Lista przedmiotów z materiałami udostępnionymi dla studentów

Dla_studentów
  • Increase font size
  • Default font size
  • Decrease font size

Maciej Janeczek

Adaptacyjny algorytm wyznaczania mapy dyparycji dla procesora graficznego


An adaptive disparity map algorithm for GPU


Opiekun pracy dyplomowej: dr inż. Piotr Skulimowski
Dodatkowy opiekun pracy dyplomowej: mgr inż. Mateusz Owczarek

Praca dyplomowa magisterska obroniona 2017-07-17
Streszczenie pracy dyplomowej:
Współcześnie większość zastosowań systemów stereowizyjnych jest przeznaczona dla urządzeń mobilnych, w szczególności w obszarze maszynowego przetwarzania obrazów i robotyki. Z tego powodu istotne jest projektowanie wydajnych i niezawodnych algorytmów, których implementacja jest możliwa w szerokim zakresie środowisk operacyjnych. W niniejszej pracy zaprojektowano i opisano wydajny algorytm adaptacyjny wyznaczania mapy dysparycji, który jest optymalizowany dla mobilnego procesora graficznego. Większość algorytmów stereowizyjnych wykorzystuje algorytm dopasowania bloków, który w większości przypadków jest głównym czynnikiem dużej złożoności obliczeniowej. Proponowana w niniejszej pracy metoda wprowadza nowe podejście obliczeniowe. Polega ono na łączeniu funkcji kosztu uzyskiwanych dzięki zastosowaniu niewielkiego rozmiaru okna dopasowania oraz zoptymalizowanych obliczeniowo rzadkich okien dopasowania, podobnych do tych stosowanych w pierwszych warstwach splotowych sieci neuronowych. Adaptacyjność proponowanej metody polega dopasowaniu rozmiaru bloków do lokalnych własności obrazów. Takie rozwiązanie pozwala na wyznaczanie map dysparycji o rozdzielczości subpikselowej zarówno dla dobrze określonych pod kątem tekstury powierzchni, jak również dla obszarów o jednolitej jasności jak np. ściany czy powierzchnia podłoża. Pokazano także, że zaproponowany algorytm jest bardzo wydajny, dzięki odpowiedniemu przystosowaniu do architektury procesora graficznego. Słowa kluczowe: Stereowizja, wizja maszynowa, aplikacje mobilne, dysparycja, mapa głębi Niniejszą pracę dofinansowano ze środków Projektu Europejskiego Horyzont 2020, pt. "Sound of Vision" nr 643636, realizowanego w latach 2015-2017
Abstract:
Nowadays most of the applications of the stereovision are related to the mobile devices, especially in the field of computer vision systems and robotics. It is crucial to create efficient and robust algorithms that would allow their implementation in wide range of the environments. This thesis presents an efficient adaptive algorithm of stereo matching applied and optimized for mobile Graphics Processing Unit (GPU). It is a well known problem that most of the stereo vision algorithms are based on basic stereo matching algorithm that in most of the cases is the main factor of the computation complexity in solving the correspondence problem. The presented method introduces a novel approach to this problem by adaptively combining the cost function by using a very efficient small matching window and sparse accumulated windows similar to those applied in convolutional neural networks. Adaptability of this method is based on local characteristics of the images. Such a solution allows to compute disparity maps of subpixel precision both on highly textured areas of the image as well as on weakly matchable texture-less areas like walls and floor. The algorithm is very efficient computationally due to its design that is specially dedicated to a mobile GPU architecture. Keywords: Stereo vision, machine vision, mobile applications, disparity, depth map. This thesis was supported by the European Union’s Horizon 2020 Research and Innovation Programme under grant agreement No 643636 “Sound of Vision” in years 2015-2017.