基于GPU并行计算的快速视觉惯性里程计方法

作者：陈财富; 汪双; 陈波; 张华; 王姮

来源：传感器与微系统, 2022, 41(10): 18-25.

DOI：10.13873/J.1000-9787(2022)10-0018-04

• 视觉即时定位与地图构建
• 视觉惯性里程计
• 图形处理器
• OpenCV数据库
• 加速

针对当前视觉即时定位与地图构建(VSLAM)前端视觉惯性里程计(VIO)存在运算量大导致计算时间长的问题，提出了一种全新的基于图形处理器(GPU)并行加速的VIO方法。首先，对VIO进行加速算法设计，包括限制对比度的自适应性直方图均衡化(CLAHE)算法加速、FAST角点筛选改进加速以及改进光流跟踪算法加速。最后，将设计的加速算法串并组合成前端，结合开源VINS-Mono后端进行定位精度与实时性测试，平均耗时减少12.03 ms,定位精度均方根(RMS)值相差0.008 963 m。实验结果表明：提出的方法在保持定位精度的同时提升了算法实时性能，且优于VINS-Mono中基于OpenCV GPU加速的方法。

• 单位
  西南科技大学