面向统一内存平台的点云子采样并行化
机器人学
2021-02-23 v1
摘要
利用机器人探索未知环境是一项融合了定位、建图与规划等不同领域的任务。对于建图，近年来有许多方法可在二维和三维中表示机器人可通行环境。概率占用栅格、Octomap 和 STVL 可列为近年来最重要的几种方法。如今，RGB-D 相机被广泛用于生成环境的详细表示。RGB-D 相机测量数据量大，必须对其进行缩减以便在计算资源受限的平台中使用。本工作提出了一种能够在统一内存平台上执行的点云抽取方法的实现。它通过空间细分迭代地减少点云。针对不同的栅格尺寸、平台和场景（真实与仿真）获得了结果。结果表明，在嵌入式系统中，采用 CPU 与 GPU 共享内存的架构有利于优化数据块通信过程。
引用
@article{arxiv.2102.11084,
title = {Point Cloud Subsampling Parallelization for Unified Memory Platforms},
author = {Martin Nievas and Claudio J. Paz and Gastón R. Araguás},
journal= {arXiv preprint arXiv:2102.11084},
year = {2021}
}
备注
This is the accepted version of the manuscript that was sent to review to 2020 IEEE Biennial Congress of Argentina (ARGENCON) (ISBN 978-1-7281-5957-7/20). in Spanish