一种基于GPU并行加速的立体图像区域轮廓生成方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109493352A(43)申请公布日2019.03.19(21)申请号201811215584.9(22)申请日2018.10.18(71)申请人温州大学地址325000浙江省温州市瓯海区东方南路38号温州市国家大学科技园孵化器(72)发明人黄辉赵汉理吴承文(74)专利代理机构温州名创知识产权代理有限公司33258代理人陈加利(51)Int.Cl.G06T7/12(2017.01)G06T7/13(2017.01)G06T7/30(2017.01)权利要求书2页说明书5页附图1页(54)发明名称一种基于GPU并行加速的立体图像区域轮廓生成方法(57)摘要本发明实施例公开了一种基于GPU并行加速的立体图像区域轮廓生成方法，包括给定左视图图像、右视图图像、左视图图像中的区域轮廓像素集合；根据GPU加速的尺度不变特征转换和随机柚样检验一致性方法得到鲁棒匹配的特征像素集合对；边缘线均匀采样得到左视图图像中的边缘采样的像素集合；额外随机采样得左视图图像中的三角化像素集合；根据GPU加速的Delaunay三角化方法计算出左视图图像的平面三角形网格；利用GPU加速的共轭梯度法得到右视图图像中的三角化像素集合；计算右视图图像中的区域轮廓像素集合，其所组成的封闭环线即为右视图图像中的区域轮廓线结果。实施本发明，能有效改进区域轮廓线生成的并行性，提高计算效率。CN109493352ACN109493352A权利要求书1/2页1.一种基于GPU并行加速的立体图像区域轮廓生成方法，其特征在于，所述方法包括：步骤S101、给定立体图像的左视图图像S、右视图图像T、左视图图像S中的区域轮廓像素集合，记为C_S；左视图图像S中的区域轮廓线即为由区域轮廓像素集合C_S所组成的封闭环线；步骤S102、分别根据步骤S101中的左视图图像S和右视图图像T，根据GPU并行加速的尺度不变特征转换方法计算出匹配的特征像素集合对，并且根据GPU并行加速的随机柚样检验一致性方法去除匹配误差过大的特征像素，得到鲁棒匹配的特征像素集合对，分别记为F_S、F_T；步骤S103、根据给定的左视图图像S，在所述左视图图像S的上、下、左、右4条边缘线上的像素进行均匀采样，得到左视图图像S中的边缘采样的像素集合，记为B_S；步骤S104、根据步骤S101中给定的左视图图像S中的区域轮廓像素集合C_S、步骤S102中得到的左视图图像S中鲁棒匹配的特征像素集合F_S、步骤S103中得到的左视图图像S中的边缘采样的像素集合B_S，组合成左视图图像S中的初始像素集合，记为A_S，即A_S＝F_S∪C_S∪B_S，在左视图图像S上进行额外随机采样得到左视图图像S中的额外随机采样的像素集合，记为R_S，根据A_S和R_S，组合成左视图图像S中的三角化像素集合，记为T_S，即T_S＝A_S∪R_S；步骤S105、根据步骤S104得到的左视图图像S中的三角化像素集合T_S，步骤S101给定的左视图图像S中的区域轮廓像素集合C_S，以由区域轮廓像素集合C_S所组成的封闭环线为三角化的约束边，根据基于GPU并行加速的Delaunay三角化方法计算出左视图图像S的平面三角形网格，记为P_S；步骤S106、根据步骤S102得到的右视图图像T中鲁棒匹配的特征像素集合F_T、步骤S104得到的左视图图像S中的三角化像素集合T_S，步骤S105得到的左视图图像S的平面三角形网格P_S，建立一个用于计算右视图图像T中的三角化像素集合的能量函数E，该右视图图像T中的三角化像素集合记为T_T，对能量函数E利用最小乘法进行最小化，得到一个包含以右视图图像T中的三角化像素集合T_T中的像素的二维坐标为未知数的疏线性方程组，利用基于GPU并行加速的压缩稀疏行存储格式的共轭梯度法高效并行地求解出该稀疏线性方程组，完成对能量函数的最小化，得到右视图图像T中的三角化像素集合T_T；步骤S107、根据步骤S101中给定的左视图图像S中的区域轮廓像素集合C_S、步骤S104得到的左视图图像S中的三角化像素集合T_S、步骤S106计算得到的右视图图像T中的三角化像素集合T_T，利用T_S和T_T的对应关系、C_S在T_T中的位置来找出C_T在T_T中的位置，并从T_T中收集相应位置的像素组成集合C_T，得到的C_T即为所求的与立体图像的左视图图像S中的区域轮廓像素集合C_S相匹配的立体图像的右视图图像T中的区域轮廓像素集合，右视图图像T中的区域轮廓线即为由区域轮廓像素集合C_T所组成的封闭环线。2.根据权利要求1所述的基于GPU并行加速的立体图像区域轮廓生成方法，其特征在于，所述步骤S106中的能量函数E为三个能量项的加权求和，具体定义为：E＝w1×E1+w2×