Dieser Artikel beschreibt ein echtzeitfähiges Verfahren zur Berechnung von Bildkorrespondenzen eines Bildstroms. Dabei liegt der Fokus auf der Parallelisierung durch GPUs und die Spezialisierung auf den automotiven Bildstrom. Es gelingt damit, die Eigenbewegung zu schätzen und Hypothesen für bewegte Objekte zu erzeugen. Die parallele Verarbeitung des Bildstroms ist wesentlich für die Echtzeitfähigkeit, denn oft können Bildeinheiten (z.B. Pixel oder Pixelgruppen) unabhängig voneinander betrachtet und deren Berechnung vektorisiert werden. Dieser Beitrag stellt zunächst die Arbeit vor, welche das Problem der Korrespondenzberechnung in Bildströmen effizient löst und für GPUs optimiert ist. Es werden Bildraten von über 200 fps erreicht. Die Berechnungszeit ist dabei aufgrund der Parallelisierung weitgehend unabhängig von der Anzahl der zu verarbeitenden Korrespondenzen. So beträgt die GPU-Zeit für ca. 2000 Korrespondenzen unter 3ms bei einem Automotive-Format 752 x 480. Grundlegend für Effizienz des Verfahren ist das sogenannte SidCell-Bild (Scale Invariant Descriptive Cells), eine Datenstruktur, welche gleichzeitig Extraktor und Deskriptor für Bildschlüsselpunkte ist.
Einsatz von GPUs für automotives Sehen
2010
12 Seiten, 11 Bilder, 1 Tabelle, 13 Quellen
Conference paper
German
Einsatz von GPUs fuer automotives Sehen
Automotive engineering | 2010
|Einsatz von GPUs fur automotives Sehen
British Library Conference Proceedings | 2010
|Effiziente, parallelisierte Berechnung von Bildkorrespondenzen fuer automotives Sehen
Automotive engineering | 2010
|Effiziente, parallelisierte Berechnung von Bildkorrespondenzen für automotives Sehen
Tema Archive | 2010
|Corrosion Protection - Automotives
SAE Technical Papers | 2005
|