嵌入式GPU上基于零均值互相关的立体匹配高效方法
计算机视觉与模式识别
2025-12-05 v2 硬件体系结构
摘要
移动立体匹配系统已成为许多应用的重要组成部分，例如自动驾驶车辆和自主机器人。精确的立体匹配方法通常导致高计算复杂度；然而，移动平台只有有限的硬件资源以保持低功耗；这使得在移动平台上难以同时保持可接受的处理速度和精度。为解决这一权衡，我们在此提出一种在Jetson Tx2嵌入式GPU上加速著名的零均值归一化互相关（ZNCC）匹配代价计算算法的新方法。在我们加速ZNCC的方法中，以之字形方式扫描目标图像，以高效复用单个像素对其邻域像素的计算；这减少了数据传输量并提高了片上寄存器的利用率，从而提升了处理速度。结果，我们的方法比传统图像扫描方法快2倍，比最新的NCC方法快26%。通过将此技术与域变换（DT）算法结合，我们的系统在Jetson Tx2 GPU上对1280x384像素图像、最大视差为128时展现出32 fps的实时处理速度。此外，在KITTI 2015基准上的评估结果表明，我们结合的系统比相同算法结合census的系统精度高7.26%，同时保持几乎相同的处理速度。源代码：https://github.com/changqiong/Z2ZNCC.git
引用
@article{arxiv.2212.00476,
title = {Efficient stereo matching on embedded GPUs with zero-means cross correlation},
author = {Qiong Chang and Aolong Zha and Weimin Wang and Xin Liu and Masaki Onishi and Lei Lei and Meng Joo Er and Tsutomu Maruyama},
journal= {arXiv preprint arXiv:2212.00476},
year = {2025}
}