Параллельная CUDA-реализация алгоритма сопоставления стереоизображений

Авторы

  • В.А. Фурсов
  • Е.В. Гошин
  • А.П. Котов

Ключевые слова:

стереопара изображений
реконструкция 3D-сцены
проективная геометрия
эпиполярная геометрия
параллельные вычисления
графические процессоры
технология CUDA

Аннотация

Поиск соответствующих фрагментов и точек на нескольких изображениях одной и той же сцены является одной из центральных проблем во многих прикладных задачах: автономная навигация по протяженным ориентирам, распознавание объектов на изображениях, реконструкция 3D-сцен и др. Для ее решения применяют различные корреляционные методы анализа сходства фрагментов. Алгоритмы на основе этих методов имеют высокую вычислительную сложность. Вместе с тем, как в указанных, так и многих других прикладных задачах одним из основных является требование оперативности принятия решений. Типичным примером является задача восстановления трехмерной сцены, в рамках которой реализуется алгоритм сопоставления стереоизображений. В настоящей статье для повышения быстродействия этого алгоритма предлагается вычислительная схема, допускающая его эффективную параллельную CUDA-реализацию. Высокая степень параллелизма достигается вследствие наличия большого числа однотипных операций при сопоставлении точек на эпиполярных линиях. Проведены эксперименты по реконструкции 3D-сцены по стереоизображениям с использованием предложенного параллельного алгоритма, получена оценка ускорения. Статья рекомендована к публикации Программным комитетом Международной научной конференции «Параллельные вычислительные технологии» (ПаВТ-2014; http://agora.guru.ru/pavt2014).

Новые вычислительные технологии

Загрузки

Опубликован

2014-03-14

Выпуск

Том 15 (2014): Выпуск 1.

Раздел

Раздел 1. Вычислительные методы и приложения

Авторы

В.А. Фурсов

Самарский государственный аэрокосмический университет имени С.П. Королева
Московское шоссе, 34, 443086, Самара
• заведующий кафедрой

Е.В. Гошин

Институт систем обработки изображений РАН
Молодогвардейская ул., 151, 443001, Самара
• аспирант

А.П. Котов

Самарский государственный аэрокосмический университет имени С.П. Королева
Московское шоссе, 34, 443086, Самара
• заведующий кафедрой

Библиографические ссылки

  1. Аншаков Г.П., Голяков А.Д., Петрищев В.Ф., Фурсов В.А. Автономная навигация космических аппаратов. Самара: ЦСКБ-Прогресс, 2011.
  2. Lowe D.G. Object recognition from local scale-invariant features // Proc. Seventh IEEE Int. Conf. on Computer Vision. Vol. 2. New York: IEEE Press, 1999. 1150-1157.
  3. Ojala T., Pietikainen M., Harwood D. Performance evaluation of texture measures with classification based on Kullback discrimination of distributions // Proc. 12th IAPR Int. Conf. on Pattern Recognition. Vol. 1. New York: IEEE Press, 1994. 582-585.
  4. Dalal N., Triggs B. Histograms of oriented gradients for human detection // IEEE Computer Society Conf. on Computer Vision and Pattern Recognition (CVPR’05). Vol. 1. New York: IEEE Press, 2005. 886-893.
  5. Ke Y., Sukthankar R. PCA-SIFT: a more distinctive representation for local image descriptors // Proc. 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Vol. 2. New York: IEEE Press, 2004. 506-513.
  6. Barnes C., Shechtman E., Finkelstein A., Gold’man D. PatchMatch: a randomized correspondence algorithm for structural image editing // ACM Trans. Graph. 2009. 28, N 3. Article No. 24.
  7. Klaus A., Sormann M., Karner K. Segment-based stereo matching using belief propagation and a self-adapting dissimilarity measure // Proc. 18th Int. Conf. on Pattern Recognition. Vol. 3. New York: IEEE Press, 2006. 15-18.
  8. Bleyer M., Rother C., Kohli P., Scharsteinh D., Sinha S. Object stereo-joint stereo matching and object segmentation // Proc. 2011 IEEE Conf. on Computer Vision and Pattern Recognition (CVPR). New York: IEEE Press, 2011. 3081-3088.
  9. Zitnick C. L., Kang S.B. Stereo for image-based rendering using image over-segmentation // Int. J. of Computer Vision. 75, N 1. 2007. 49-65.
  10. Yang Q., Ahuja N. Stereo matching using epipolar distance transform // IEEE Trans. on Image Processing. 2012. 21, N 10. 4410-4419.
  11. Kowalczuk J., Psota E.T., Perez L.C. Real-time stereo matching on CUDA using an iterative refinement method for adaptive support-weight correspondences // IEEE Trans. on Circuits and Systems for Video Technology. 2013. 23, N 1. 94-104.
  12. Фурсов В.А., Гошин Е.В., Бибиков С.А. Реконструкция 3D-сцен на пучках эпиполярных плоскостей стереоизображений // Мехатроника, автоматизация, управление. 2013. № 9. 19-24.
  13. Форсайт Д., Понс Ж. Компьютерное зрение. Современный подход. М.: Вильямс, 2004.
  14. Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И., Спектор А.А. Цифровая обработка изображений в информационных системах. Новосибирск: Изд-во НГТУ, 2002.
  15. Фурсов В.А., Бибиков С.А., Гошин Е.В., Жердев Д.А. Параллельная реализация модифицированного алгоритма реконструкции трехмерной сцены по стереоизображениям // Тр. Междунар. научной конференции «Параллельные вычислительные технологии», 1-5 апреля 2013 г., г. Челябинск. Челябинск: Изд-во ЮУрГУ, 2013. 624.
  16. Боресков А.В., Харламов А.А. Основы работы с технологией CUDA. М.: ДМК Пресс, 2010.