Control Systems and Computers, N2, 2024, Стаття 1
Smirnov A.O. Dynamic map management for Gaussian Splatting SLAM. Control Systems and Computers. 2024. № 2. pp.
УДК 004.932
А.О. Смирнов, аспірант, Міжнародний науково–навчальний центр інформаційних технологій і систем НАН та МОН України, ORCID: https://orcid.org/0009-0002-6509-4135, 03187, м. Київ, просп. Академіка Глушкова, 40, Україна, tonysmn97@gmail.com
ДИНАМІЧНА ПОБУДОВА МАПИ ДЛЯ АЛГОРИТМУ SLAM НА ОСНОВІ ГАУСИАН
Вступ. У задачах комп’ютерного зору та робототехніки часто виникає необхідність знаходження положення агента в середовищі. Проте, зазвичай мапа навколишнього середовища наперед не є відомою. Тому виникає необхідність одночасної побудови мапи та локалізації агента в ній, а для вирішення такої задачі застосовують алгоритм Одночасної Локалізації та Картографування (Simultaneous Localization and Mapping)
У випадку, якщо мапу необхідно використовувати не лише для задач локалізації, така мапа має бути високоякісною та чітко представляти навколишнє середовище. Нещодавні методи для реконструкції навколишнього середовища на основі диференційованого об’ємного рендерингу, такі як Нейронні Поля Випромінювання (Neural Radiance Fields) та Накладання Гаусиан (Gaussian Splatting) дозволяють отримувати фотореалістичні результати. Проте, обмеженням таких методів є те, що вони вимагають наперед відомі дані про положення камер та відомі набори зображень, які використовуватимуться для реконструкції.
Диференційовані алгоритми об’ємного рендерингу дозволяють сформувати задачу, за якої положення камер не є необхідною умовою для роботи алгоритму та можуть бути обчислені одночасно з побудовою мапи або в процесі надходження нових зображень з камери на сонові попередніх спостережень.
Побудова та вибір представлення мапи є ключовим етапом таких алгоритмів.
Мета. Метою роботи є представлення алгоритму побудови динамічної мапи та її подальше використання алгоритмом Одночасної Локалізації та Картографування (SLAM) та методу Накладання Гаусиан для представлення навколишнього середовища.
Можливість ефективно додавати нові Ключові кадри (Keyframes), прибирати надлишкові та конструювати графи спів-видимості (co-visibility) має прямий вплив на швидкість роботи на точність SLAM алгоритмів.
Методи. Для розв’язання задачі було використано алгоритми Накладання Гаусиан та Градієнтного спуску.
Для реалізації роботи алгоритму було використано мову програмування Julia яка має широку підтримку графічних процесорів GPU та дозволяє їх агностичне програмування що значно спрощує саму реалізацію.
Результати. Експериментальна реалізація даного алгоритму показала ефективність даного підходу. Метод Накладання Гаусиан дозволяє проводити високоякісну реконструкцію навколишнього середовища з використанням диференційованої растеризації та підтримує роботу в режимі реального часу, що робить його чудовим кандидатом для побудови мапи в алгоритмах SLAM.
Можливість наскрізної оптимізації на основі методу градієнтного спуску значно спрощує оптимізацію побудованої мапи, оцінку положення камери та роботу з Ключовими кадрами. Використання графічних обчислювальних процесорів GPU дозволяє роботу в режимі реального часу, що сприяє її практичному застосуванню.
Висновки. Експерименти показали доцільність запропонованого алгоритму динамічної побудови мапи навколишнього середовища з використання методу Накладання Гаусиан. Подальша робота алгоритму може бути покращена шляхом знаходження циклів в траекторії камери та подальшій оптимізації реалізації алгоритму для зменшення обчислювальних вимог.
Завантажити повний текст! (англійською)
Ключові слова: поля випромінювання, наукові обчислення, диференційований рендеринг, локалізація, реконструкція, комп’ютерний зір
Надійшла 15.03.2024
