0. 筆者個(gè)人體會(huì)

很多SLAM系統(tǒng)為了實(shí)時(shí)估計(jì)位姿，建立的是稀疏地圖，這種地圖很難用作導(dǎo)航和規(guī)劃任務(wù)。但是建立稠密地圖的話，又會(huì)降低運(yùn)算效率。設(shè)計(jì)GPU加速稠密建圖是一個(gè)可行方案，但需要使用大量繁瑣的CUDA編程，這個(gè)工作量巨大！

但最近，NVIDIA和ETHZ就聯(lián)合提出了nvblox，是一個(gè)使用GPU加速SDF建圖的庫。計(jì)算速度非常快，相較CPU計(jì)算TSDF甚至快了177倍。更重要的是，因?yàn)樗袛?shù)據(jù)都已經(jīng)存儲(chǔ)在GPU上，所以很容易和深度學(xué)習(xí)方案結(jié)合！

對(duì)建圖速度有要求的小伙伴可以關(guān)注一下這項(xiàng)工作。

1. 效果展示

nvblox以2cm的分辨率很快建立了SDF地圖：

辦公室移動(dòng)機(jī)器人實(shí)驗(yàn)，包括一個(gè)重建mesh，一個(gè)距離場slice，一個(gè)占用概率表示的動(dòng)態(tài)目標(biāo)（人）。其中場景的動(dòng)態(tài)部分隨時(shí)間衰減，靜態(tài)部分使用TSDF融合實(shí)現(xiàn)精確重建。

這項(xiàng)工作最大的亮點(diǎn)在于，極大加快速度，又不損失精度。源代碼和相應(yīng)的ROS代碼都開源了，感興趣的小伙伴可以關(guān)注一下，下面來看具體的論文信息。

2. 摘要

稠密體素地圖對(duì)于機(jī)器人在雜亂空間中的安全導(dǎo)航以及與環(huán)境的交互至關(guān)重要。對(duì)于延遲和魯棒性，如果這些可以在計(jì)算受限的硬件上從相機(jī)或基于激光雷達(dá)的傳感器進(jìn)行板載計(jì)算，則是最好的。以前的工作在基于CPU的機(jī)器人地圖繪制系統(tǒng)和基于GPU的重建系統(tǒng)之間留下了差距，前者由于計(jì)算約束限制了地圖分辨率或比例，后者忽略了對(duì)機(jī)器人路徑規(guī)劃至關(guān)重要的特征。我們引入了一個(gè)庫nvblox，旨在通過GPU加速機(jī)器人體素建圖來填補(bǔ)這一空白，并針對(duì)嵌入式GPU進(jìn)行了優(yōu)化。nvblox提供了超越現(xiàn)有技術(shù)的顯著性能改進(jìn)，在表面重建方面實(shí)現(xiàn)了高達(dá)177倍的加速，在距離場計(jì)算方面實(shí)現(xiàn)了高達(dá)31倍的改進(jìn)，并且是開源的。

3. 算法解析

重述一下問題：

給定RGB-D或LiDAR輸入，位姿已知，建立體素地圖，將3D點(diǎn)映射為距離、占用、顏色等信息，輸出表面重建（占用/TSDF）或距離場（ESDF）。

傳統(tǒng)的建圖方法有什么問題？

使用CPU建圖太慢了！

這項(xiàng)工作是怎么做的？

nvblox希望使用GPU來加速建圖，具體架構(gòu)包括多層地圖（TSDF、顏色、占用、Mesh、ESDF，用戶自己定義）、幀積分器（添加傳感器數(shù)據(jù)到地圖）、格式轉(zhuǎn)換（轉(zhuǎn)換地圖格式），最終導(dǎo)出包含ESDF和網(wǎng)格重建的體素網(wǎng)格。使用時(shí)還可以增加地圖圖層，也可以擴(kuò)展為語義標(biāo)簽等其他類型。

這個(gè)ESDF是啥？

ESDF地圖是歐幾里得符號(hào)距離場，場里面的每一個(gè)體素都包含了距離它最近的障礙物的歐幾里得距離。對(duì)于路徑規(guī)劃來說，ESDF比TSDF更合適一些。ETHZ之前的工作voxblox計(jì)算的是準(zhǔn)歐幾里得距離，這樣即使地圖變化很小，更新計(jì)算量也非常大。相比之下，nvblox直接利用GPU計(jì)算歐幾里得距離。

ESDF加速如何進(jìn)行？

作者在PBA的基礎(chǔ)上二次開發(fā)，來加速ESDF計(jì)算，算法總流程：

1、在分配塊中，輸入TSDF層和更新的體素塊列表；

2、標(biāo)記位置（在障礙計(jì)算中可以是父體的體素，也就是表面邊界上的體素）。也就是說，這個(gè)體素的子體素是其最近的表面邊界的體素。還需要處理兩種常見情況：新占用以及新空閑的體素。新占用的體素可以簡單地采用它們的TSDF值，并添加到索引中更新。新空閑的體素需要將它們的距離重置為最大值；

3、清除無效值。具體做法是找到其父體不再是一個(gè)位置的體素，重新計(jì)算距離，選擇塊索引中最大ESDF距離內(nèi)的映射子集，然后檢查每個(gè)體素是否仍然具有有效的父體；

4、降低ESDF體素距離；

5、通過跨塊邊界通信來更新相鄰塊，從而協(xié)調(diào)體素塊之間的差異；

6、如果最后一級(jí)需要通過體素塊邊界進(jìn)行通信，則進(jìn)行另一次掃描。重復(fù)掃描領(lǐng)域更新循環(huán)，直到所有塊都更新完成。

ESDF加速的可視化結(jié)果，該算法的總體思想是迭代計(jì)算體素塊內(nèi)的正確距離值，然后將體素塊邊界上的距離信息傳遞給領(lǐng)域，實(shí)現(xiàn)高度并行化。

4. 實(shí)驗(yàn)結(jié)果

整個(gè)實(shí)驗(yàn)部分的核心觀點(diǎn)是：nvblox可以在提高建圖（ESDF）速度的同時(shí)，不損失建圖精度。實(shí)驗(yàn)設(shè)備選擇了三個(gè)平臺(tái)：臺(tái)式機(jī)（Intel i9 CPU和NVIDIA RTX3090 Ti GPU），筆記本（Intel i7 CPU和RTX3000 Mobile GPU），還有Jetson Xavier AGX。使用的數(shù)據(jù)集是Replica和Redwood。

首先是各個(gè)部分和voxblox（ETHZ之前的工作，使用CPU建圖，參考Voxblox: Incremental 3D Euclidean Signed Distance Fields forOn-Board MAV Planning）的耗時(shí)對(duì)比，其中每4幀執(zhí)行了生成了一次ESDF和網(wǎng)格，分辨率是5cm?？梢园l(fā)現(xiàn)每部分的加速都非常明顯，TSDF甚至加快了177倍！

增量ESDF計(jì)算的定量對(duì)比，對(duì)比方案包括voxblox和Fiesta，運(yùn)行設(shè)備是桌面GPU。表格數(shù)據(jù)是重建體素的中值誤差，結(jié)果顯示voxblox和Fiesta的速度分別提高了31倍和4倍，關(guān)鍵是沒有損失精度。

查詢時(shí)間的對(duì)比，在GPU上采集3D點(diǎn)，并在GPU上執(zhí)行ESDF查找，返回它們到最近表面的距離以及可選的距離場梯度。cor表示空間相關(guān)，uncor表示不相關(guān)。這里也推薦「3D視覺工坊」新課程《徹底剖析激光-視覺-IMU-GPS融合SLAM算法：理論推導(dǎo)、代碼講解和實(shí)戰(zhàn)》。

nvblox的應(yīng)用示例，重建了一個(gè)無人機(jī)采集的場景，還是體現(xiàn)實(shí)時(shí)性。

5. 總結(jié)

今天筆者為大家介紹了一個(gè)GPU加速的體素建圖庫nvblox，主要工作量是提出了一種新穎的增量式GPU加速方法來計(jì)算ESDF。nvblox針對(duì)獨(dú)立和嵌入式GPU都進(jìn)行了優(yōu)化，計(jì)算速度非常快。對(duì)建圖速度有要求的小伙伴可以關(guān)注一下這項(xiàng)工作。