基于cuda的fastslam算法并行化研究

《基于cuda的fastslam算法并行化研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号______________________________密级______________________________ＵＤＣ______________________________编号______________________________全日制专业学位硕士论文基于CUDA的FastSLAM算法并行化研究学位申请人：张香龙学科领域：计算机技术校内导师：张恒副教授答辩日期：独创性声明本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢

2、的地方外，论文中不包含其他人已经发表和撰写的研究成果，也不包含为获得华东交通大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人签名_______________日期____________关于论文使用授权的说明本人完全了解华东交通大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅。学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。保密的论文在解密后遵守此规定，本论文无保密内容

3、。学生本人签名日期校内导师签名日期摘要基于CUDA的FastSLAM算法并行化研究摘要同步定位与地图构建（SimultaneousLocalizationAndMapping，SLAM）已经成为实现移动机器人主动定位导航的关键技术；因此，高效的实现这一过程成为SLAM的重中之重。SLAM实现方法众多，基于Rao-Blackwellized统计学定理将SLAM过程简化为路径估计与路标估计两个过程的FastSLAM方法，有效的降低了算法的计算难度以及运行时间。虽然如此，仍有大量的研究工作专注于如何提高SLAM的实时性。伴

4、随显卡技术的提升，英伟达于2007年颠覆性的推出通用并行计算架构CUDA。通过该架构可以更方便的使用GPU处理复杂的稠密计算问题。科研人员可以基于CUDA，使用C语言快速将数据并行这一类问题实现并行，以达到加速目的。本文以FastSLAM算法为基础，深入研究其中的重采样过程和路标估计过程，并通过有效的数学方法和程序设计技巧使其满足CUDA应用条件，从而充分利用CPU和GPU的资源以达到加速目的。本文的主要工作包括：（1）改进FastSLAM算法的重采样过程，新的重采样过程使用改进型系统重采样方法替代原来的分层抽样方法

5、。我们使用数学方法构造出左边界l=(ck-u)´N+2和右边界r=(ck+wik-u)´N+1。使得整个采样区间被分割成了很多两两互不相交的区间，这打破了原有的数据依赖关系，满足CUDA并行条件；并通过extern“C”（C函数接口，使得在C++中嵌入C函数）作为函数接口，对重采样部分进行CUDAC程序设计。（2）FastSLAM过程的路标估计过程使用的EKF进行估计，其中存在大量矩阵计算，这刚好是CUDA的优势；此时把矩阵计算的那部分程序设计成CUDA代码，通过extern“C”嵌入到整个算法当中去，从而可以实现加

6、速。关键词：统一计算设备架构，图像处理器，同步定位与地图构建，重采样算法，并行计算IAbstractTHERESEARCHOFPARALLELFASTSLAMALGORITHMBASEDONCUDAABSTRACTThekeytoautonomousofmobilerobotnavigationisSimultaneousLocalizationandMapping(SLAM);ItisanurgentproblemtomaketheSLAMprocessmoreefficient.FastSLAMisbasedon

7、theRao-BlackwellizedtheoremwhichdecomposestheSLAMproblemintoarobotpathestimationandlandmarkestimationprocess.Itisgoodtoreducethecomputationalcomplexityofthealgorithmandtherunningtime.Nevertheless,therestillbealotofresearchfocusedonhowtoimprovetheperformanceofSL

8、AM.Withtherapiddevelopmentofgraphicscardtechnology,NVIDIAlaunchedageneral-purposeparallelcomputingarchitectureCUDAin2007.TheGPUcanbeusedtosolvecomplexcomputationalproblemsan