论文部分内容阅读
机器人视觉伺服是一个复杂的系统,能够应用在不同领域。本文以视觉伺服为背景,重点研究基于CUDA的快速目标识别内容。采集相机信息,最终给出识别目标的位置偏差,输出给视觉伺服系统以供控制应用。文中首先重点讨论了目标识别算法的相关问题,包括跟踪方法,识别方法等等。其次重点关注并行优化问题,对实际选择的SIFT,CAMSHIFT等基本模块的算法实现进行了针对CUDA平台的应用优化。最后通过搭载机器人视觉伺服系统,验证了方法的可行性和方法的性能。本文研究内容包括四个部分,各部分内容概括如下:第一部分:重点阐述了论文中所涉及到的几个基本算法的相关内容,包括一些原理的解释,理解和说明。首先简要介绍了项目背景下的算法处理过程,阐述明白实际的输入输出。其次介绍了SIFT的相关基础知识,包括尺度空间的构建,极值点检测,特征点梯度计算,特征描述子计算,特征匹配等。再次介绍了CAMSHIFT的相关基础知识,包括直方图的生成,反向概率投影,图像矩计算,直方图相交等。最后介绍了并行优化的相关内容,包括并行规约,Amdahld定理,Gustafson定理并行优化原理上的东西。第二部分:重点阐述了快速目标识别算法的具体设计。包括具体的应用实现,具体的配合方式等。首先介绍了基于SIFT特征匹配实现稳定的特征匹配,用来提供稳定的特征参考。其次介绍了基于CAMSHIFT跟踪的快速目标ROI获取。最后介绍了算法的评价机制以及识别策略。第三部分:重点阐述了快速目标识别算法的实际并行优化设计。从并行优化的角度上,具体应用相关原理。首先是基于SIFT相关模块进行实际的CUDA框架设计实现。其次是基于CAMSHIFT相关子模块进行实际的CUDA框架设计实现。第四部分:进行了具体的实验。分别从单模块的识别效果,整体的识别效果等,具体展示该方法的实际效果。并且对结果进行了简单的分析和介绍。