用于实时深度处理的单存储半全局匹配
计算机视觉与模式识别
2020-07-08 v1 硬件体系结构
机器人学
摘要
深度图是计算机视觉与机器人中的关键计算。最流行的方法之一是通过计算立体相机所获图像的视差图。半全局匹配（SGM）方法因精度良好且计算时间合理而广受青睐。为将此类计算密集型算法用于自主飞行器、盲人辅助等实时应用，利用GPU、FPGA进行加速是必要的。本文展示了一种基于More Global Matching（MGM）的FPGA实现的立体视觉系统的设计与实现。MGM是SGM的一种变体。我们使用4条路径，但对相应像素仅存储单一累积代价值。我们的立体视觉原型采用含基于ARM的Zynq-SoC的Zedboard、ZED立体相机/ELP立体相机/Intel RealSense D435i，以及用于可视化的VGA。归因于定制FPGA加速的、深度图所需的视差图计算的功耗仅0.72瓦。视差图的更新速率为实际的10.5 fps。
引用
@article{arxiv.2007.03269,
title = {Single Storage Semi-Global Matching for Real Time Depth Processing},
author = {Prathmesh Sawant and Yashwant Temburu and Mandar Datar and Imran Ahmed and Vinayak Shriniwas and Sachin Patkar},
journal= {arXiv preprint arXiv:2007.03269},
year = {2020}
}
备注
10 pages, Published in National Conference on Computer Vision, Pattern Recognition, Image Processing and Graphics(NCVPRIPG) 2019