Direct Visual Odometry on a GPU

Abstract

Denne masteroppgaven dekker implementasjonen av DVO (Direct Visual Odometry) algoritmen på en GPGPU (General-purpose Graphical Processing Unit). DVO er en direkte visuell odometri algoritme som er i stand til å estimere banen til et kamera på en nøyaktig måte, gitt en RGB-D video. Vi dekker den nødvendige matematiske teorien som trengs for å kunne drøfte rundt bevegelse i tre-dimensjonalt rom, i tilegg til hvordan vi kan definere bane estimeringen som et optimaliseringsproblem og løse det på en effektiv måte. Vi gir så et overblikk over GPGPU programmering som illustrerer hvordan det skiller seg fra CPU programmering. Vi viser så hvordan DVO algoritmen kan implementerer på en effektiv måte på en GPGPU og hvordan den skiller seg fra en CPU implementasjon. Til slutt evaluerer vi hvordan en endring i algoritmens parametere påvirker effektiviteten og nøyaktigheten til implementasjonen.

This thesis covers the implementation of the DVO (Direct Visual Odometry) algorithm on a GPGPU (General-purpose Graphical Processing Unit). DVO is a direct visual odometry algorithm capable of accurately estimating the trajectory of a camera from a RGB-D video feed. We cover the necessary mathematical background thready needed to reason about motion in three-dimensional space, as well as how to propose the trajectory as an optimization problem we can solve in a efficient manner. A overview of GPGPU programming is given, illustrating how this differs from CPU programming. We then show how the DVO algorithm can be implemented in a efficient manner on a GPGPU and how this differs from a CPU implementation. Finally, a evaluation of how altering the parameters of the algorithm effects the efficiency and accuracy of the implementation is given.