面向机器人视觉的资源感知编程

仿人机器人被设计为在以人为中心的环境中运行。它们面临不断变化的动态环境，需要完成大量具有挑战性的任务。这些任务在复杂性、资源需求和执行时间上各不相同。最新的仿人机器人计算机架构由若干包含单核或双核处理器的工业 PC 组成。根据半导体 SIA 路线图，预计未来十年内将出现拥有数百至数千个核心的众核芯片。要充分利用拥有海量资源的芯片性能，需要新的计算范式与方法论。本文分析了一种名为侵入式计算的资源感知计算方法，以应对这些挑战。通过两种广泛使用的计算机视觉算法——Harris 角点检测器和 SIFT（尺度不变特征变换）特征匹配——分析了该新编程模型的优势与局限性。结果表明，该新编程模型结合应用层内的扩展，使其具有高度适应性，从而获得了更优的结果质量。