基于 FPGA-CPU 混合 SoC 在功耗预算下实现实时高精度稠密深度
计算机视觉与模式识别
2019-07-19 v1 图像与视频处理
信号处理
摘要
实时从立体图像中获取高精度深度在计算机视觉与机器人领域有诸多应用，但在某些场景下，功耗上限将可行硬件限制为 FPGA 等嵌入式平台。尽管各类立体算法已部署于这些平台，通常为了更契合嵌入式架构而做了删减，但较先进算法中的某些关键部分（例如依赖不可预测内存访问或本质高度迭代的部分）难以在 FPGA 上高效部署，因此可实现的深度质量受限。本文利用一款 FPGA-CPU 芯片，提出一种新颖且精细的立体方法，结合 SGM 与基于 ELAS 方法的最佳特性，以实时计算高精度稠密深度。我们的方法在具挑战性的 KITTI 2015 数据集上以超过 50 FPS 取得 8.7% 的错误率，功耗仅 5W。
引用
@article{arxiv.1907.07745,
title = {Real-Time Highly Accurate Dense Depth on a Power Budget using an FPGA-CPU Hybrid SoC},
author = {Oscar Rahnama and Tommaso Cavallari and Stuart Golodetz and Alessio Tonioni and Thomas Joy and Luigi Di Stefano and Simon Walker and Philip H. S. Torr},
journal= {arXiv preprint arXiv:1907.07745},
year = {2019}
}
备注
6 pages, 7 figures, 2 tables, journal