公开(公告)号：CN109947118B

公开(公告)日：2021-10-26

申请号：CN201910326154.2

申请日：2019-04-19

Applicant: 南京大学

Inventor： 刘海涛 ,  缪晓伟

IPC: G05D1/02

Abstract: 本发明公开了一种使用GPU加速的代价地图快速更新方法，包括步骤：步骤S1，在当前位置获取一组传感器数据；步骤S2，在全局代价地图中复制机器人当前位置周围一块指定大小的矩形区域，作为局部代价地图复制到显存中；步骤S3，将获取到的传感器数据复制到显存中；步骤S4，GPU并行地处理传感器数据中的每一部分，在显存上的局部代价地图内标记障碍位置和自由空间；步骤S5，GPU并行地处理每一个障碍栅格，在局部代价地图上根据障碍物膨胀模型修改其周围栅格的代价数值；步骤S6，将显存中的局部代价地图复制回内存中原来的位置并覆盖。本发明将代价地图更新这一任务分配给适宜大规模并行计算的GPU完成，运算效率更高，改善了移动机器人闭环控制的实时性。

公开(公告)号：CN109947118A

公开(公告)日：2019-06-28

申请号：CN201910326154.2

申请日：2019-04-19

Applicant: 南京大学

Inventor： 刘海涛 ,  缪晓伟

IPC: G05D1/02

Abstract: 本发明公开了一种使用GPU加速的代价地图快速更新方法，包括步骤：步骤S1，在当前位置获取一组传感器数据；步骤S2，在全局代价地图中复制机器人当前位置周围一块指定大小的矩形区域，作为局部代价地图复制到显存中；步骤S3，将获取到的传感器数据复制到显存中；步骤S4，GPU并行地处理传感器数据中的每一部分，在显存上的局部代价地图内标记障碍位置和自由空间；步骤S5，GPU并行地处理每一个障碍栅格，在局部代价地图上根据障碍物膨胀模型修改其周围栅格的代价数值；步骤S6，将显存中的局部代价地图复制回内存中原来的位置并覆盖。本发明将代价地图更新这一任务分配给适宜大规模并行计算的GPU完成，运算效率更高，改善了移动机器人闭环控制的实时性。