微型机与应用
微型機與應用
미형궤여응용
MICROCOMPUTER & ITS APPLICATIONS
2012年
23期
38-41
,共4页
袁红星%吴少群%朱仁祥%诸葛霞
袁紅星%吳少群%硃仁祥%諸葛霞
원홍성%오소군%주인상%제갈하
单应性%RANSAC%GPU%CUDA
單應性%RANSAC%GPU%CUDA
단응성%RANSAC%GPU%CUDA
homography%RANSAC%GPU%CUDA
针对平面单应性矩阵实时求解的需求,提出了RANSAC单应性算法在GPU上并行实现的方法。首先计算出理论上最优的迭代次数;然后根据迭代间数据的独立性将每次迭代看成一个独立的任务映射到CUDA线程上。实验表明,对于较高分辨率的图像,GT240M平台上平均加速比达到了8。
針對平麵單應性矩陣實時求解的需求,提齣瞭RANSAC單應性算法在GPU上併行實現的方法。首先計算齣理論上最優的迭代次數;然後根據迭代間數據的獨立性將每次迭代看成一箇獨立的任務映射到CUDA線程上。實驗錶明,對于較高分辨率的圖像,GT240M平檯上平均加速比達到瞭8。
침대평면단응성구진실시구해적수구,제출료RANSAC단응성산법재GPU상병행실현적방법。수선계산출이론상최우적질대차수;연후근거질대간수거적독립성장매차질대간성일개독립적임무영사도CUDA선정상。실험표명,대우교고분변솔적도상,GT240M평태상평균가속비체도료8。
A massively parallel RANSAC algorithm implementation in GPU is proposed to meet the real-time requirements for homography estimation. At first, optimal iteration number is calculated. Then, each iteration task is assigned to a CUDA thread based on data independent between iterations. Experimental results on a GT 240M graphics card prove that the RANSAC homography algorithm could be used to deliver a speed-up of 8x with high resulution images on average.