SLAMBench

มาตรฐานประสิทธิภาพความแม่นยำและประสิทธิภาพการใช้พลังงานสำหรับแอปพลิเคชัน SLAM

นี่คือ SLAMBench 1.1 รุ่นมือถือโดยใช้ชุดข้อมูล ICL-NUIM

คุณสามารถใช้เกณฑ์มาตรฐานนี้เพื่อประเมินความสามารถของโทรศัพท์ของคุณที่ใช้โซลูชั่นความเป็นจริงที่เพิ่มขึ้นตามอัลกอริทึม SLAM (เช่น Kinectfusion)

SLAMBench : http://apt.cs.manchester.ac.uk/projects/pamela/tools/slambench/

kinectfusion: https://msdn.microsoft.com/en-us/library/dn188670.aspx

icl-nuim: http://www.doc.ic.ac.uk/~ahanda/vafric/iclnuim.html

คำอธิบาย Slambench

-

อัลกอริทึมการมองเห็นคอมพิวเตอร์สำหรับการทำความเข้าใจฉาก 3 มิติมีผลกระทบที่อาจเกิดขึ้นอย่างมหาศาลสำหรับบริบทแอปพลิเคชันหุ่นยนต์ที่ จำกัด พลังงาน SLAMBench นำเสนอรากฐานสำหรับการวิจัยเชิงปริมาณเชิงปริมาณเทียบเคียงและถูกต้องเพื่อตรวจสอบการแลกเปลี่ยนเพื่อประสิทธิภาพความแม่นยำและการใช้พลังงานของแอปพลิเคชันที่สร้างรูปแบบ 3 มิติที่หนาแน่นของฉากโดยพลการโดยใช้กล้อง RGB-D

แนวทางที่หนาแน่นในการแปลและการแมป (SLAM) ที่มีความหนาแน่นสูงนั้นมีราคาแพงเมื่อเทียบกับวิธีการตามคุณสมบัติที่เบาบาง แต่มีข้อได้เปรียบที่สำคัญในการให้การแปลที่แข็งแกร่งและรูปแบบของสภาพแวดล้อมที่มีรายละเอียดสูง SLAMBench เป็นเฟรมเวิร์กซอฟต์แวร์ที่สนับสนุนการวิจัยในเครื่องเร่งฮาร์ดแวร์และเครื่องมือซอฟต์แวร์โดยการเปรียบเทียบประสิทธิภาพการบริโภคพลังงานและความแม่นยำของแบบจำลอง 3D ที่สร้างขึ้นในบริบทของความจริงพื้นฐานที่รู้จัก

คุณสมบัติของเวอร์ชัน Android

-

- แอพนี้รัน Kinectfusion บนมือถือ Android ของคุณ

- ให้สถิติเกี่ยวกับประสิทธิภาพของมันรวมถึงความเร็วความแม่นยำและสำหรับอุปกรณ์ที่เข้ากันได้ประสิทธิภาพพลังงานและอุณหภูมิ

- ผลลัพธ์ของคุณจะถูกส่งไปยังเซิร์ฟเวอร์ระยะไกลโดยไม่ระบุชื่อและใช้ในการปรับปรุงอัลกอริทึม SLAMBench และสแลม

คุณสมบัติของเวอร์ชัน Linux

-

SLAMBench ให้การใช้งาน KFUSION โดยใช้ภาษายอดนิยมปัจจุบัน CUDA, OpenCL, OpenMP และ C ++ ลำดับการป้อนข้อมูลสามารถให้ได้ในรูปแบบมาตรฐานจำนวนมากรวมถึง OpenNI หรือโดยตรงจากกล้องที่เข้ากันได้ OpenNI เครื่องมือช่วยให้พารามิเตอร์ต่าง ๆ สามารถปรับได้อย่างง่ายดายเพื่อแลกเปลี่ยนความแม่นยำกับประสิทธิภาพหรือพลังงาน ความแม่นยำสามารถวัดได้โดยใช้สคริปต์ที่มีให้ในการเชื่อมโยงกับชุดข้อมูล ICL-NUIM ซึ่งให้ลำดับที่สร้างขึ้นแบบสังเคราะห์ที่มีคุณภาพสูงเป็นการอ้างอิงความจริงภาคพื้นดิน

โครงสร้างของฐานรหัสช่วยให้สามารถเสียบเมล็ดหรืออัลกอริทึมทางเลือกได้อย่างง่ายดายและอีกครั้งผลกระทบต่อประสิทธิภาพและความแม่นยำที่จะวิเคราะห์ได้ง่าย

อินเทอร์เฟซที่ใช้ QT ช่วยให้การสร้างภาพข้อมูลประสิทธิภาพแบบเรียลไทม์รวมถึงพลังงานใน ODROID-XUE/3 รวมถึงการสร้างภาพของโมเดล 3D ตามที่สร้างขึ้น

สิ่งพิมพ์

-

หากคุณใช้ SLAMBench ในสิ่งพิมพ์ทางวิทยาศาสตร์เราจะขอบคุณการอ้างอิงไปยังบทความต่อไปนี้ (http://arxiv.org/abs/1410.2167):

แนะนำวิธีการเปรียบเทียบประสิทธิภาพและความแม่นยำในการเปรียบเทียบสำหรับสแลม

L. Nardi, B. Bodin, MZ Zia, J. Mawer, A. Nisbet, Phj Kelly, AJ Davison, M. Luján, MFP O'Boyle, G. Riley, N. Topham และ S. Furber แนะนำวิธีการเปรียบเทียบประสิทธิภาพและความ SLAMBench ในการเปรียบเทียบสำหรับสแลม ใน IEEE Intl Conf. เกี่ยวกับหุ่นยนต์และระบบอัตโนมัติ (ICRA), พฤษภาคม 2015. Arxiv: 1410.2167

มีอะไรใหม่ในเวอร์ชันล่าสุด 1.0-11