Leistung, Genauigkeit und Energieeffizienz für SLAM -Anwendungen.
Dies ist die mobile Ausgabe von SLAMBench 1.1 mit dem ICL-Nuim-Datensatz.
Sie können diesen Benchmark verwenden, um die Fähigkeit Ihres Telefons zu bewerten, die Augmented -Reality -Lösungen basierend auf Slam -Algorithmen (dh Kinectfusion) ausführen.
SLAMBench : http://apt.cs.manchester.ac.uk/projects/pamela/tools/slaschench/
Kinectfusion: https://msdn.microsoft.com/en-us/library/dn188670.aspx
ICL-NUIM: http://www.doc.ic.ac.uk/~ahanda/vafric/iclnuim.html
Slbebench -Beschreibung
------------------------------------
Computer Vision -Algorithmen für das Verständnis von 3D -Szenen haben enorme potenzielle Auswirkungen auf die Robotik -Anwendungskontexte für Leistungsbeschränkungen. SLAMBench präsentiert eine Grundlage für quantitative, vergleichbare und validierbare experimentelle Forschungsergebnisse, um Kompromisse für Leistung, Genauigkeit und Energieverbrauch einer Anwendung zu untersuchen, die ein dichtes 3D-Modell einer willkürlichen Szene unter Verwendung einer RGB-D-Kamera erzeugt.
Dichte Ansätze für das Problem der gleichzeitigen Lokalisierung und Kartierung (SLAM) sind im Vergleich zu spärlichen Merkmalsmethoden rechnerisch teuer, haben jedoch wichtige Vorteile bei der Bereitstellung einer robusten Lokalisierung und eines hochkennzeichneten Modells der Umgebung. SLAMBench ist ein Software-Framework, das die Forschung in Hardwarebeschleunigern und Softwaretools durch Vergleich von Leistung, Energieverbrauch und Genauigkeit des generierten 3D-Modells im Kontext einer bekannten Grundwahrheit unterstützt.
Funktionen der Android -Version
---------------------------------------------
- Diese App führt Kinectfusion auf Ihrem Android -Handy aus.
- Es liefert Statistiken über die Leistung, einschließlich Geschwindigkeit, Genauigkeit und für die kompatiblen Geräte, die Energieeffizienz und die Temperatur.
- Ihre Ergebnisse werden anonym an einen Remote -Server gesendet und zur Verbesserung SLAMBench und Slam -Algorithmen verwendet.
Funktionen der Linux -Version
--------------------------------------------------------------------------------------------------------------------------
SLAMBench bietet Implementierungen von KFusion unter Verwendung populärer Sprachen, derzeit CUDA, OpenCL, OpenMP und C ++. Eingangssequenzen können in einer Reihe von Standardformaten bereitgestellt werden, einschließlich OpenNI oder direkt von einer openNI -kompatiblen Kamera. Mit dem Tool können verschiedene Parameter leicht angepasst werden, um die Genauigkeit gegen Leistung oder Macht zu beeinträchtigen. Die Genauigkeit kann mithilfe von Skripten gemessen werden, die in Zusammenhang mit dem ICL-Nuim-Datensatz bereitgestellt werden, die synthetisch erzeugte Sequenzen von qualitativ hochwertig als Grundwahrheitsreferenzen liefern.
Die Struktur der Codebasis ermöglicht es, dass alternative Kerne oder Algorithmen relativ leicht angeschlossen werden und wiederum die Auswirkung auf Leistung und Genauigkeit leicht analysiert werden.
Die QT-basierte Schnittstelle ermöglicht die Echtzeit-Visualisierung von Leistungszahlen, einschließlich der Leistung von Odroid-XUE/3 sowie die Visualisierung des 3D-Modells, sobald es konstruiert ist.
Veröffentlichungen
------------------------------------
Wenn Sie SLAMBench in wissenschaftlichen Veröffentlichungen verwenden, würden wir uns Zitate für das folgende Papier freuen (http://arxiv.org/abs/1410.2167):
Einführung von Sladench, eine Benchmarking -Methodik für die Leistung und Genauigkeit für SLAM.
L. Nardi, B. Bodin, Mz Zia, J. Mawer, A. Nisbet, Phj Kelly, AJ Davison, M. Luján, MFP O'Boyle, G. Riley, N. Topham und S. Furber. Einführung SLAMBench , eine Benchmarking -Methodik für die Leistung und Genauigkeit für SLAM. In IEEE INTL. Conf. über Robotik und Automatisierung (ICRA), Mai 2015. ARXIV: 1410.2167.
Herunterladen