Порівняння програмних реалізацій алгоритму Bundle Adjustment для задачі SLAM

Скорочена інформація про документ
dc.contributor.authorБіганський, Богдан Миколайович
dc.contributor.authorКовалюк, Дмитро Олександрович
dc.date.accessioned2025-06-09T11:15:33Z
dc.date.available2025-06-09T11:15:33Z
dc.date.issued2025
dc.description.abstractВ статті розглянуто задачу SLAM, зокрема один з головних її етапів Bundle Adjustment – відновлення тривимірної структури сцени та параметрів камери. Наведено існуючі бібліотеки, що реалізують даний алгоритм. Запропоновано програмне рішення для порівняння бібліотек Bundle Adjustment. В результаті досліджено швидкодію, кількість ітерацій, абсолютну помилку позиції (APE) та значення помилки. Здійснено візуалізацію розв’язку задачі Bundle Adjustment. Проведено порівняльний аналіз ефективності бібліотек Ceres, GTSAM та SymForce на наборах даних Ladybug, Trafalgar Square, Dubrovnik. Результати експериментів показали, що SymForce забезпечує найкращий баланс між швидкістю, точністю та збіжністю, тоді як Ceres демонструє високу швидкодію для окремих сценаріїв, а GTSAM поступається за всіма критеріями. Отримані висновки є важливими у виборі оптимального інструменту для розв’язання задач SLAM та нелінійної оптимізації.
dc.description.abstractotherThis paper investigates the problem of Simultaneous Localization and Mapping (SLAM) with a focus on the optimization stage of Bundle Adjustment (BA). This stage is crucial for accurately reconstructing the 3D structure of a scene and estimating camera parameters, which directly impact subsequent computer vision tasks such as tracking, depth map generation, and reconstruction. Modern software libraries implementing the BA algorithm are reviewed, including Ceres Solver, GTSAM, and SymForce. An experimental comparison of these libraries is conducted based on performance criteria such as execution speed, number of iterations, Absolute Pose Error (APE), and Cost Change. The BAL (Bundle Adjustment in the Large) dataset and three specific datasets—Ladybug, Trafalgar Square, and Dubrovnik—were used for testing. A software solution was developed to evaluate the performance of these libraries, incorporating steps such as normalization, adding random noise, and executing optimization algorithms. The visualization of solutions was performed using the Evo library. Experimental results show that SymForce provides the best balance between speed, accuracy, and convergence. It achieved the shortest execution time for the Ladybug and Trafalgar Square datasets and exhibited the lowest Absolute Pose Error across all cases. Ceres Solver proved competitive, particularly for the Dubrovnik dataset, where it outperformed SymForce in terms of speed. In contrast, GTSAM demonstrated the worst performance across all criteria, exhibiting the highest absolute errors and the longest computation times. Based on these findings, SymForce is the most suitable tool for SLAM and nonlinear optimization tasks where both speed and accuracy are critical. Ceres Solver can be effective in specific scenarios requiring maximum computational speed. Meanwhile, GTSAM lags behind its competitors, limiting its applicability in high-performance systems. These conclusions will aid in selecting the appropriate optimization libraries for practical applications in robotics, autonomous vehicles, and 3D mapping.
dc.format.pagerangeС. 48-55
dc.identifier.citationБіганський, Б. М. Порівняння програмних реалізацій алгоритму Bundle Adjustment для задачі SLAM / Біганський Б. М., Ковалюк Д. О. // Вісник НТУУ «КПІ ім. Ігоря Сікорського». Серія «Хімічна інженерія, екологія та ресурсозбереження». – 2025. – № 1(24). – С. 48-55. – Бібліогр.: 9 назв.
dc.identifier.doihttps://doi.org/10.20535/2617-9741.1.2025.325837
dc.identifier.orcid0009-0008-0861-9162
dc.identifier.orcid0000-0002-9729-1443
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/74128
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.relation.ispartofВісник НТУУ «КПІ ім. Ігоря Сікорського». Серія «Хімічна інженерія, екологія та ресурсозбереження», № 1 (24), 2025
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.sourceВісник НТУУ «КПІ ім. Ігоря Сікорського». Серія «Хімічна інженерія, екологія та ресурсозбереження»: збірник наукових праць, № 1 (24), 2025
dc.subjectSLAM
dc.subjectBundle Adjustment
dc.subjectоптимізація
dc.subjectпрограмне забезпечення
dc.subjectкомп’ютерний зір
dc.subjectробототехніка
dc.subjectoptimization
dc.subjectsoftware
dc.subjectcomputer vision
dc.subjectrobotics
dc.subject.udc004.94
dc.titleПорівняння програмних реалізацій алгоритму Bundle Adjustment для задачі SLAM
dc.title.alternativeComparison of software implementations of the bundle adjustment algorithm for the slam problem
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
48-55.pdf
Розмір:
1.12 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Вісник НТУУ «КПІ ім. Ігоря Сікорського». Серія «Хімічна інженерія, екологія та ресурсозбереження»: збірник наукових праць, № 1 (24)