基于CUDA的单目LSD-SLAM算法并行化研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 单目SLAM国内外研究现状 | 第11-12页 |
| 1.2.2 SLAM并行化国内外研究现状 | 第12-13页 |
| 1.3 论文的研究内容和技术路线 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 技术路线 | 第14-15页 |
| 1.4 论文的组织安排 | 第15-16页 |
| 第二章 相关理论与技术 | 第16-25页 |
| 2.1 LSD-SLAM算法原理 | 第16-19页 |
| 2.1.1 直接法相机追踪 | 第16-17页 |
| 2.1.2 深度图估计 | 第17-18页 |
| 2.1.3 全局地图优化 | 第18-19页 |
| 2.2 并行计算 | 第19-21页 |
| 2.2.1 数据并行 | 第19-20页 |
| 2.2.2 任务并行 | 第20页 |
| 2.2.3 弗林分类法和阿姆达尔定律 | 第20-21页 |
| 2.3 CUDA通用并行计算 | 第21-24页 |
| 2.3.1 英伟达GPU硬件架构 | 第21-23页 |
| 2.3.2 CUDA编程模型 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 相机追踪模块的加速研究 | 第25-36页 |
| 3.1 LSD-SLAM算法整体可并行性分析 | 第25页 |
| 3.2 相机追踪模块的并行设计与实现 | 第25-28页 |
| 3.2.1 相机追踪模块的并行分析 | 第25-26页 |
| 3.2.2 相机位姿估计的并行化设计 | 第26-27页 |
| 3.2.3 位姿估计并行化的初步实现 | 第27-28页 |
| 3.3 存储访问优化 | 第28-30页 |
| 3.3.1 使用共享内存 | 第29页 |
| 3.3.2 使用纹理内存 | 第29-30页 |
| 3.4 实验验证与分析 | 第30-35页 |
| 3.4.1 图像分块大小同加速比的关系 | 第31-32页 |
| 3.4.2 位姿估计并行化的正确性验证 | 第32-34页 |
| 3.4.3 存储访问优化验证 | 第34-35页 |
| 3.5 本章总结 | 第35-36页 |
| 第四章 深度估计模块的加速研究 | 第36-46页 |
| 4.1 深度估计模块的并行性分析 | 第36-37页 |
| 4.2 深度估计模块的并行化设计与实现 | 第37-39页 |
| 4.2.1 深度估计过程的并行化设计 | 第37-38页 |
| 4.2.2 深度估计并行化的初步实现 | 第38-39页 |
| 4.3 性能优化 | 第39-41页 |
| 4.3.1 使用共享内存 | 第39-40页 |
| 4.3.2 使用多个CUDA流 | 第40-41页 |
| 4.4 实验验证与分析 | 第41-45页 |
| 4.4.1 图像分块大小同加速比的关系 | 第41-43页 |
| 4.4.2 深度估计并行化的正确性验证 | 第43-44页 |
| 4.4.3 性能优化验证 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 作者简介 | 第52页 |
