多視圖三維重建中圖像配準(zhǔn)和光束法平差過(guò)程的并行算法研究.pdf

1、近年來(lái)，隨著計(jì)算機(jī)視覺(jué)的發(fā)展和成熟，多視圖三維重建以其成本低廉，操作方便的優(yōu)勢(shì)倍受關(guān)注，目前已廣泛應(yīng)用于數(shù)字城市、醫(yī)療成像、虛擬現(xiàn)實(shí)等領(lǐng)域。圖像特征提取、特征匹配和光束法平差是多視圖三維重建的幾個(gè)關(guān)鍵步驟，但其中也在一些問(wèn)題。首先，特征提取階段通常采用的SIFT算法并不能適用所有場(chǎng)景。其次，隨著GPU在計(jì)算能力和存儲(chǔ)器帶寬上展現(xiàn)出巨大的優(yōu)勢(shì)，基于 GPU加速的多視圖三維重建算法成為研究的熱點(diǎn)。然而特征匹配算法遷移至 GPU平臺(tái)的較少，并

2、且由于硬件架構(gòu)的不同，并行算法的可靠性以及有限的顯存對(duì)光束法平差并行算法進(jìn)行了極大的制約。為此本文展開(kāi)了以下研究：
　?。?）本文提出了一種Harris-Laplace特征結(jié)合SIFT描述的圖像配準(zhǔn)并行算法。特征提取階段，使用改進(jìn)的 Harris-Laplace算法提取出對(duì)圖像亮度、旋轉(zhuǎn)和尺度具有不變性的特征點(diǎn)，然后 SIFT描述子對(duì)特征點(diǎn)進(jìn)行描述。在特征點(diǎn)匹配階段則利用雙向匹配法和極線(xiàn)幾何約束對(duì)特征點(diǎn)進(jìn)行粗匹配和精匹配。在分析該

3、算法并行性的基礎(chǔ)上，采用 CPU_GPU協(xié)同處理技術(shù)，從任務(wù)的性質(zhì)和傳輸時(shí)間兩方面考慮，在 CPU和 GPU端進(jìn)行合理的任務(wù)劃分，提升了整體算法的運(yùn)行效率。
　?。?）BA問(wèn)題時(shí)常采用 LM將其線(xiàn)性化，并用 PCG算法求解法方程。本文先是利用PCG算法不需要顯式存儲(chǔ)法方程系數(shù)矩陣的特性，將其分解為簡(jiǎn)單的雅各比矩陣和向量相乘的問(wèn)題。然后在 BA并行算法預(yù)處理過(guò)程中增加了一個(gè)過(guò)濾步驟，剔除了由數(shù)值轉(zhuǎn)換導(dǎo)致的錯(cuò)誤點(diǎn)，保證精度的情況下最大

4、限度發(fā)揮 GPU高峰值的單精度浮點(diǎn)運(yùn)算能力。最后在深入分析雅各比轉(zhuǎn)置矩陣與原矩陣聯(lián)系的基礎(chǔ)上，提出了一種光束法平差并行算法。對(duì)涉及到雅各比轉(zhuǎn)置矩陣的運(yùn)算重新進(jìn)行并行化設(shè)計(jì)，無(wú)需存儲(chǔ)雅各比轉(zhuǎn)置矩陣即可解決光束法平差問(wèn)題。
　　從實(shí)驗(yàn)結(jié)果分析可知，本文提出Harris-Laplace特征結(jié)合SIFT描述的圖像配準(zhǔn)并行算法，提升了算法的整體效率，準(zhǔn)確度也得到可靠保證。本文提出光束法平差并行算法在獲得較好加速效果的同時(shí)，也大幅縮減了算法占