基于GPU的视觉系统的并行加速设计与实现

论文摘要

计算机视觉技术有着非接触性、高自动化等特点,随着计算机立体视觉技术的发展,用计算机模拟人眼的视觉功能成为可能,随着政府对于物联网研究和开发的高度重视,以计算机视觉技术为基础的物联网已经引起国内学术界、工业界和新闻媒体的高度重视。本文中的三维测量系统是结合双目立体视觉技术设计并实现的,但由于系统的计算量大计算时间较长不能满足实时性要求,由此结合GPU具有强大并行计算能力的特点,设计了一种基于GPU的测量和感知并行处理算法,并对算法进行改进和优化,有效地提高了系统运算速度,完成对非接触物体的实时测量和感知。现代图像处理器（graphics processing unit,GPU）采用相对简单的控制逻辑和大规模的通用计算单元,凭借着强大的并行计算能力和较高的性价比,GPU已经成为计算领域不可缺少的一部分。用GPU进行通用计算已经越来越普遍。AMD和NVIDIA分别推出过自己的编程模型——Brook+和CUDA。但是在程序可移植方面,AMD GPU和NVIDIA GPU互不兼容。最终Khronos Group推出了丌放式计算机语言OpenCL,该语言不仅能充分发挥异构平台下设备的性能潜力,而且具有可移植性。本文对最终实现的系统进行了测试,在AMD phenom （tm） 2 X6 1055T 2.8GHZk和ATI HD5850组成的异构平台上进行测试,测试结果表明利用GPU和多核CPU对系统加速效果明显,加速比可达3000倍,可以满足系统实时性的要求。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景及意义
• 1.2 研究现状
• 1.2.1 目立体视觉理论
• 1.2.2 GPU发展现状
• 1.3 本文结构
• 2 双目立体视觉系统流程
• 2.1 摄像机标定
• 2.1.1 摄像机成像模型
• 2.1.2 坐标系系统与转换
• 2.2 图像预处理
• 2.2.1 中值滤波
• 2.2.2 灰度均衡
• 2.2.3 数字剪影
• 2.2.4 图像分割
• 2.2.5 去干扰点及图像处理实验结果
• 2.3 图像匹配
• 2.4 三维坐标恢复
• 2.5 本章小结
• 3 基于GPU的视觉系统模型的构建
• 3.1 GPU架构和编程模型的分析
• 3.2 GPU架构和编程模型的选取
• 3.3 基于OpenCL的计算机视觉系统的模型构建
• 3.3.1 系统平台
• 3.3.2 内存管理
• 3.3.3 执行方式
• 3.3.4 编程模型
• 3.4 本章小结
• 4 匹配算法的改进与并行化
• 4.1 匹配算法的设计
• 4.2 匹配算法的实现
• 4.3 匹配算法的并行化及初步的实现
• 4.4 本章小节
• 5 并行视觉系统的优化
• 5.1 GPU优化方法介绍
• 5.2 基于GPU的并行算法的优化及实现
• 5.2.1 访存优化与实现
• 5.2.2 Local Memory的使用
• 5.2.3 缓存访问中的Bank Conflict问题
• 5.2.4 代码优化
• 5.3 引入多核的并行视觉系统
• 5.3.1 系统引入多核CPU的可行性分析
• 5.3.2 利用多核CPU再次加速的实现
• 5.4 本章小节
• 6 实验结果和分析
• 6.1 访存优化与系统资源优化实验结果
• 6.2 Local Memory使用后的优化实验结果
• 6.3 Bank Conflict优化实验结果
• 6.4 代码优化实验结果
• 6.5 加入多核CPU后的实验结果
• 参考文献
• 致谢