论文部分内容阅读
提高UAV的环境感知能力成为进一步提高UAV智能化、自主化的必然要求。在许多场景下,仅凭单一传感器很难完成复杂环境下对目标的感知与识别任务,而多传感器数据融合成为解决途径之一。本文研究了面向UAV平台的可见光与红外图像融合算法,以改进UAV在目标被烟雾遮挡以及光照较弱等场景下对目标的感知能力,并基于CPU-GPU异构计算平台对融合算法进行并行优化以提高其实时性。本文主要研究工作以及创新点如下。1.提出了基于冗余方向提升小波(RDL Wavelet)以及混合显著性检测算法的新型可见光与红外灰度图像融合算法。RDL Wavelet在时域对输入图像进行非下采样多尺度分解,分解过程中借助Sinc插值算法计算图像的Subpixels灰度值;混合显著性检测算法结合了全局、局部显著性检测算法的计算结果,并以此为基础计算用于分解系数加权平均的权重系数。与其它同类融合算法相比,提出的融合算法在主观评价方面具有更优的视觉效果;在客观评价方面,QG指标提高48.7%以上,QY提高19.3%以上。2.基于CPU-GPU平台实现了上述改进型融合算法的并行优化。优化过程主要包含两个方面:(1)分析算法计算过程,将并行程度高、耗时大的部分在GPU端计算,而将剩余的部分在CPU端计算,并进行多线程优化;(2)对GPU端代码进行存储优化,体现在充分发挥GPU的存储层次结构特点,提高临时数据的读写效率,同时通过借助In-Place与Memory Sharing等技巧降低GPU端的存储开销。在PC平台上的实验结果表明,对于分辨率为480 × 640的灰度图像,GPU端运行的CUDA融合程序可以实现6.6倍的计算性能提升,融合速度为每秒34.4帧以上,同时GPU显存开销减少1半。3.最后,实现了彩色图像融合算法并在UAV搭载的嵌入式CPU-GPU异构平台上验证。可见光图像在HSI色彩空间内的I分量与灰度红外图像利用上文提出的算法完成融合,然后将结果转换回RGB色彩空间。实验结果表明,可见光与红外图像融合提高了 UAV在目标被烟雾遮挡、光照较弱的夜晚等场景下对目标的感知能力。对于分辨率为265 × 320的彩色图像,嵌入式GPU端运行的CUDA融合程序实时性提高55.1%,融合速度为每秒17.9帧。