Offloading SLAM to the edge/cloud is now becoming an attractive option to greatly decrease device energy usage. The new SLAM solution involves compressing image data on the device before transmission, allowing a further decrease in the network bandwidth when performing SLAM at the edge/cloud. However, lossy compression affects the quality of images, making image features harder to detect and track during visual SLAM operation, impacting localization accuracy. Current visual SLAM implementations assume that images are non-compressed since SLAM is traditionally executed onboard the device to which a camera is directly connected. This thesis work explores the impact of image compression on the localization accuracy of ORBSLAM3, a representative visual SLAM system, and in what way the ORBSLAM3’s modules for feature detection and matching are affected. Methods are proposed that adapt the image bitrates based on the number of features detected and enhance the image brightness for low-light conditions, plus optimizing the internal parameters in SLAM, to improve the robustness of the overall system to image compression. The experiment results show the detailed influence of the impact brought by compression on ORB-SLAM3 and prove the effectiveness of our methods. Also, integrating these methods yields synergistic improvements. While this thesis work primarily addresses the SLAM system’s front-end, future work can target back-end modifications. / Att avlasta SLAM till kanten/molnet blir nu ett attraktivt alternativ för att markant minska enheters energiförbrukning. Den nya SLAM-lösningen innebär att bilddata komprimeras på enheten innan den överförs, vilket möjliggör ytterligare minskning av nätverksbandbredden vid genomförandet av SLAM vid kanten/molnet. Men förlustkomprimering påverkar bildernas kvalitet och gör det svårare att upptäcka och följa bildfunktioner under visuell SLAM-drift, vilket påverkar lokaliseringsnoggrannheten. Nuvarande implementationer av visuell SLAM förutsätter att bilderna inte är komprimerade eftersom SLAM traditionellt utförs ombord på den enhet till vilken en kamera är direkt ansluten. Denna avhandling utforskar effekten av bildkomprimering på lokaliseringsnoggrannheten hos ORB-SLAM3, en representativ visuell SLAM-system, och på vilket sätt ORB-SLAM3: s moduler för funktionssökning och matchning påverkas. Metoder föreslås som anpassar bildbitarna baserat på antalet detekterade funktioner och förbättrar bildens ljusstyrka för svagt ljusförhållanden, samt optimerar de interna parametrarna i SLAM för att öka hela systemets robusthet mot bildkomprimering. Experimentresultaten visar den detaljerade påverkan som kompression har på ORB-SLAM3 och bevisar effektiviteten hos våra metoder. Dessutom ger integration av dessa metoder synergi och förbättringar. Även om denna avhandling primärt fokuserar på SLAM-systemets framsida, kan framtida arbete rikta sig mot bakkantsmodifieringar.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-343971 |
| Date | January 2023 |
| Creators | Wang, Guangzhi |
| Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-EECS-EX ; 2023:900 |
Page generated in 0.0018 seconds