Desempenho, precisão e referência de eficiência de energia para aplicações de SLAM.
Esta é a edição móvel do SLAMBench 1.1 usando o conjunto de dados ICL-NUIM.
Você pode usar este benchmark para avaliar a capacidade do seu telefone executando soluções de realidade aumentada com base nos algoritmos SLAM (ou seja, Kinectfusion).
SLAMBench : http://apt.cs.manchester.ac.uk/projects/pamela/tools/slambench/
Kinectfusion: https://msdn.microsoft.com/en-us/library/dn188670.aspx
ICL-nuim: http://www.doc.ic.ac.uk/~handa/vafric/iclnuim.html
Descrição do Slambench
--------------------------------------
Os algoritmos de visão computacional para a compreensão da cena 3D têm enormes impactos em potencial para contextos de aplicativos de robótica restrita de energia. SLAMBench apresenta uma base para pesquisas experimentais quantitativas, comparáveis e validáveis para investigar trocas de desempenho, precisão e consumo de energia de uma aplicação que produz um modelo 3D denso de uma cena arbitrária usando uma câmera RGB-D.
As abordagens densas para o problema simultâneo de localização e mapeamento (SLAM) são computacionalmente caras em comparação com métodos escassos baseados em recursos, mas têm vantagens importantes no fornecimento de localização robusta e um modelo altamente detalhado do ambiente. SLAMBench é uma estrutura de software que suporta pesquisas em aceleradores de hardware e ferramentas de software em comparação de desempenho, consumo de energia e precisão do modelo 3D gerado no contexto de uma verdade conhecida.
Recursos da versão Android
-----------------------------------------------
- Este aplicativo executa o Kinectfusion em seu celular Android,
- Ele fornece estatísticas sobre seu desempenho, incluindo velocidade, precisão e para os dispositivos compatíveis, eficiência de energia e temperatura.
- Seus resultados serão enviados anonimamente para um servidor remoto e usados para melhorar os algoritmos SLAMBench e SLAM.
Recursos da versão Linux
----------------------------------------------
SLAMBench fornece implementações de kfusion usando idiomas populares, atualmente CUDA, OpenCL, OpenMP e C ++. As seqüências de entrada podem ser fornecidas em vários formatos padrão, incluindo o OpenNI, ou diretamente de uma câmera compatível com o OpenNI. A ferramenta permite que vários parâmetros sejam facilmente ajustados para negociar a precisão contra o desempenho ou poder. A precisão pode ser medida usando os scripts fornecidos em associação com o conjunto de dados ICL-NUIM, que fornece sequências de alta qualidade geradas sinteticamente como referências da verdade do solo.
A estrutura da base de código permite que kernels ou algoritmos alternativos sejam conectados com relativa facilidade e, novamente, o efeito no desempenho e precisão a ser facilmente analisado.
A interface baseada em QT permite a visualização em tempo real das figuras de desempenho, incluindo energia no ODROid-XUE/3, bem como a visualização do modelo 3D à medida que é construído.
Publicações
--------------------------------------
Se você usar SLAMBench em publicações científicas, apreciaríamos citações no artigo a seguir (http://arxiv.org/abs/1410.2167):
Apresentando o Slambench, uma metodologia de benchmarking de desempenho e precisão para SLAM.
L. Nardi, B. Bodin, MZ Zia, J. Mawer, A. Nisbet, Phj Kelly, AJ Davison, M. Luján, Mfp O'Boyle, G. Riley, N. Topham e S. Furber. Apresentando SLAMBench , uma metodologia de benchmarking de desempenho e precisão para SLAM. Em IEEE Intl. Conf. em Robotics and Automation (ICRA), maio de 2015. Arxiv: 1410.2167.
Download