Fast LiDAR data registration using GPUs

Descripción del Articulo

En los últimos años, la llegada de las cámaras de profundidad de bajo costo y sensores LiDAR ha incentivado a las industrias a invertir en estas tecnologías, lo cual incluye también mayor interés en investigaciones sobre procesamiento digital de señales. En esta ocasión, la reconstrucción tridimensi...

Descripción completa

Detalles Bibliográficos
Autor: Huapaya Ávalos, Carlos Enrique
Formato: tesis de grado
Fecha de Publicación:2023
Institución:Pontificia Universidad Católica del Perú
Repositorio:PUCP-Tesis
Lenguaje:inglés
OAI Identifier:oai:tesis.pucp.edu.pe:20.500.12404/26200
Enlace del recurso:http://hdl.handle.net/20.500.12404/26200
Nivel de acceso:acceso abierto
Materia:Sensores inteligentes
Algoritmos--Aplicaciones
Industria minera
https://purl.org/pe-repo/ocde/ford#2.02.01
id PUCP_fcbccf480dcd2de18ea02c482f1dcf57
oai_identifier_str oai:tesis.pucp.edu.pe:20.500.12404/26200
network_acronym_str PUCP
network_name_str PUCP-Tesis
repository_id_str .
dc.title.es_ES.fl_str_mv Fast LiDAR data registration using GPUs
title Fast LiDAR data registration using GPUs
spellingShingle Fast LiDAR data registration using GPUs
Huapaya Ávalos, Carlos Enrique
Sensores inteligentes
Algoritmos--Aplicaciones
Industria minera
https://purl.org/pe-repo/ocde/ford#2.02.01
title_short Fast LiDAR data registration using GPUs
title_full Fast LiDAR data registration using GPUs
title_fullStr Fast LiDAR data registration using GPUs
title_full_unstemmed Fast LiDAR data registration using GPUs
title_sort Fast LiDAR data registration using GPUs
author Huapaya Ávalos, Carlos Enrique
author_facet Huapaya Ávalos, Carlos Enrique
author_role author
dc.contributor.advisor.fl_str_mv Carranza De la Cruz, César Alberto
dc.contributor.author.fl_str_mv Huapaya Ávalos, Carlos Enrique
dc.subject.es_ES.fl_str_mv Sensores inteligentes
Algoritmos--Aplicaciones
Industria minera
topic Sensores inteligentes
Algoritmos--Aplicaciones
Industria minera
https://purl.org/pe-repo/ocde/ford#2.02.01
dc.subject.ocde.es_ES.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.01
description En los últimos años, la llegada de las cámaras de profundidad de bajo costo y sensores LiDAR ha incentivado a las industrias a invertir en estas tecnologías, lo cual incluye también mayor interés en investigaciones sobre procesamiento digital de señales. En esta ocasión, la reconstrucción tridimensional de túneles mineros utilizando LiDARs y un robot de auto-navegación ha sido propuesta como proyecto de investigación, y el presente trabajo forma parte en cargándose del alineamiento de nubes de puntos tridimensionales en tiempo real, un proceso que es más conocido como Registro de Nubes de Puntos. Existen muchos algoritmos que pueden resolver este problema, pero para el proyecto, el algoritmo solo necesita calcular la alineación fina y rígida. Al comparar los algoritmos de registro más avanzados, se encontró que el popular algoritmo ICP es el más adecuado para este caso debido a su alta robustez y eficiencia. Dentro de este algoritmo, se encuentran 3 pasos simples: relación, minimización y transformación, junto con una colección de variaciones de estos pasos que han sido desarrolladas a lo largo de las últimas décadas. Basándose en esto, en este trabajo se diseñó e implementó un algoritmo ICP paralelo en CPU y GPU. Además, las optimizaciones en recursos de memoria, ocupación de núcleos y el uso de la técnica de desenrollado de bucles para la implementación en GPU permiten que la implementación propuesta deI ICP alcance un rendimiento 95 veces más rápido que implementaciones de CPU altamente optimizadas.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-10-18T19:08:07Z
dc.date.available.none.fl_str_mv 2023-10-18T19:08:07Z
dc.date.created.none.fl_str_mv 2023
dc.date.issued.fl_str_mv 2023-10-18
dc.type.es_ES.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12404/26200
url http://hdl.handle.net/20.500.12404/26200
dc.language.iso.es_ES.fl_str_mv eng
language eng
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_ES.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-sa/2.5/pe/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-sa/2.5/pe/
dc.publisher.es_ES.fl_str_mv Pontificia Universidad Católica del Perú
dc.publisher.country.es_ES.fl_str_mv PE
dc.source.none.fl_str_mv reponame:PUCP-Tesis
instname:Pontificia Universidad Católica del Perú
instacron:PUCP
instname_str Pontificia Universidad Católica del Perú
instacron_str PUCP
institution PUCP
reponame_str PUCP-Tesis
collection PUCP-Tesis
bitstream.url.fl_str_mv https://tesis.pucp.edu.pe/bitstreams/ca1ea23e-a779-4abb-844d-81e1c19f34c6/download
https://tesis.pucp.edu.pe/bitstreams/e4aeeabb-2162-484f-8540-7c0c7169d93b/download
https://tesis.pucp.edu.pe/bitstreams/d9af52aa-9f74-494c-bfd3-54e8b093a26a/download
https://tesis.pucp.edu.pe/bitstreams/0f2b6a41-a8ef-4398-8fa2-53f1a6fbd8bc/download
https://tesis.pucp.edu.pe/bitstreams/e4921f8d-2a25-430a-8ade-f001ea182265/download
https://tesis.pucp.edu.pe/bitstreams/4cf524c4-595a-47cb-9774-682a74ace47f/download
bitstream.checksum.fl_str_mv f729d1fe99a30e945d27ade561725d74
9ac6525bf23704a30e25ab0df207b3de
b7a36ada981bb81cbd668e3fd4618f2a
8a4605be74aa9ea9d79846c1fba20a33
b8be7a161201a1b8bd58dc0fa4406083
8bed316223c42b389a5e5de27e5f4ffc
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de Tesis PUCP
repository.mail.fl_str_mv raul.sifuentes@pucp.pe
_version_ 1834737068344868864
spelling Carranza De la Cruz, César AlbertoHuapaya Ávalos, Carlos Enrique2023-10-18T19:08:07Z2023-10-18T19:08:07Z20232023-10-18http://hdl.handle.net/20.500.12404/26200En los últimos años, la llegada de las cámaras de profundidad de bajo costo y sensores LiDAR ha incentivado a las industrias a invertir en estas tecnologías, lo cual incluye también mayor interés en investigaciones sobre procesamiento digital de señales. En esta ocasión, la reconstrucción tridimensional de túneles mineros utilizando LiDARs y un robot de auto-navegación ha sido propuesta como proyecto de investigación, y el presente trabajo forma parte en cargándose del alineamiento de nubes de puntos tridimensionales en tiempo real, un proceso que es más conocido como Registro de Nubes de Puntos. Existen muchos algoritmos que pueden resolver este problema, pero para el proyecto, el algoritmo solo necesita calcular la alineación fina y rígida. Al comparar los algoritmos de registro más avanzados, se encontró que el popular algoritmo ICP es el más adecuado para este caso debido a su alta robustez y eficiencia. Dentro de este algoritmo, se encuentran 3 pasos simples: relación, minimización y transformación, junto con una colección de variaciones de estos pasos que han sido desarrolladas a lo largo de las últimas décadas. Basándose en esto, en este trabajo se diseñó e implementó un algoritmo ICP paralelo en CPU y GPU. Además, las optimizaciones en recursos de memoria, ocupación de núcleos y el uso de la técnica de desenrollado de bucles para la implementación en GPU permiten que la implementación propuesta deI ICP alcance un rendimiento 95 veces más rápido que implementaciones de CPU altamente optimizadas.In the last years, the advent of low-cost depth cameras and LiDAR sensors has encouraged industries to invest in these technologies, which includes research about digital signal processing. This time, 3D surfaces reconstructions of mining tunnels using LiDARs and a self-navigation robot have been proposed as a research project and this work is in charge of performing the alignment of data that come from the LiDARs in real-time, a process that is most known as 3D Point Cloud Registration. Many algorithms can solve this problem, but for the project, the algorithm only needs to compute for fine-rigid alignment. Comparing state-of-the-art registration algorithms, it is found that the popular ICP algorithm is the best suited for this case since its high robustness and efficiency. Inside this algorithm, there are 3 simple steps: matching, minimization, and transformation, and a diverse collection of variations of these steps that have been developed through the last decades. Based on this, a parallel ICP algorithm is designed and implemented in CPU and GPU. Moreover, optimizations in memory resources, cores occupancy, and the usage of the loop unrolling technique for the GPU implementation lead the proposed ICP implementation to reach a performance of 95 times faster than highly-optimized CPU implementations.engPontificia Universidad Católica del PerúPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-sa/2.5/pe/Sensores inteligentesAlgoritmos--AplicacionesIndustria minerahttps://purl.org/pe-repo/ocde/ford#2.02.01Fast LiDAR data registration using GPUsinfo:eu-repo/semantics/bachelorThesisreponame:PUCP-Tesisinstname:Pontificia Universidad Católica del Perúinstacron:PUCPSUNEDUIngeniero ElectrónicoTítulo ProfesionalPontificia Universidad Católica del Perú. Facultad de Ciencias e IngenieríaIngeniería Electrónica09641576https://orcid.org/0000-0003-1222-011877125538712026Cuellar Cordova, Francisco FabianCarranza De la Cruz, César AlbertoFlores Espinoza, Donato Andréshttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesisORIGINALHUAPAYA_AVALOS_CARLOS_ENRIQUE_FAST_LIDAR.pdfHUAPAYA_AVALOS_CARLOS_ENRIQUE_FAST_LIDAR.pdfTexto completoapplication/pdf1891102https://tesis.pucp.edu.pe/bitstreams/ca1ea23e-a779-4abb-844d-81e1c19f34c6/downloadf729d1fe99a30e945d27ade561725d74MD51trueAnonymousREADHUAPAYA_AVALOS_CARLOS_ENRIQUE_T.pdfHUAPAYA_AVALOS_CARLOS_ENRIQUE_T.pdfReporte de originalidadapplication/pdf9448828https://tesis.pucp.edu.pe/bitstreams/e4aeeabb-2162-484f-8540-7c0c7169d93b/download9ac6525bf23704a30e25ab0df207b3deMD52falseAnonymousREAD2500-01-01CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81031https://tesis.pucp.edu.pe/bitstreams/d9af52aa-9f74-494c-bfd3-54e8b093a26a/downloadb7a36ada981bb81cbd668e3fd4618f2aMD53falseAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://tesis.pucp.edu.pe/bitstreams/0f2b6a41-a8ef-4398-8fa2-53f1a6fbd8bc/download8a4605be74aa9ea9d79846c1fba20a33MD54falseAnonymousREADTHUMBNAILHUAPAYA_AVALOS_CARLOS_ENRIQUE_FAST_LIDAR.pdf.jpgHUAPAYA_AVALOS_CARLOS_ENRIQUE_FAST_LIDAR.pdf.jpgIM Thumbnailimage/jpeg10495https://tesis.pucp.edu.pe/bitstreams/e4921f8d-2a25-430a-8ade-f001ea182265/downloadb8be7a161201a1b8bd58dc0fa4406083MD55falseAnonymousREADHUAPAYA_AVALOS_CARLOS_ENRIQUE_T.pdf.jpgHUAPAYA_AVALOS_CARLOS_ENRIQUE_T.pdf.jpgIM Thumbnailimage/jpeg6855https://tesis.pucp.edu.pe/bitstreams/4cf524c4-595a-47cb-9774-682a74ace47f/download8bed316223c42b389a5e5de27e5f4ffcMD56falseAnonymousREAD2500-01-0120.500.12404/26200oai:tesis.pucp.edu.pe:20.500.12404/262002024-05-29 10:44:06.976http://creativecommons.org/licenses/by-sa/2.5/pe/info:eu-repo/semantics/openAccessopen.accesshttps://tesis.pucp.edu.peRepositorio de Tesis PUCPraul.sifuentes@pucp.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
score 13.8477545
Fast LiDAR data registration using GPUs
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares