一种基于GPU加速的双目匹配方法组成比例

本发明专利技术公开了一种基于GPU加速的双目匹配方法，首先，在CPU端分配内存并读入原始图像和待测图像；然后，检测GPU设备并启动CUDA，开始CPU和GPU并行计算；利用高斯差分金字塔，构建多尺度空间，通过同尺度空间和相邻尺度空间的像素点比较来识别多帧相邻图像中尺度和旋转不变的兴趣点；通过关键点的主方向、位置和尺度信息，建立SIFT描述子，实现SIFT特征提取；最后，利用欧式距离，实现图像特征点的精确匹配。本发明专利技术的方法不受噪声、视角、光照和图像尺寸约束，能够实时精确匹配大尺寸图像，提高双目图像匹配系统的精确性和快速性；该方法在双目匹配中得到应用验证，满足双目图像匹配系统中对精确性、实时性和鲁棒性的要求，可扩展到无人机双目视觉着陆导引。人机双目视觉着陆导引。

【技术实现步骤摘要】
一种基于GPU加速的双目匹配方法


[0001]本专利技术涉及计算机视觉
，具体是指一种基于GPU加速的双目匹配方法。

技术介绍

[0002]随着计算机技术的持续发展，人们对计算机的性能要求日益升高。为了满足这一需求，依靠对现有算法的优化、改善硬件条件或者通过多核或多个处理器同时处理等方法普遍被大家采用。其中，最有效的一种表现形式就是GPU并行计算。在并行设备上将一个主任务拆分成多个子任务，并将其分配给多个处理单元同时进行处理的过程被称为并行计算(Parallel Computing)。并行计算将一个主任务分解成多个子任务，并交付多个单元同一时间内计算，实现同一时间内工作量成倍增加，运算效率高，满足更多运算需求。
[0003]目前国内外在双目匹配算法的研究方面，主要是以二维图像之间的匹配为主。图像特征匹配算法里的特征点应具备良好的旋转不变性和尺度不变性。目前常用的特征点提取算法分为：SIFT、SURF、ORB三大体系。在SIFT算法中，每个特征点都用一个标准化的128维特征向量描述，SIFT对旋转、尺度缩放、亮度变化保持不变性，也对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GPU加速的双目匹配方法，其特征在于，包括以下步骤：步骤（1）在CPU端分配内存，并读入原始图像和待测图像；步骤（2）检测GPU设备并启动CUDA，开始CPU和GPU并行计算；步骤（3）构建相邻多帧高斯金字塔的多尺度空间，得到完整的高斯金字塔和高斯差分金字塔，并使构建的完整的高斯金字塔和高斯差分金字塔进行并行化；步骤（4）在高斯差分金字塔中进行同尺度空间和相邻尺度空间的像素点比较，进行极值点的同步检测，并筛选极值点得到关键点；步骤（5）进行关键点主方向的并行计算，通过关键点的主方向、位置和尺度信息，建立SIFT描述子，实现SIFT特征提取，得到关键点描述子；步骤（6）进行关键点描述子的并行计算；步骤（7）利用欧式距离，实现图像特征点的精确匹配。2.根据权利要求1所述的一种基于GPU加速的双目匹配方法，其特征在于，所述步骤（3）中，并行构建相邻多帧高斯金字塔多尺度空间的具体过程为：输入图像与变尺度高斯函数卷积得到一组高斯模糊图像后，将这组高斯模糊图像的相邻两层对应相减，得到一组高斯差分图像，降采样后得到下一组高斯模糊图像和高斯差分图像，重复以上过程，从而构造出完整的高斯金字塔和高斯差分金字塔。3.根据权利要求1或2所述的一种基于GPU加速的双目匹配方法，其特征在于，所述步骤（3）中，构建的高斯金字塔的多尺度空间的方法主要包括高斯模糊和降采样。4.根据权利要求3所述的一种基于GPU加速的双目匹配方法，其特征在于，所述步骤（3）中，高斯金字塔的多尺度空间进行并行化的具体过程在纹理存储器中实现。5.根据权利要求1或2所述的一种基于GPU加速的双目匹配方法，其特征在于，所述步骤步骤（4）中，进行极值点同步检测的具体过程更为：步骤（4.1）将某个像素点与其同尺度空间的8个像素点比较，如果该像素点不是极值，则直接剔除，果该像素点为极值，则再与相邻尺度空间的2*9个像素点比较得到候选极值点；步骤（4.2）对候选极值点进行插值寻找全局最优点；步骤（4.3）剔除不稳定像素点得到关键点；步骤（4.4）如果图像尺寸不能被16整除，需要在图像边缘进行补零操作，减少核函数的分支判断。6.根据权利要求1或2所述的一种基于GPU加速的双目匹配方法，其特征在于，所述步骤（4）中，将高斯差分金字塔中的像素点放在共享内存缓冲区中。7.根据权利要求1或2所述的一种基于GPU加速的双目匹配...

【专利技术属性】
技术研发人员：肖励，唐瑞卿，任杰，方雄，王振东，王毅，
申请(专利权)人：成都飞机工业集团有限责任公司，
类型：发明
国别省市：