Architecture embarquée pour le SLAM monoculaire

Diego Botero-Galeano (1) , Aurélien Gonzalez (1, 2) , Michel Devy (1)

1 LAAS - Laboratoire d'analyse et d'architecture des systèmes
2 UT - Université de Toulouse

Cet article rappelle les principes des algorithmes de SLAM monoculaire mis en oeuvre sur un véhicule pour traiter de sa localisation, puis décrit l'architecture développée pour embarquer ces algorithmes. Notre méthode SLAM exploite le filtre de Kalman étendu pour construire une carte d'amers ponctuels, représentés soit par Inverse Depth Parametrization si la profondeur est trop imprécise, soit en euclidien; la position du véhicule est mise à jour à partir d'appariements entre points extraits de l'image et amers de la carte. Cet article présente une implémentation sur une architecture dédiée, réalisée en co-design sur un FPGA. Les algorithmes d'extraction des points de l'image sont exécutés à la fréquence pixel sur FPGA, tandis que la fonction de construction et mise à jour de la carte reste exécutée en logiciel. Les caractéristiques et les performances de ces deux implémentations sont comparées avec des données de vérité terrain.

Mots clés: SLAM; Amers ponctuels; IDP; FPGA; Architecture

Domaines: Intelligence artificielle [cs.AI]; Vision par ordinateur et reconnaissance de formes [cs.CV]

Diego Botero-Galeano, Aurélien Gonzalez, Michel Devy. Architecture embarquée pour le SLAM monoculaire. RFIA 2012 (Reconnaissance des Formes et Intelligence Artificielle), Jan 2012, Lyon, France. pp.978-2-9539515-2-3. ⟨hal-00656569⟩