 |
М.О. Чеканов "Многопоточные неблокирующие алгоритмы построения карты проходимости пространства" |
 |
|
Аннотация.
Предложены три модификации алгоритма построения карты проходимости пространства: предварительное выделение памяти для описания окружающего пространства, изменение формата хранимых элементов карты для обновления без блокировок и разделение карты на два участка для обеспечения возможности сдвига карты без её блокировки. Каждая из модификаций демонстрирует последовательное улучшение производительности по сравнению с базовой реализацией для одномерного сценария. Для итогового алгоритма эксперименты на синтетических данных показали более чем 10-кратное снижение скорости роста времени обновления карты при увеличении её размера. Предложено расширение последней модификации на двумерный случай.
Ключевые слова:
карта проходимости пространства, высокоавтоматизированное транспортное средство, автономное пилотирование, многопоточное программирование, алгоритмы без блокировок, комплексирование данных.
DOI 10.14357/20718632260205
EDN GUPAAX
Стр. 40-51.
Литература
1. Bathla G., et al. Autonomous Vehicles and Intelligent Automation: Applications, Challenges, and Opportunities. // Mobile Information Systems 2022. Vol. 2022. No. 1. P. 7632892. https//doi.org/10.1155/2022/7632892. 2. Elfes A. Using Occupancy Grids for Mobile Robot Perception and Navigation. // Computer. 2002. Vol. 22. No. 6. P. 46–57. https//doi.org/10.1109/2.30720. 3. Moravec H.P. Sensor Fusion in Certainty Grids for Mobile Robots. // AI Magazine. 1988. Vol. 9. No. 2. P. 61. https//doi.org/10.1609/aimag.v9i2.676. 4. Dryanovski I., Morris W., Xiao J. Multi-Volume Occupancy Grids: An Efficient Probabilistic 3D Mapping Model for Micro Aerial Vehicles. // 2010 IEEE/RSJ International Conference on Intelligent Robots and Systems. October 18-22, 2010, Taipei. Taiwan. IEEE. P. 1553–1559. https//doi.org/10.1109/IROS.2010.5652494. 5. Moravec H., Elfes A. High Resolution Maps from Wide Angle Sonar. // Proceedings. 1985 IEEE International Conference on Robotics and Automation. March 25-28, 1985, St. Louis, MO. USA. Vol. 2. P. 116–121. IEEE. https//doi.org/10.1109/ROBOT.1985.1087316. 6. Thrun S. Learning Occupancy Grid Maps with Forward Sensor Models. // Autonomous Robots. 2003. Vol. 15 No. 2. P. 111–127. https//doi.org/10.1023/A:1025584807625. 7. Li Y. Stereo Vision and Lidar Based Dynamic Occupancy Grid Mapping: Application to Scenes Analysis for Intelligent Vehicles. // PhD thesis, Université de Technologie de Belfort-Montbeliard, 2013. 8. Meng X., Duan D., Feng T. Multi-Vehicle Multi-Sensor Occupancy Grid Map Fusion in Vehicular Networks. // IET Communications. 2022. Vol. 16. No. 1. P. 67–74. https//doi.org/10.1049/cmu2.12314. 9. Vargas J., et al. An Overview of Autonomous Vehicles Sensors and Their Vulnerability to Weather Conditions. // Sensors. 2021. Vol. 21. No. 16. P. 5397. https//doi.org/10.3390/s21165397. 10. Thrun S. Probabilistic Robotics. // Communications of the ACM. 2002. Vol. 45. No. 3. P. 52–57. https//doi.org/10.1145/504729.50475. 11. Fleming W.J. New Automotive Sensors—a Review. // IEEE Sensors Journal. 2008. Vol. 8. No. 11. P. 1900–1921. https//doi.org/10.1109/JSEN.2008.2006452. 12. Guerrero-Ibáñez J., Zeadally S., Contreras-Castillo J. Sensor Technologies for Intelligent Transportation Systems. // Sensors. 2018. Vol. 18 No. 4. P. 1212. https//doi.org/10.3390/s18041212. 13. Fog Agner. Lists of instruction latencies, throughputs and micro-operation breakdowns for Intel, AMD,and VIA CPUs. URL: https://www.agner.org/optimize/instruction_tables.pdf Agner Fog Homepage (дата обращения: 17.09.2025).
|
