Estudio, optimización y comparativa de algoritmos de procesamiento de nubes de puntos para detección de obstáculos desde UAVs

Abstract

Este trabajo va a tratar sobre el estudio de varias librerías de procesamiento de nubes de puntos y el desarrollo de algoritmos mediante GPU para el pre-procesamiento y la detección de obstáculos enfocado a UAVs. Para determinar los escenarios más interesantes en los que obtener métricas para el posterior análisis, se usarán implementaciones previas en sets de datos reales capturados en entornos urbanos con un LIDAR 3D embarcado en un UAV. Se analizará la comparativa de los resultados obtenidos tras ejecutar los algoritmos tanto en CPU como en GPU, teniendo en cuenta los tiempos de ejecución, el rendimiento y el tamaño de las nubes de puntos. Dicha comparativa se realizará no solo en un portátil, sino también en un kit de desarrollador de la familia NVIDIA Jetson, concretamente una Jetson TX2, la cual cuenta con varios procesadores CPU y una GPU y puede ser integrada en un UAV. La comparativa de los resultados en estos dos dispositivos nos permitirá analizar mejor las ventajas que supone el procesamiento con GPU y determinar los escenarios más eficientes para su uso en UAVs, teniendo en cuenta las limitaciones de los sistemas embebidos.

This project is about studying some different point clouds libraries and the development of GPU-based algorithms for pre-processing and detecting obstacles focused on UAVs. In order to decide the most interesting scenes to obtain metrics for the later analysis, some previous implementations on real data sets captured at urban environments with a 3D-LIDAR embedded into an UAV will be used. A comparison of the obtained results will be analysed, after executing the algorithms on both CPU and GPU, with regard to the execution times, the efficiency and the size of the point clouds. The aforementioned comparison will be made not only on the laptop, but also on a NVIDIA Jetson TX2 developer kit, which has some CPU processors and a GPU and it can be embedded into an UAV. The comparison of the results between these two devices will allow us to do a better analysis of the GPU-based processing advantages and determine the most efficient scenes for its use on UAVs, taking into account the embedded systems limitations.