ReS2tAC——面向嵌入式 ARM 与 CUDA 设备的无人机载实时 SGM 立体匹配优化
计算机视觉与模式识别
2021-06-16 v1
摘要
随着无人机等低成本机器人系统的出现，嵌入式高性能图像处理的重要性日益增加。长期以来，FPGA 是唯一能够进行高性能计算同时保持低功耗（对嵌入式系统至关重要）的处理硬件。然而，近期基于嵌入式 GPU 的系统（如由 ARM CPU 和 NVIDIA Tegra GPU 组成的 NVIDIA Jetson 系列）日益普及，使得在图形硬件上进行大规模并行嵌入式计算成为可能。鉴于此，我们提出了一种基于流行且广泛使用的半全局匹配（Semi-Global Matching, SGM）算法的、面向 ARM 和 CUDA 设备的实时嵌入式立体处理方法。其中，我们通过大规模并行计算优化算法以适配嵌入式 CUDA GPU，并利用 NEON intrinsics 优化算法以用于嵌入式 ARM CPU 上的向量化 SIMD 处理。我们在两个公开立体基准数据集上以不同配置评估了我们的方法，证明其错误率可低至 3.3%。此外，实验表明我们方法的最快配置在 VGA 图像分辨率下可达 46 FPS。最后，在用例特定的定性评估中，我们评估了方法的功耗，并将其部署在搭载于 DJI Matrix 210v2 RTK 无人机（UAV）的 DJI Manifold 2-G 上，证明了其适用于无人机载实时立体处理。
引用
@article{arxiv.2106.07927,
title = {ReS2tAC -- UAV-Borne Real-Time SGM Stereo Optimized for Embedded ARM and CUDA Devices},
author = {Boitumelo Ruf and Jonas Mohrs and Martin Weinmann and Stefan Hinz and Jürgen Beyerer},
journal= {arXiv preprint arXiv:2106.07927},
year = {2021}
}