基于GPU加速的多移动机器人协同定位算法研究

发布时间：2024-04-24 20:25

　　研究发展移动机器人技术不仅有着广阔的市场需求,还有着重要的社会意义。与一个机器人相比,多移动机器人协同工作有着更高的工作效率和鲁棒性。而准确且快速地定位多移动机器人系统中每一个机器人的位置是整个系统安全高效工作的基础。多移动机器人协同定位通过充分利用机器人之间的测量信息进一步提高了定位的准确性和鲁棒性。提高实时性是多移动机器人协同定位研究中的重点之一。目前,GPU加速在深度学习、图像处理、科学计算等领域取得了良好的加速效果。因此,本文结合GPU加速技术研究如何提高多机器人协同定位算法的运行速度。研究工作的主要成果如下:(1)针对用于单个机器人定位的粒子滤波算法,结合GPU硬件特点,分析其并行性并提出了一种基于CUDA实现的并行粒子滤波定位算法,仿真实验结果表明,所提并行算法在1024个粒子时可以取得约4.6倍的加速效果,且随着粒子数的增加,并行算法的加速效果愈加明显。(2)深入研究了多移动机器人协同定位算法——基于Gibbs采样的协同粒子滤波(GSCPF)算法。构建了基于UWB(超宽带)技术的多移动机器人协同定位实验平台,并进行了三个Turtlebot2机器人的实物实验,实验结果表明G...

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

图1-1亚马逊Kiva机器人工作图

西安理工大学硕士学位论文2使用协同定位也可以估计这些机器人的位置[3]。多移动机器人协同定位是完成多机器人协同编队、实现多机器人协作导航、增强未知环境快速探索等等多移动机器人系统能力的基石。快速而又精准地获得每一个机器人的位置对多移动机器人系统而言至关重要。定位精度较高的非参数多....

图1-2钛米消毒机器人Fig.1-2TaiMiDisinfectionRobot

西安理工大学硕士学位论文2使用协同定位也可以估计这些机器人的位置[3]。多移动机器人协同定位是完成多机器人协同编队、实现多机器人协作导航、增强未知环境快速探索等等多移动机器人系统能力的基石。快速而又精准地获得每一个机器人的位置对多移动机器人系统而言至关重要。定位精度较高的非参数多....

图1-3CPU和GPU的浮点计算能力Fig.1-3FloatingPointComputingPowerofCPUandGPU综上所述，论文将GPU并行编程技术引入多移动机器人协同定位算法研究中，提高

绪论3像处理，科学计算等领域兼取得了良好的加速效果。例如，通过使用GPU训练神经网络时，训练时间可以缩短到CPU的1/8甚至更少。图1-3CPU和GPU的浮点计算能力Fig.1-3FloatingPointComputingPowerofCPUandGPU综上所述，论文将GPU并....

图2-8Kogge-Stone并行前缀和算法示意图

GPU并行粒子滤波机器人定位方法25在重采样中需要根据权重w[k]求权重累加和c[k]，可视为一个简单连续前缀和操作，描述如下：c[k]=c[k-1]+w[k]（2-11）其中k=0,1,...,N-1,N是数据的大校因为c[k]的计算需要使用相邻值，串行实现十分简单但慢，并行计....

本文编号：3963462