基于自回歸模型深度恢復(fù)算法CUDA加速.pdf

1、場(chǎng)景深度的獲取是計(jì)算機(jī)視覺基本挑戰(zhàn)之一。它的應(yīng)用涵蓋了機(jī)器人導(dǎo)航、模型重建以及人機(jī)互動(dòng)等方面。通常采用TOF相機(jī)或kinect相機(jī)獲取深度方法都不是很理想，分辨率、噪聲以及相機(jī)參數(shù)不穩(wěn)定的情況要求提供相應(yīng)的深度圖像恢復(fù)算法?；贏R模型的深度圖恢復(fù)算法很好的恢復(fù)了3D-TOF的拍攝圖像，但是AR模型的參數(shù)提取必須進(jìn)行大量的運(yùn)算，給實(shí)時(shí)深度處理造成了很大的障礙。針對(duì)圖像處理的并行運(yùn)算問題，國(guó)內(nèi)外的大量研究人員青睞于CUDA并行運(yùn)算架構(gòu)。計(jì)

2、算機(jī)圖形處理器與生俱來就有強(qiáng)大的運(yùn)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(jì)算機(jī)圖形處理器這個(gè)計(jì)算工具進(jìn)行并行程序的開發(fā)?；贑UDA的圖形處理及其通用計(jì)算成為圖形學(xué)及高性能計(jì)算領(lǐng)域的熱點(diǎn)研究課題。
　　本文對(duì)并行運(yùn)算設(shè)計(jì)及圖形處理器的通用計(jì)算架構(gòu)研究，實(shí)現(xiàn)一種適合通用計(jì)算架構(gòu)的深度恢復(fù)算法。基于自回歸模型的深度恢復(fù)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(duì)深度信息進(jìn)行補(bǔ)償，恢復(fù)出高質(zhì)量的深度圖像。由于自回歸模型同時(shí)包含深度和彩色信息，計(jì)算過程有大量的矩陣運(yùn)算非常耗時(shí)。本文對(duì)CUDA的硬件執(zhí)行調(diào)度方式和軟件資源配置研究，實(shí)現(xiàn)了基于自回歸模型的深度恢復(fù)算法的并行版本。此算法在CUDA上分六個(gè)步驟實(shí)現(xiàn)：深度項(xiàng)系數(shù)計(jì)算、雙邊濾波項(xiàng)計(jì)算、彩色項(xiàng)系數(shù)計(jì)算、自回歸系數(shù)計(jì)算、深度恢復(fù)計(jì)算和kaiser窗模糊處理；每一個(gè)步驟都經(jīng)過優(yōu)化處理，其中線程資源和片上存儲(chǔ)器資源優(yōu)化是提升算法加速性能的重