小型移動ロボット向け深層学習ベースSLAM技術の開発とそのハードウェア化

基于深度学习的小型移动机器人SLAM技术开发及其硬件实现

基本信息

批准号：
22KJ2716
负责人：
杉浦圭祐
金额：
$ 1.6万
依托单位：
Keio University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2023
资助国家：
日本
起止时间：
2023-03-08 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22KJ2716/
关键词：
SLAM 専用アクセラレータ点群処理 FPGA 点群特徴抽出経路計画

项目摘要

点群レジストレーションは、様々な視点から撮影された点群を貼り合わせる処理を指し、ロボットの自己位置推定と地図構築 (SLAM)、そして自律走行を実現するうえで欠かせない。深層学習の発展により、精度や頑健性に優れた手法が数多く登場しているが、計算量とメモリ消費の増大が課題となっている。ロボット上の計算資源には限りがあるため、処理の軽量化と高効率化がより一層求められる。申請者は本年度、軽量なニューラルネットに基づく手法 (PointNetLK)に着目し、再構成可能デバイス (FPGA)を用いてその高速化を行った。特徴抽出を80倍以上、レジストレーション処理全体を35倍高速化し、組み込みGPU (NVidia Jetson)と比べて2倍のエネルギー効率を実現した。また、初期値に依存しない頑健なレジストレーション手法として、点群特徴抽出によるものが数多く提案されている。これらの手法はSLAMのループ検出処理に用いられ、長時間動作に伴う累積誤差を解消し、精度を保つために必要である。このことから申請者は、最も広く普及している点群特徴量 (FPFH)を対象として、ハードウェア化に向けたアルゴリズムの効率化と、そのFPGA実装を行った。組み込みCPU (ARM Cortex-A53)と比べて処理を4.6倍高速化し、エネルギー効率を3倍改善した。さらに申請者は、障害物を回避しつつ、与えられた始点と終点を結ぶ最短経路を求める経路計画手法の研究を開始した。深層学習ベースの手法であるMPNetに着目し、ニューラルネットの改良と小型化、およびそのFPGA実装を行った。2次元の経路計画問題に関しては、32倍のパラメータ数削減、21倍の高速化を実現し、元の手法と比べて成功率が20%以上改善した。これら3つの結果は、小型移動ロボット上でリアルタイム動作可能なSLAMアプリケーションの実現に繋がる。

点云配准是指将不同视角的点云拼接在一起的过程，对于实现机器人自定位和地图构建（SLAM）和自动驾驶至关重要。随着深度学习的发展，出现了许多精度和鲁棒性优异的方法，但问题是计算量和内存消耗增加。由于机器人的计算资源有限，因此对更轻、更高效的处理的需求更大。今年，申请人专注于基于轻量级神经网络的方法（PointNetLK），并使用可重构设备（FPGA）对其进行加速。与嵌入式 GPU（NVidia Jetson）相比，它可以将特征提取速度加快 80 倍以上，将整个配准过程加快 35 倍，并实现两倍的能效。此外，许多基于点云特征提取的方法已被提出作为不依赖于初始值的鲁棒配准方法。这些方法用于 SLAM 的环路检测过程，对于消除与长期运行相关的累积误差并保持精度是必要的。为此，申请人针对目前应用最广泛的点云特征（FPFH）方法，提高硬件算法的效率，并在FPGA上实现。与嵌入式CPU（ARM Cortex-A53）相比，处理速度提高4.6倍，能效提高3倍。此外，申请人开始研究一种路线规划方法，该方法在避开障碍物的同时找到给定起点和终点之间的最短路线。我们针对基于深度学习的MPNet方法，对神经网络进行了改进和小型化，并在FPGA上实现。对于二维路径规划问题，我们实现了参数数量比原来方法减少了32倍，速度提高了21倍，成功率提高了20%以上。这三个成果将导致能够在小型移动机器人上实时操作的SLAM应用的实现。