基于自回歸模型深度恢復算法CUDA加速.pdf

1、場景深度的獲取是計算機視覺基本挑戰(zhàn)之一。它的應用涵蓋了機器人導航、模型重建以及人機互動等方面。通常采用TOF相機或kinect相機獲取深度方法都不是很理想，分辨率、噪聲以及相機參數(shù)不穩(wěn)定的情況要求提供相應的深度圖像恢復算法?；贏R模型的深度圖恢復算法很好的恢復了3D-TOF的拍攝圖像，但是AR模型的參數(shù)提取必須進行大量的運算，給實時深度處理造成了很大的障礙。針對圖像處理的并行運算問題，國內(nèi)外的大量研究人員青睞于CUDA并行運算架構(gòu)。計

2、算機圖形處理器與生俱來就有強大的運算能力，NVIDIA公司推出了CUDA架構(gòu)使開發(fā)的難度大大降低，程序員可以很容易地利用計算機圖形處理器這個計算工具進行并行程序的開發(fā)?；贑UDA的圖形處理及其通用計算成為圖形學及高性能計算領(lǐng)域的熱點研究課題。
　　本文對并行運算設計及圖形處理器的通用計算架構(gòu)研究，實現(xiàn)一種適合通用計算架構(gòu)的深度恢復算法?；谧曰貧w模型的深度恢復算法把低分辨率高噪聲的深度圖像和高質(zhì)量的彩色圖像作為輸入，利用彩色圖像

3、的紋理信息對深度信息進行補償，恢復出高質(zhì)量的深度圖像。由于自回歸模型同時包含深度和彩色信息，計算過程有大量的矩陣運算非常耗時。本文對CUDA的硬件執(zhí)行調(diào)度方式和軟件資源配置研究，實現(xiàn)了基于自回歸模型的深度恢復算法的并行版本。此算法在CUDA上分六個步驟實現(xiàn)：深度項系數(shù)計算、雙邊濾波項計算、彩色項系數(shù)計算、自回歸系數(shù)計算、深度恢復計算和kaiser窗模糊處理；每一個步驟都經(jīng)過優(yōu)化處理，其中線程資源和片上存儲器資源優(yōu)化是提升算法加速性能的重