與由岡田隆之教授領導的東北大學研究團隊合作，Socionext Inc .開發了一種新方法，可以減少SLAM(同步定位和測繪)所需的處理時間，這對于執行自主控制的設備來說非常重要，時間僅為傳統技術所需時間的1/60。這種新方法使得在一些CPU性能有限、功耗有限的邊緣設備，如自動駕駛汽車、AGV (Automatic Guided Vehicle)、機器人、無人機等執行自主控制的設備，以及AR (Augmented Reality，增強現實)眼鏡等設備的SoC中執行高級SLAM處理成為可能。
這項研究工作已被ICCV(計算機視覺領域最負盛名的會議之一)接受為演講報告。這種新方法是在10月11日至17日在線舉行的ICCV 2021會議上推出的。
根據獲取物體周圍三維信息的傳感方法，SLAM可以分為兩種主要類型。一種是激光雷達(Light Detection and Ranging)，利用激光測量距離。另一個是Visual SLAM，它使用相機圖像。視覺SLAM發展顯著，因為使用的攝像頭相對便宜，而且除了同時定位，這種方法還可以結合使用圖像識別的各種控制過程，因此可以期待很多應用。
近年來，隨著深度學習的引入，圖像識別技術取得了顯著進展，深度學習的應用成為視覺SLAM演進的重要因素。然而，基于特征點和攝像機方向的未知地標三維信息的波束調整優化是傳統方法的瓶頸。對于CPU處理能力有限的邊緣SoC設備，這將使實際處理變得困難。
為了應對這一挑戰，研究團隊提出了一種利用“圖網絡(GN)”[1](一種圖神經網絡)進行推理的近似計算方法。新方法包括從GN塊輸入的關鍵幀和地標信息中推斷更新信息(圖2)，并通過多棧GN結構收斂到最終值(圖3)。與傳統的勒溫伯格-馬夸特方法的標準光束像差相比，這使得推理過程需要更少的計算量。
研究團隊利用這種新的推理方法實現了Visual SLAM的綁定調整，并與廣泛使用的方法“G2O”進行了對比[2]。PC仿真結果表明，與g2o相比，新方法可將處理時間縮短至1/60。(圖4)
Socionext將從這項研究工作中積累經驗，并將Visual SLAM技術確立為公司定制SoC解決方案的產品之一。該公司將為圖像識別領域的客戶系統(如工業設備和移動設備)提出創新的性能改進方案。此外，公司將繼續研究和開發新的推理方法，以提高處理效率，并將其應用擴展到圖像識別以外的新客戶應用。
關于反社會公司
Socionext Inc .是一家全球創新型企業，業務涉及片上系統的設計、研發和銷售。公司聚焦消費、汽車、工業領域的世界先進技術，在不斷推動多元化應用發展的今天。Socionext融合了世界一流的專業知識、經驗和豐富的IP產品組合，致力于為客戶提供高效的解決方案和客戶體驗。公司成立于2015年，總部位于日本橫濱，在日本、亞洲、美國和歐洲設有辦事處，領導產品開發和銷售。
行業資訊 
2021-12-17 14:05:02
微信公眾號
粵公網安備 44030702002479號
