基于GPU并行计算的快速视觉惯性里程计方法

针对当前视觉即时定位与地图构建(VSLAM)前端视觉惯性里程计(VIO)存在运算量大导致计算时间长的问题,提出了一种全新的基于图形处理器(GPU)并行加速的VIO方法.首先,对VIO进行加速算法设计,包括限制对比度的自适应性直方图均衡化(CLAHE)算法加速、FAST角点筛选改进加速以及改进光流跟踪算法加速.最后,将设计的加速算法串并组合成前端,结合开源VINS-Mono后端进行定位精度与实时性测试,平均耗时减少12.03 ms,定位精度均方根(RMS)值相差0.008963 m.实验结果表明:提出的方法在保持定位精度的同时提升了算法实时性能,且优于VINS-Mono中基于OpenCV GPU加速的方法.