基于CUDA的FastSLAM算法并行化研究.pdf

1、同步定位與地圖構(gòu)建（Simultaneous Localization And Mapping，SLAM）已經(jīng)成為實(shí)現(xiàn)移動機(jī)器人主動定位導(dǎo)航的關(guān)鍵技術(shù)；因此，高效的實(shí)現(xiàn)這一過程成為SLAM的重中之重。SLAM實(shí)現(xiàn)方法眾多，基于Rao-Blackwellized統(tǒng)計(jì)學(xué)定理將SLAM過程簡化為路徑估計(jì)與路標(biāo)估計(jì)兩個過程的FastSLAM方法，有效的降低了算法的計(jì)算難度以及運(yùn)行時間。雖然如此，仍有大量的研究工作專注于如何提高SLAM的實(shí)時性。

2、伴隨顯卡技術(shù)的提升，英偉達(dá)于2007年顛覆性的推出通用并行計(jì)算架構(gòu)CUDA。通過該架構(gòu)可以更方便的使用GPU處理復(fù)雜的稠密計(jì)算問題。科研人員可以基于CUDA，使用C語言快速將數(shù)據(jù)并行這一類問題實(shí)現(xiàn)并行，以達(dá)到加速目的。
　　本文以FastSLAM算法為基礎(chǔ)，深入研究其中的重采樣過程和路標(biāo)估計(jì)過程，并通過有效的數(shù)學(xué)方法和程序設(shè)計(jì)技巧使其滿足CUDA應(yīng)用條件，從而充分利用CPU和GPU的資源以達(dá)到加速目的。
　　本文的主要工作包

3、括：
　?。?）改進(jìn)FastSLAM算法的重采樣過程，新的重采樣過程使用改進(jìn)型系統(tǒng)重采樣方法替代原來的分層抽樣方法。我們使用數(shù)學(xué)方法構(gòu)造出左邊界l=(ck-u)×N+2和右邊界r=(ck+wik-u)×N+1。使得整個采樣區(qū)間被分割成了很多兩兩互不相交的區(qū)間，這打破了原有的數(shù)據(jù)依賴關(guān)系，滿足CUDA并行條件；并通過extern“C”（C函數(shù)接口，使得在C++中嵌入C函數(shù)）作為函數(shù)接口，對重采樣部分進(jìn)行CUDA C程序設(shè)計(jì)。