SLAMBench -

Tolok ukur kinerja, akurasi, dan efisiensi daya untuk aplikasi SLAM.

Ini adalah edisi seluler SLAMBench 1.1 menggunakan dataset ICL-NUIM.

Anda dapat menggunakan tolok ukur ini untuk mengevaluasi kemampuan ponsel Anda menjalankan solusi augmented reality berdasarkan algoritma SLAM (mis. 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

Deskripsi Slambench

------------------------------------

Algoritma visi komputer untuk pemahaman adegan 3D memiliki dampak potensial yang sangat besar untuk konteks aplikasi robotika yang dibatasi daya. SLAMBench menyajikan fondasi untuk penelitian eksperimental kuantitatif, sebanding, dan dapat divalidasi untuk menyelidiki trade-off untuk kinerja, akurasi dan konsumsi energi dari suatu aplikasi yang menghasilkan model 3D yang padat dari adegan sewenang-wenang menggunakan kamera RGB-D.

Pendekatan padat untuk masalah lokalisasi dan pemetaan simultan (SLAM) secara komputasi mahal dibandingkan dengan metode berbasis fitur yang jarang, tetapi memiliki keunggulan penting dalam menyediakan lokalisasi yang kuat dan model lingkungan yang sangat detail. SLAMBench adalah kerangka kerja perangkat lunak yang mendukung penelitian dalam akselerator perangkat keras dan perangkat lunak dengan membandingkan kinerja, konsumsi energi, dan keakuratan model 3D yang dihasilkan dalam konteks kebenaran dasar yang diketahui.

Fitur versi android

---------------------------------------------

- Aplikasi ini menjalankan KinectFusion di ponsel Android Anda,

- Ini memberikan statistik tentang kinerjanya, termasuk kecepatan, akurasi, dan untuk perangkat yang kompatibel, efisiensi daya dan suhu.

- Hasil Anda akan dikirim secara anonim ke server jarak jauh, dan digunakan untuk meningkatkan algoritma SLAMBench dan SLAM.

Fitur versi linux

------------------------------------------

SLAMBench menyediakan implementasi KFusion menggunakan bahasa populer, saat ini CUDA, OpenCl, OpenMP dan C ++. Urutan input dapat disediakan dalam sejumlah format standar, termasuk Openni, atau langsung dari kamera yang kompatibel dengan Openni. Alat ini memungkinkan berbagai parameter untuk dengan mudah disesuaikan untuk menukar akurasi terhadap kinerja, atau daya. Akurasi dapat diukur menggunakan skrip yang disediakan bersama dengan dataset ICL-NUIM, yang memberikan sekuens yang dihasilkan secara sintetis berkualitas tinggi sebagai referensi kebenaran ground.

Struktur basis kode memungkinkan kernel atau algoritma alternatif untuk dicolokkan dengan relatif mudah dan, sekali lagi, efek pada kinerja dan akurasi yang akan mudah dianalisis.

Antarmuka berbasis QT memungkinkan visualisasi waktu nyata dari angka-angka kinerja, termasuk daya pada Odroid-Xue/3, serta visualisasi model 3D saat dibangun.

Publikasi

------------------------------------

Jika Anda menggunakan SLAMBench dalam publikasi ilmiah, kami akan menghargai kutipan untuk makalah berikut (http://arxiv.org/abs/1410.2167):

Memperkenalkan Slambench, metodologi pembandingan kinerja dan akurasi untuk SLAM.

L. Nardi, B. Bodin, MZ Zia, J. Mawer, A. Nisbet, Phj Kelly, AJ Davison, M. Luján, Mfp O'Boyle, G. Riley, N. Topham, dan S. Furber. Memperkenalkan SLAMBench , metodologi pembandingan kinerja dan akurasi untuk SLAM. Di IEEE INTL. Conf. Tentang Robotika dan Otomasi (ICRA), Mei 2015. ARXIV: 1410.2167.

Apa yang baru di versi terbaru 1.0-11