面向机器人与虚拟现实及增强现实的实时定位与建图领域导航
计算机视觉与模式识别
2018-08-21 v1 机器学习
机器人学
摘要
在实时、低功耗条件下对 3D 环境进行视觉理解是一项巨大的计算挑战。通常称为 SLAM（同步定位与建图），它是涵盖家用与工业机器人、自动驾驶车辆、虚拟现实和增强现实等应用的核心。本文描述了一项重大研究工作的成果，该研究旨在汇集实现 SLAM 交付所需的算法、架构、工具和系统软件，通过支持应用专家选择和配置适当的算法、适当的硬件以及编译路径，以满足其性能、精度和能耗目标。我们呈现的主要贡献为：（1）用于 SLAM 算法系统性定量评估的工具与方法论，（2）针对多目标对算法与实现设计空间进行的自动化、机器学习引导的探索，（3）端到端仿真工具，用于针对各种 SLAM 算法方法的特定算法需求优化异构加速架构，以及（4）在受管理的 JIT 编译自适应运行时环境中酌情交付加速、自适应 SLAM 解决方案的工具。
引用
@article{arxiv.1808.06352,
title = {Navigating the Landscape for Real-time Localisation and Mapping for Robotics and Virtual and Augmented Reality},
author = {Sajad Saeedi and Bruno Bodin and Harry Wagstaff and Andy Nisbet and Luigi Nardi and John Mawer and Nicolas Melot and Oscar Palomar and Emanuele Vespa and Tom Spink and Cosmin Gorgovan and Andrew Webb and James Clarkson and Erik Tomusk and Thomas Debrunner and Kuba Kaszyk and Pablo Gonzalez-de-Aledo and Andrey Rodchenko and Graham Riley and Christos Kotselidis and Björn Franke and Michael F. P. O'Boyle and Andrew J. Davison and Paul H. J. Kelly and Mikel Luján and Steve Furber},
journal= {arXiv preprint arXiv:1808.06352},
year = {2018}
}
备注
Proceedings of the IEEE 2018