CEVA凭借SensPro Sensor Hub DSP协助客户有效实现传感器融合

众所周知，传感器在配合使用时具有最佳效果。同步定位和地图构建（SLAM）也是如此。SLAM在AR/VR领域发挥着重要作用，可以根据用户的姿势调整场景，避免无人机或机器人在使用过程中的碰撞，应用广泛。预计到2023年，SLAM市场将增长至4.65亿美元，年复合增长率为36%，为大多数开发人员提供了极好的机会。将SLAM应用于手机上的室内导航可能在大型基础平台市场占据主导地位。GPS不能在室内工作。基于信标的导航只能在具有信标基础设施的区域工作。SLAM可以在任何提供室内地图的地方工作，这符合大多数建筑自动控制管理系统的低成本期望。将该区域的场景与用户在该区域行走时的姿势和运动相结合，使SLAM成为应用SLAM的绝佳例子。

开箱即用方案

我将首先描述如何在我们的CEVASensprosensorHubdSP硬件的基础上，结合我们的SLAM和Motionengine软件模块，集成和测试这个解决方案，以调整和管理运动输入。我们需要摄像头和惯性测量传感器、CPU和DSP。我们使用CPU承载Motiongine和SLAM框架，并使用DSP执行SLAM算法，以减轻任务负担。

为了更简单地解释，我将首先从OrbsLAM算法开始，这是一种广泛使用的执行开源代码的算法。它将执行三个主要功能。跟踪（视觉）逐帧注册，并在当前地图上定位新帧。构图将点添加到地图上，并通过创建和解释一组复杂的线性方程进行局部优化。循环闭合通过修改返回到已到达的点进行整体优化。这是通过解释一组大型的线性方程来实现的。

其中一些功能可以在CPU核心的主机应用程序中非常有效地运行，并具有您应用程序独特的控制和管理功能。某些功能必须在DSP处理器中运行才能实用或具有竞争优势。例如，跟踪可能在CPU中管理1帧/秒（FPS），其中特征提取占算法运行时间的40%。相比之下，DSP可以管理30帧/秒（FPS），这对于视频和IMU之间的细粒度关系非常重要。

这一优势的原因很容易理解。DSP为跟踪和解决线性方程提供了非常高的平行处理能力和定点/浮点支持，这一点非常重要。此外，还有一个特殊的指令集来加速特征提取。主机和DSP之间的简单链接可以将DSP视为加速器，从而将密集计算转移到Senspro。

IMU的视觉融合

我们提供了两个关键组件：使用CEVA-SLAMSDK产品的视觉SLAM和CEVAMotiongine软件，可以非常准确地处理六个自由度中三个自由度的IMU输入。IMU与视频信息的集成取决于迭代算法，通常根据应用程序要求定制。最后一步是将视觉数据与运动数据连接起来，以生成准确的定位和映射估计值。CEVA提供成熟的视觉SLAM和IMUMotiongine软件作为开发集成算法的坚实基础。构成此类算法的密集功能将在DSP上运行最快，如我们的SENSPro2平台。

测试原型

构建原型平台后，如何测试？有多个SLAM数据集可用。Kitti就是其中之一，EuroC就是另一个。在下面的例子中，我展示了OpenCV的实现与我们CEVA-SLAMSDK的精度进行了比较。你会想对你的产品做类似的分析。

整合自己的方法

正如我前面提到的，构建SLAM平台的方法有很多。也许你不想从OrbSLAM开始，或者你想整合自己开发的算法或者差异化的算法。SensproSensorHubdSP可以支持。