[发明专利]基于GPU并行加速的基础矩阵和单应矩阵估计方法和系统

权利要求书

1.一种基于GPU并行加速的基础矩阵和单应矩阵估计方法，其特征在于，包括以下步骤：

(1)对多个图像，提取每个图像的特征点，基于特征点利用匹配算法得到每个图像对的匹配列表，匹配列表包含图像对之间特征点的匹配信息，定义图像对的匹配列表中相互匹配的1对特征点为匹配对，根据每个图像对匹配列表中匹配对数量构建索引，得到索引编号，以便于查找；

(2)从具有匹配关系的所有图像对中选取M个图像对进行并行计算，在选取的每个图像对的匹配列表中采集C*N个匹配对，此时C表示计算一个基础矩阵或单应矩阵需要的匹配对数量，N为矩阵原始算法中RANSAC的最大迭代次数，对于M个图像对，利用GPU并行产生M*N组随机采样序列，每组随机采样序列包含C个随机数，每个随机数为相应图像对中匹配对的索引编号；

(3)对于每组随机采样序列，基于步骤(2)中索引编号对应的匹配对得到候选基础矩阵或候选单应矩阵和相应的内点数量，利用GPU并行得到M*N个候选基础矩阵或M*N个候选单应矩阵和相应的M*N个内点数；

(4)在属于同一个图像对的N个候选基础矩阵或N个候选单应矩阵中获取内点数最大的矩阵为初始基础矩阵或初始单应矩阵，则M*N个候选基础矩阵中得到M个初始基础矩阵，M*N个候选单应矩阵中得到M个初始单应矩阵，对M个初始基础矩阵或M个初始单应矩阵进行优化得到最终的基础矩阵或最终的单应矩阵。

2.如权利要求1所述的一种基于GPU并行加速的基础矩阵和单应矩阵估计方法，其特征在于，所述步骤(3)的具体实现方式为：

对于每组随机采样序列，基于索引编号对应的匹配对利用归一化八点法得到候选基础矩阵，并计算候选基础矩阵相应的内点数，利用GPU并行得到M*N个候选基础矩阵和M*N个相应的内点数量；对于每组随机采样序列，基于索引编号对应的匹配对利用双视图几何中平面的单应性得到候选单应矩阵，并通过计算匹配对的投影误差得到候选单应矩阵相应的内点数量，利用GPU并行得到M*N个候选基础矩阵和M*N个相应的内点数量。

3.如权利要求1所述的一种基于GPU并行加速的基础矩阵和单应矩阵估计方法，其特征在于，所述步骤(4)的具体实现方式为：

在属于同一个图像对的N个候选基础矩阵或N个候选单应矩阵中获取内点数最大的矩阵为初始基础矩阵或初始单应矩阵，则M*N个候选基础矩阵中得到M个初始基础矩阵，M*N个候选单应矩阵中得到M个初始单应矩阵，利用cminpack库中的lmdif非线性最小二乘法对这M个初始基础矩阵进行并行优化，得到图像对最终的基础矩阵，利用cminpack库中的dgelsy线性最小二乘法优化多个图像对的初始单应矩阵，得到优化单应矩阵；然后利用cminpack库中的lmdif非线性最小二乘法对多个图像对的优化单应矩阵进行并行优化，得到图像对最终的单应矩阵。

4.一种基于GPU并行加速的基础矩阵和单应矩阵估计系统，其特征在于，包括：

第一模块，用于对多个图像，提取每个图像的特征点，基于特征点利用匹配算法得到每个图像对的匹配列表，匹配列表包含图像对之间特征点的匹配信息，定义图像对的匹配列表中相互匹配的1对特征点为匹配对，根据每个图像对匹配列表中匹配对数量构建索引，得到索引编号，以便于查找；

第二模块，用于从具有匹配关系的所有图像对中选取M个图像对进行并行计算，在选取的每个图像对的匹配列表中采集C*N个匹配对，此时C表示计算一个基础矩阵或单应矩阵需要的匹配对数量，N为矩阵原始算法中RANSAC的最大迭代次数，对于M个图像对，利用GPU并行产生M*N组随机采样序列，每组随机采样序列包含C个随机数，每个随机数为相应图像对中匹配对的索引编号；

第三模块，用于对于每组随机采样序列，基于第二模块中索引编号对应的匹配对得到候选基础矩阵或候选单应矩阵和相应的内点数量，利用GPU并行得到M*N个候选基础矩阵或M*N个候选单应矩阵和相应的M*N个内点数；

第四模块，用于在属于同一个图像对的N个候选基础矩阵或N个候选单应矩阵中获取内点数最大的矩阵为初始基础矩阵或初始单应矩阵，则M*N个候选基础矩阵中得到M个初始基础矩阵，M*N个候选单应矩阵中得到M个初始单应矩阵，对M个初始基础矩阵或M个初始单应矩阵进行优化得到最终的基础矩阵或最终的单应矩阵。