Acceleration on a reconfigurable logic platform of the ORB-SLAM2 algorithm for autonomous underwater vehiclesAcceleration on a reconfigurable logic platform of the ORB-SLAM2 algorithm for autonomous underwater vehiclesΕπιτάχυνση σε πλατφόρμα αναδιατασσόμενης λογικής του αλγορίθμου ORB-SLAM2 για αυτόνομα υποβρύχια οχήματα
Διπλωματική Εργασία
Diploma Work
2022-11-252022enOver 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.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.http://creativecommons.org/licenses/by/4.0/Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών ΥπολογιστώνMaragkaki_Maria_Dip_2022.pdfChania [Greece]Library of TUC2022-11-25application/pdf3.1 MBfree
Maragkaki Maria
Μαραγκακη Μαρια
Dollas Apostolos
Δολλας Αποστολος
Bletsas Aggelos
Μπλετσας Αγγελος
Sotiriadis Evripidis
Σωτηριαδης Ευριπιδης
Πολυτεχνείο Κρήτης
Technical University of Crete
FPGA
ORB-SLAM2
Simultaneous Localization and Mapping(SLAM)