[发明专利]基于GPU的动态视觉测量特征点中心快速定位方法

说明书

技术领域

本发明涉及动态视觉测量技术，特别涉及一种基于GPU的动态视觉测量特征点中心快速定位方法。

背景技术

随着工业制造技术的快速发展，对高精度、高效率的测量技术的需求越来越迫切，如大尺寸雷达天线面形变化的测量、大型飞机装配中的在线测量和大型光热发电设备的在线安装定位测量等。动态视觉测量技术作为一种非接触测量手段具有操作简单、精度高及测量不受被测物表面差异等其他方法无法比拟的优点，而被广泛应用于多种工业制造的场合。

但是，目前动态视觉测量系统受限于处理速度较慢，很难实现对速度要求很高的测量。动态视觉测量系统中大量点云的点中心高精度定位耗时巨大，要满足动态测量大量点云的要求，在不损失精度的前提下加速点中心高精度定位的问题急需解决，因此视觉测量中的加速问题目前已成为国内外研究的重点。国外在视觉测量方面的研究起步较早并已进入成熟期，研究的重点已从几何量测精度转为实时性、全自动化等。目前国外已有动态视觉测量系统推出，如美国的V-STARS Dynamo系统，相对精度可达1/80000，最高工作频率为10Hz；德国Gom公司的ARAMIS系统相对精度可达1/20000，最高工作频率15Hz。但是，当测量大量点云时很难达到系统标称的速度，无法满足动态测量的需求。在对精度和速度要求较高的测量中，动态视觉测量系统同时获得高精度和高速度相互矛盾，要想在较高精度的前提下提高速度，必须寻求一种新的技术。

由于处理器的频率不会在短时间内有飞跃式的提高，因此采用并行处理的方式来提高处理速度是一个很好的选择。CUDA(Compute Unified Device Architecture，统一计算架构)是NVIDIA公司2007年正式推出的一个通用并行计算架构，通过CUDA可以直接调用GPU的计算资源，使数据密集型和计算密集型的部分在GPU上进行并行处理。国外已经有很多学者做了CUDA架构下计算机视觉方面的研究，如ChangchangWu,SameerAgarwal等人应用CUDA并行架构加速束调整算法达到了30倍的加速效果。最近十年国内多所高校及光电产品研发公司对动态视觉测量系统相关技术进行了研究。相关学者已经对动态视觉测量中高精度的标定算法、匹配及相关技术进行了研究，有些科研机构还推出了相关的实验测量系统。但是，动态视觉测量中处理速度较慢的问题一直没有得到很好的解决，阻碍了其在工业在线测量中的应用。

因此，需要一种改进的处理特征点中心定位的方法，可以大大提高算法的处理速度，从而解决动态视觉测量中大量点云的点中心定位耗时巨大的问题。

发明内容

本发明的目的是提供了一种基于GPU的像面特征点中心快速定位方法，所述方法包括如下步骤：a)CPU获取要进行像面特征点中心快速定位的原始图像，并传送至全局存储器中；b)GPU从所述全局存储器中获取所传送的原始图像，对其进行高斯低通滤波计算，并送回所述全局存储器；c)在共享存储器上分配存储空间；d)由GPU基于滤波后的图像进行直方图的统计，并将直方图统计信息传回到所述全局存储器；e)CPU从所述全局存储器获取直方图统计后的信息，并且进行最大类间方差计算，以确定阈值，将计算得到的阈值传送回全局存储器；f)合并访问全局存储器中滤波后的图像数据和存储的阈值，GPU进行图像的二值化处理，并传送至全局存储器和CPU；g)CPU进行感兴趣区域的提取，提取后传送至全局存储器；h)GPU基于全局存储器的感兴趣区域信息进行区域约束判断，将得到的有效目标区域传送至全局存储器；以及i)根据得到的有效目标区域进行区域的点中心计算，将结果传回到所述全局存储器和CPU。

优选地，在步骤b中为每个线程块分配相应大小的共享存储器，以存储3×3的高斯模板数据。

优选地，在步骤c中，每个线程块在共享存储器上分配大小为256的数组，线程块中的每个线程统计对应像素的灰度信息，并将统计结果临时存储到共享内存数组中，最后再把共享存储器中的统计结果应用原子操作的方式累加到全局存储器中。

优选地，在步骤e中，用串行的方式统计最大类间方差。

优选地，在步骤f中，合并访问全局存储器中滤波后的图像数据，并访问共享存储器中存储的阈值，在图像的像素灰度值大于上述计算得到的阈值时，将其赋值为255，当小于阈值时赋值为0。

优选地，在步骤h中，GPU中的每个线程合并访问全局存储器中对应的区域信息，判断是否满足约束条件，将不满足约束条件的区域信息赋0，而满足约束条件的区域不做任何处理。