基于CUDA的FastSLAM算法并行化研究.pdf

1、同步定位與地圖構建（Simultaneous Localization And Mapping，SLAM）已經成為實現移動機器人主動定位導航的關鍵技術；因此，高效的實現這一過程成為SLAM的重中之重。SLAM實現方法眾多，基于Rao-Blackwellized統計學定理將SLAM過程簡化為路徑估計與路標估計兩個過程的FastSLAM方法，有效的降低了算法的計算難度以及運行時間。雖然如此，仍有大量的研究工作專注于如何提高SLAM的實時性。

2、伴隨顯卡技術的提升，英偉達于2007年顛覆性的推出通用并行計算架構CUDA。通過該架構可以更方便的使用GPU處理復雜的稠密計算問題。科研人員可以基于CUDA，使用C語言快速將數據并行這一類問題實現并行，以達到加速目的。
　　本文以FastSLAM算法為基礎，深入研究其中的重采樣過程和路標估計過程，并通過有效的數學方法和程序設計技巧使其滿足CUDA應用條件，從而充分利用CPU和GPU的資源以達到加速目的。
　　本文的主要工作包

3、括：
　?。?）改進FastSLAM算法的重采樣過程，新的重采樣過程使用改進型系統重采樣方法替代原來的分層抽樣方法。我們使用數學方法構造出左邊界l=(ck-u)×N+2和右邊界r=(ck+wik-u)×N+1。使得整個采樣區(qū)間被分割成了很多兩兩互不相交的區(qū)間，這打破了原有的數據依賴關系，滿足CUDA并行條件；并通過extern“C”（C函數接口，使得在C++中嵌入C函數）作為函數接口，對重采樣部分進行CUDA C程序設計。