用于RANSAC算法的并行执行的技术制造技术

各个实施例一般针对用于采用依次和并行处理的混合来执行随机取样一致性(RANSAC)的技术。执行RANSAC的装置包括：推导组件，从数据集的最小样本集合的第一集合并行地得出所建议模型的第一集合；以及比较组件，如果所建议模型的第一集合的所建议模型比所建议模型的第一集合的推导之前所得出的任何所建议模型更好地拟合数据集，则重新计算得出准确模型的所建议模型的所需量，并且在所建议模型的第一集合的推导之后基于所需量与包括第一集合的先前所得出的所建议模型的量的比较来确定是否得出所建议模型的第二集合。描述并且要求保护其他实施例。

【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
司空见惯的是采用各种估计算法从表示各种领域的多种类型的数据的任一种的大数据集来得出数学模型，包括动态力的分析、气体或流体移动的模拟、热分析、图像处理等。在图像处理领域中，这类数据集可从视觉表象来得出，以及这类估计算法可用来得出来自一个以上照相装置的图像的部分之间的关系，作为用于识别对象的过程的部分。然而，虽然存在用于从相对地没有“异常值”的数据集(例如表示统计异常的数据集的元素)来得出模型的许多算法，但是有较少算法已经证明在以较高确定度从可具有这类异常值的较高比例的数据集来得出模型方面是有效的。换言之，存在用于从相对“有噪”数据(其中数据集中多达50%的元素可能是不表示实际信息的噪声)来得出模型的较少算法。在那些少数算法之中是随机抽样一致性(RANSAC)、即所建议模型反复被生成并且测试以查找在预定概率度最佳拟合数据集的数据元素的所建议模型的迭代算法。RANSAC通常完全按照依次方式执行，使得在各迭代中，生成数据集的随机选择元素的单个子集，从那个子集来得出单个所建议模型，测试那个所建议模型，确定那个所建议模型与来自先前迭代的所有其他模型相比是否为数据集的更好拟合，并且确定是否要求其他迭代。如果新得出和测试的所建议模型与来自先前迭代的所有其他模型相比是更好的拟合，则它成为新的总体最佳建议模型，以及至少部分基于新的总体最佳建议模型拟合数据集的程度重新计算所需迭代的总数。至此所执行的迭代次数则与所需总数(无论是否重新计算)进行比较，以确定是否将要执行其他迭代。取决于所建议模型的复杂度，每个所建议模型的推导和测试能够消耗大量处理、存储和/或功率资源，以及消耗大量时间。此外，确定是否要求其他迭代的计算的重复执行也能够消耗大量资源和/或时间。附图说明图1示出模型处理系统的一实施例。图2示出模型处理系统的备选实施例。图3和图4各示出按照一实施例、并行处理在执行RANSAC的一部分中的使用。图5示出按照一实施例、得出数学模型的示例。图6示出一实施例的一部分。图7-9各示出按照一实施例的逻辑流程。图10示出按照一实施例的处理架构。图11示出图形处理系统的另一个备选实施例。图12示出装置的一实施例。具体实施方式各个实施例一般针对用于采用依次和并行处理的混合来执行随机取样一致性(RANSAC)算法的技术。从其中得出所建议模型的数据集的子集的生成可依次执行。但是，多个所建议模型并行地得出和测试。此外，关于哪一个所建议模型最佳地拟合数据集的确定、必须得出和测试的所建议模型的数量的计算以及关于是否得出和测试更多所建议模型的确定尽管依次执行，但是不经常执行。一些部分的并行执行以及依次执行其他部分的降低频率减少执行RANSAC所需的时间。并行执行的部分可由一个或多个处理器组件的一个或多个核心(其架构与执行依次部分的单个核心和/或单个处理器组件有所不同)来执行。大体上，在执行RANSAC的迭代中发生的情况从执行RANSAC的长期典型完全依次方式的各迭代中发生的情况来重新定义。在每次这种重新定义迭代中，生成数据集的多个子集，并且得出和测试所建议模型的新集合。在所建议模型的每个新集合的推导和测试之后，将最佳地拟合数据集的新集合的一个所建议模型与先前确定为所有先前所得出和测试集合的所有所建议模型之中的总体最佳拟合的所建议模型进行比较。如果新集合的最佳拟合建议模型与来自所建议模型的所有先前集合的总体最佳建议模型相比是对数据集的更好拟合，则新集合的最佳拟合建议模型成为新的总体最佳建议模型。如果新集合的最佳拟合建议模型成为新的总体最佳建议模型，则需要被得出和测试的所建议模型的总数至少部分基于新的总体最佳建议模型拟合数据集的程度来重新计算。至此所得出和测试的所建议模型的数量则与需要被得出和测试的所建议模型的数量(无论是否重新计算)进行比较，以确定是否将要执行得出和测试所建议模型的另一个集合的其他迭代。在确定没有更多所建议模型集合将要被得出和测试的点，无论所建议模型是什么，总体最佳建议模型都成为通过RANSAC的执行所得出的模型。依次执行的RANSAC算法的部分可由一个处理器组件的单个核心来执行。那个处理器组件的那个核心可基于具有使它更好地适合依次执行那些部分(包括但不限于执行概率计算)的一个或多个特性来选择。并行执行的RANSAC算法的其他部分可由相同处理器组件或不同处理器组件的一个或多个其他核心来执行。一个或多个其他核心可基于具有使一个或多个其他核心更好地适合并行执行那些部分的一个或多个特性(包括但不限于运行多个线程和/或执行数据的单指令多数据(SIMD)并行处理的能力)来选择。在一些实施例中，在依次执行RANSAC的部分中采用的核心可属于计算装置的中央处理器(CPU)，以及在并行执行RANSAC的其他部分中采用的一个或多个其他核心可属于那个计算装置的图形处理单元(GPU)。CPU和GPU可在计算装置的相同处理器组件中的半导体管芯上实现。备选地，CPU和GPU可在多芯片模块(MCM)中携带和互连的独立半导体管芯上实现，计算装置的单个处理器组件。作为又一个备选方案，GPU可实现为计算装置的不同控制器处理器组件控制器的部分(例如实现图形子系统的图形控制器)，其可访问结合了CPU的计算装置的主处理器组件并且在其控制下进行操作。与不同核心的物理实现无关，依次执行RANSAC的部分中采用的核心以及并行地执行RANSAC的其他部分的一个或多个其他核心可经过该核心和一个或多个其他核心可访问的存储装置的共享存储空间来交换信息。此外，共享存储空间可以是在由高速缓存至少部分覆盖的地址范围可访问的。取决于所交换的信息和高速缓存的高速缓存线的相对大小，大量性能有益效果可通过按照避免与向/从共享存储空间存储/检索信息关联的等待时间的方式、经由高速缓存交换这种信息来实现。将要从其中得出模型的数据集和/或指示将要得出的模型的特性的定义数据可由结合了不同核心的计算装置从一个或多个其他计算装置来接收。这可以是计算装置是可用来执行例如RANSAC等的任务的计算装置集合(例如“服务器群”)中的许多计算装置其中之一的情况。作为举例，执行RANSAC以从数据集来得出模型的请求可由提交装置提交给计算装置。在接收这种请求中，计算装置可从提交装置接收定义数据。此外，该请求可包括使计算装置从存储服务器单独检索数据集的指示。备选地，数据集和/或模型特性的指定可在计算装置中生成。这可以是应用例程要求RANSAC被执行以得出模型的情况，作为较大任务的部分，例如识别两个或更多照相装置的阵列所捕获的两个或更多帧中的像素集合之间的相关性，作为使用多个视觉角度来识别图像处理(例如图像识别中的单应性)中的对象的部分。在经过RANSAC的部分的这种混合依次和并行执行来得出模型时，描述模型本身的信息或者基于所得出模型从后续处理所创建的其他数据可传送给另一个装置供使用。作为举例，在RANSAC这样用来得出模型(作为较大任务的部分，例如识别和生成对象的三维模型)的情况下，包括那个对象的可视化的结果数据可传送给查看装置，以便在显示器上可视地呈现。备选地，这种可视化可直接由计算装置可视地呈现。一般参照本文所使用的符号和术语，以下详细描述的部分可根据计算机或者计算机网络上运行的程序过程本文档来自技高网...

【技术保护点】
一种执行随机取样一致性(RANSAC)的装置，包括：推导组件，用于从数据集的最小样本集合(MSS)的第一集合并行地得出所建议模型的第一集合；以及比较组件，用于：在所建议模型的所述第一集合的所建议模型比所建议模型的所述第一集合的推导之前所得出的任何所建议模型更好地拟合所述数据集时重新计算在所选确定度之内得出准确模型的所建议模型的所需量；以及在所建议模型的所述第一集合的推导之后基于所述所需量与先前所得出的所建议模型的量的比较来确定是否得出所建议模型的第二集合，其中先前所得出的所建议模型的所述量包括所建议模型的所述第一集合。

【技术特征摘要】
【国外来华专利技术】1.一种执行随机取样一致性(RANSAC)的装置，包括：推导组件，用于从数据集的最小样本集合(MSS)的第一集合并行地得出所建议模型的第一集合；以及比较组件，用于：在所建议模型的所述第一集合的所建议模型比所建议模型的所述第一集合的推导之前所得出的任何所建议模型更好地拟合所述数据集时重新计算在所选确定度之内得出准确模型的所建议模型的所需量；以及在所建议模型的所述第一集合的推导之后基于所述所需量与先前所得出的所建议模型的量的比较来确定是否得出所建议模型的第二集合，其中先前所得出的所建议模型的所述量包括所建议模型的所述第一集合。2.如权利要求1所述的装置，包括测试组件，以便并行地确定所建议模型的所述第一集合的每个所建议模型与所述数据集的拟合度，所述拟合度基于所述数据集的多少数据元素在所选拟合阈值之内拟合所建议模型的所述第一集合的每个所建议模型。3.如权利要求1所述的装置，所述比较组件在存储装置中存储在最佳地拟合所述数据集的所建议模型的所述第一集合的推导之前所得出的任何所建议模型的总体最佳建议模型的指定，所述装置包括选择组件，以便采用比所述总体最佳建议模型更好地拟合所述数据集的所建议模型的所述第一集合的所建议模型的指定来取代所述存储装置中的所述总体最佳建议模型的所述指定。4.如权利要求1所述的装置，包括最小样本集合(MSS)生成器，以便生成MSS的所述第一集合以使能所建议模型的所述第一集合的推导，并且与所建议模型的所述第一集合的推导并行地生成MSS的所述第二集合以使能所建议模型的所述第二集合的推导。5.如权利要求4所述的装置，所述MSS生成器随机选择所述数据集的数据元素，以生成MSS的所述第一集合的每个MSS和MSS的所述第二集合的每个MSS。6.如权利要求4所述的装置，包括：核心，用于运行所述MSS生成器；至少一个其他核心，用于运行所述推导组件；以及高速缓存，用于在所述核心与所述至少一个其他核心之间传递MSS的所述第一集合。7.如权利要求6所述的装置，包括高速缓存组件，以便将所述高速缓存配置成用作所述核心与所述至少一个其他核心之间的缓冲器。8.如权利要求6所述的装置，包括：所述核心和所述至少一个其他核心可访问的存储装置；以及共享存储空间，其在所述存储装置中所定义并且由所述高速缓存至少部分所缓存，所述MSS生成器将MSS的所述第一集合和MSS的所述第二集合存储在所述共享存储空间中，以及所述推导组件从所述共享存储空间来检索MSS的所述第一集合。9.如权利要求1所述的装置，包括基于所述准确模型可视地呈现图像的显示器或者向另一个装置传送与所述准确模型关联的数据的接口中的至少一个。10.一种执行随机取样一致性(RANSAC)的装置，包括：测试组件，用于并行地测试所建议模型的第一集合的多个所建议模型与数据集的拟合度；以及比较组件，用于：在所建议模型的所述第一集合的所建议模型比所建议模型的所述第一集合的测试之前所测试的任何所建议模型更好地拟合所述数据集时重新计算在所选确定度之内得出准确模型的所建议模型的所需量；以及在所建议模型的所述第一集合的测试之后基于所述所需量与先前所测试的所建议模型的量的比较来确定是否测试所建议模型的第二集合，其中先前所测试的所建议模型的所述量包括所建议模型的所述第一集合。11.如权利要求10所述的装置，包括推导组件，以从所述数据集的最小样本集合(MSS)的第一集合并行地得出所建议模型的所述第一集合的每个所建议模型。12.如权利要求10所述的装置，所述测试组件并行地确定所建...

【专利技术属性】
技术研发人员：L杨，Q李，B王，X徐，B牛，
申请(专利权)人：英特尔公司，
类型：发明
国别省市：美国;US