眾所周知，傳感器在配合使用時(shí)效果最佳。對(duì)于同步定位與地圖構(gòu)建 （SLAM） 來(lái)說(shuō)更是如此。SLAM 在 AR/VR 領(lǐng)域扮演著重要的角色，可以根據(jù)用戶的姿勢(shì)調(diào)整場(chǎng)景，避免無(wú)人機(jī)或機(jī)器人這樣的應(yīng)用在使用過(guò)程中的碰撞，用途廣泛。SLAM市場(chǎng)預(yù)計(jì)到2023年將增長(zhǎng)至4.65億美元，年復(fù)合增長(zhǎng)率為36%，為大多數(shù)開發(fā)者提供了絕佳機(jī)遇。在手機(jī)上將 SLAM 應(yīng)用于室內(nèi)導(dǎo)航可能會(huì)在規(guī)模龐大的基礎(chǔ)平臺(tái)市場(chǎng)中占據(jù)主導(dǎo)地位。GPS 不能在室內(nèi)工作，基于信標(biāo)的導(dǎo)航只能在具有信標(biāo)基礎(chǔ)設(shè)施的區(qū)域工作。而 SLAM 則可以在任何提供室內(nèi)地圖的地方工作，符合大多數(shù)樓宇自控管理系統(tǒng)的低成本期望。將該區(qū)域的場(chǎng)景與用戶在該區(qū)域行走時(shí)的姿勢(shì)和運(yùn)動(dòng)融合到了一起，使得在此處應(yīng)用 SLAM 成為了應(yīng)用傳感器融合的絕佳示例。

 

 

我將首先描述如何在我們的 CEVA SensPro Sensor Hub DSP 硬件的基礎(chǔ)上，結(jié)合我們的 SLAM 和 MotionEngine 軟件模塊，集成并測(cè)試這個(gè)解決方案，以調(diào)節(jié)和管理運(yùn)動(dòng)輸入。我們需要一個(gè)攝像頭和慣性測(cè)量傳感器，一個(gè) CPU 和 DSP 。我們將 CPU 用來(lái)承載MotionEngine 和 SLAM 框架，并用 DSP 來(lái)執(zhí)行 SLAM 算法來(lái)減輕任務(wù)負(fù)擔(dān)。

 

為了更簡(jiǎn)單的解釋，我將首先從 OrbSLAM 算法開始，這是一種廣泛使用的執(zhí)行開放源代碼的算法。它將執(zhí)行三個(gè)主要功能。跟蹤做（視覺的）逐幀注冊(cè)，并在當(dāng)前地圖上定位新的幀。構(gòu)圖將點(diǎn)添加到地圖，并通過(guò)創(chuàng)建和求解一組復(fù)雜的線性方程進(jìn)行局部?jī)?yōu)化。循環(huán)閉合通過(guò)在返回到曾經(jīng)到達(dá)過(guò)的點(diǎn)上進(jìn)行修正來(lái)進(jìn)行全局優(yōu)化。這是通過(guò)求解一組大型線性方程式來(lái)實(shí)現(xiàn)的。

 

其中一些功能可以非常有效地運(yùn)行在CPU內(nèi)核的主機(jī)應(yīng)用程序內(nèi)，同時(shí)還有你的應(yīng)用程序所特有的控制和管理功能。某些功能必須在 DSP 處理器中運(yùn)行才實(shí)用或獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。例如，跟蹤在可能在CPU 中管理 1 幀/秒 （fps），其中特征提取占算法運(yùn)行時(shí)間的 40%。相比之下，DSP 實(shí)現(xiàn)可管理 30幀/秒 （fps），這種分辨率對(duì)于視頻和 IMU 之間的細(xì)粒度關(guān)聯(lián)非常重要。

 

這種優(yōu)勢(shì)的原因很容易理解。DSP 實(shí)現(xiàn)提供了非常高的并行處理能力，提供定點(diǎn)數(shù)/浮點(diǎn)數(shù)支持，這在跟蹤和求解線性方程中至關(guān)重要。此外，還有一個(gè)特殊指令集來(lái)加速特征提取。主機(jī)和 DSP 之間的簡(jiǎn)單鏈接可以將 DSP 看作加速器，從而將密集型計(jì)算分流到 SensPro。

 

我們提供了兩個(gè)關(guān)鍵組件：使用 CEVA-SLAM SDK 產(chǎn)品的視覺SLAM 和 CEVA MotionEngine 軟件，該軟件可以非常精確地處理六個(gè)自由度中的三個(gè)自由度的IMU輸入。IMU 和視頻信息的融合取決于迭代算法，該算法通常是根據(jù)應(yīng)用要求定制的。最后一步將視覺數(shù)據(jù)與運(yùn)動(dòng)數(shù)據(jù)聯(lián)系起來(lái)，以生成精確的定位和映射估計(jì)值。  CEVA 提供成熟的視覺SLAM 和 IMU MotionEngine軟件作為開發(fā)融合算法的堅(jiān)實(shí)基礎(chǔ)。構(gòu)成這樣的算法密集型功能將在DSP上運(yùn)行最快，比如我們的SensPro2平臺(tái)。

 

 

構(gòu)建原型平臺(tái)后，將如何去測(cè)試？有多個(gè) SLAM 數(shù)據(jù)集可用。Kitti 就是其中一個(gè)，EuroC 是另一個(gè)。在下面的例子中，我展示了 OpenCV 的實(shí)現(xiàn)與我們的 CEVA-SLAM SDK 實(shí)現(xiàn)的精度比較。您會(huì)想對(duì)您的產(chǎn)品做類似的分析。