη Μαρια | el |
| Συντελεστής [Επιβλέπων Καθηγητής] | Dollas Apostolos | en |
| Συντελεστής [Επιβλέπων Καθηγητής] | Δολλας Αποστολος | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Bletsas Aggelos | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Μπλετσας Αγγελος | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Sotiriadis Evripidis | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Σωτηριαδης Ευριπιδης | el |
| Εκδότης | Πολυτεχνείο Κρήτης | el |
| Εκδότης | Technical University of Crete | en |
| Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Electrical and Computer Engineering | en |
| Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών | el |
| Περίληψη | Over the last few years the use of visual Simultaneous Localization and Mapping (vSLAM) algorithms gained widespread development and use in all areas, e.g., self-driving cars, robots, aerial drones, autonomous underwater vehicles and more. Autonomous underwater vehicles have various applications ranging from garbage collection in shallow ports and port mapping, to finding holes in fishery nets. Underwater scenarios are complex and costly due to the large amount of sensors needed such as Doppler Velocity Log (DVL) sensors, depth sensors etc. The use of vSLAM algorithms in these applications is important, leading to a need for real time implementation on low-power platforms. In this case either a platform with a fast processor but with high power consumption is used in order to have the real time implementation, or a low-power consumption processor with lower processing power in frames per second is used, resulting to undesirably slow system performance. Field Programmable Gate Arrays (FPGAs) and Graphics Processing Units (GPUs) can offer real time implementation with low energy cost. In this thesis we have developed an FPGA-based architecture to accelerate the most time consuming part of the ORB-SLAM2 algorithm, i.e. the Oriented FAST and Rotated BRIEF (ORB) feature extraction part. The proposed architecture requires per image 60% less energy vs. the software implementation of the ORB part of ORB-SLAM2 algorithm, while maintaining competitive performance vs. a high-end processor. | en |
| Περίληψη | Τα τελευταία χρόνια η χρήση των αλγορίθμων visual Simultaneous Localization and Mapping (vSLAM) απέκτησε ευρεία ανάπτυξη και χρήση σε όλους τους τομείς όπως αυτόνομα αυτοκίνητα, robots , εναέρια drones, αυτόνομα υποβρύχια οχήματα και άλλα. Τα αυτόνομα υποβρύχια οχήματα έχουν πληθώρα εφαρμογών, από τη συλλογή σκουπιδιών σε ρηχά λιμάνια έως την εύρεση τρυπών σε δίχτυα ψαρέματος. Τα υποβρύχια σενάρια είναι περίπλοκα και ακριβά λόγω το μεγάλου αριθμού αισθητήρων που χρειάζονται, όπως, αισθητήρες DVL , αισθητήρες βάθους κλπ. Η χρήση των αλγορίθμων vSLAM σε τέτοιες εφαρμογές είναι σημαντική, οδηγώντας στην ανάγκη μιας πραγματικού χρόνου υλοποίησης σε χαμηλής ενεργειακής κατανάλωσης πλατφόρμες. Σε αυτή τη περίπτωση χρησιμοποιείται είτε μια πλατφόρμα με έναν γρήγορο επεξεργαστή αλλά με υψηλή κατανάλωση ενέργειας προκειμένου να επιτευχθεί η υλοποίηση σε πραγματικό χρόνο, ή μια χαμηλής ενεργειακής κατανάλωσης πλατφόρμα αλλά με την επεξεργασία εικόνων ανα δευτερόλεπτο να είναι μικρότερη, με αποτέλεσμα την ανεπιθύμητα αργή απόδοση του συστήματος. Οι FPGAs καθώς και οι GPUs μπορούν να προσφέρουν υλοποίηση σε πραγματικό χρόνο με χαμηλό ενεργειακό κόστος. Στην παρούσα διπλωματική αναπτύξαμε μια αρχιτεκτονική βασισμένη σε FPGA προκειμένου να επιταχύνουμε το πιο χρονοβόρο κομμάτι του αλγορίθμου ORB-SLAM2 δηλ. Το κομμάτι της εξαγωγή των σημείων αναφοράς ORB . Η προτεινόμενη αρχιτεκτονική είναι κατά 60% λιγότερο ενεργειακά απαιτητική ανά εικόνα σε σχέση με την υλοποίηση του αλγορίθμου σε λογισμικό του ORB κομματιού του αλγορίθμου ORB-SLAM2 , διατηρώντας παράλληλα ικανοποιητική απόδοση έναντι ενός επεξεργαστή υψηλής τεχνολογίας. | el |
| Τύπος | Διπλωματική Εργασία | el |
| Τύπος | Diploma Work | en |
| Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
| Ημερομηνία | 2022-11-25 | - |
| Ημερομηνία Δημοσίευσης | 2022 | - |
| Θεματική Κατηγορία | FPGA | en |
| Θεματική Κατηγορία | ORB-SLAM2 | en |
| Θεματική Κατηγορία | Simultaneous Localization and Mapping(SLAM) | en |
| Βιβλιογραφική Αναφορά | Maria Maragkaki, "Acceleration on a reconfigurable logic platform of the ORB-SLAM2 algorithm for autonomous underwater vehicles", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2022 | en |
| Βιβλιογραφική Αναφορά | Μαρία Μαραγκάκη, "Επιτάχυνση σε πλατφόρμα αναδιατασσόμενης λογικής του αλγορίθμου ORB-SLAM2 για αυτόνομα υποβρύχια οχήματα", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2022 | el |
Copyright © DIAS 2013
