Szybka estymacja map głębi na procesorach graficznych

Promotor:dr inż. Tomasz Grajek

Inżynierska praca dyplomowa:

Wykonał: Paweł Mania

Systemy wielowidokowe

System kamer - Politechnika Poznańska

Cele do osiągnięcia- Implementacja metod wyznaczania głębi stereoskopowej na procesorach graficznych.

- Analiza wydajności zaimplementowanych metod.

- Ocena jakości wyznaczonych map głębi.

- Wskazanie najbardziej czasochłonnych etapów.

Założenia- Middlebury.

Ranking metod estymacji głębi. Baza obrazów stereoskopowych.

- Implementacja w OpenCL.

Metoda krzyżowa

Wyznaczanie obszarów

Filtracja medianowa

Wstępna agregacja kosztów

Akumulacja kosztów

Agregacja kosztów

Wybór rozbieżności

Przetwarzanie końcowe

Para obrazów

Mapa głębi

Wyznaczanie obszarów

Wstępna agregacja kosztów

Agregacja kosztów

Ulepszenie

Przetwarzanie końcowe

Spójność

Para obrazów

Mapa głębi

Metoda iteracyjna

Wybór rozbieżności

Ulepszenie

Wybór rozbieżności Wybór rozbieżności

Spójność

x7

x6

Analiza wydajności

Core i7-6700K

GeForce GTX 970

0 200 400 600 800 1000 1200 1400

361.77

40.32

1292.47

263.61

Metoda iteracyjnaMetoda krzyżowa

Średni czas obliczania map głębi [ms]

Liczba przetwarzanych rozbieżności na sekundę [106]

[CPU]

[GPU]

Core i7-6700K

GeForce GTX 970

0 50 100 150 200 250

25.5

230.8

7.14

35.02

Metoda iteracyjnaMetoda krzyżowa

[CPU]

[GPU]

Ocena jakości uzyskanych wyników

Metoda krzyżowa - stopa błędów

Teddy Cones

5,04% 10,08%

Metoda iteracyjna - stopa błędów

Teddy Cones

6,92% 9,04%

Najbardziej czasochłonne etapy

1%1%18%18%

3%3%

5%5%

0%0%

73%73%

Filtr medianowy Wyznaczenie obszarów Agregacja wstępnaAgregacja kosztów krzyży Wstępna estymacja głębi Udoskonalenie

Core i7-6700K

1%1%2%2%

1%1%

48%48%

1%1%

47%47%

GeForce GTX 970

(Metoda krzyżowa)

Najbardziej czasochłonne etapy

Core i7-6700K GeForce GTX 970

(Metoda iteracyjna)

1%1%3%3%

79%79%

0%0%

0%0%

16%16%

Wstępna agregacja Obliczanie obszarów Iterowana agregacjaWybór rozbieżności Spójność Iterowane ulepszenie

0%0%0%0%95%95%

0%0%0%0%

4%4%

Podsumowanie- Poprawnie zaimplementowano wybrane metody.

- Porównano wydajność obliczeń metod i wyciągnięto wnioski.

- Otrzymano wysokiej jakości mapy głębi.

- Określono krytyczne etapy algorytmów.