论文部分内容阅读
随着计算机和机器视觉技术的飞速发展,视觉测量的方法目前已在工业制造、科学研究及医学测量等领域得到广泛的应用。视觉测量技术是利用传感器采集测量图像,再把图像作为测量和传递信息的手段或载体加以利用,获取二维平面点与三维空间点的精准映射关系来实现测量。运动物体三维测量技术就属于视觉测量的范畴。在动态三维测量过程中,通常需要在被测目标上粘贴一些圆形的标志点以提高测量的精度和鲁棒性。二维图像上标志点的圆心提取过程是三维测量技术中的核心环节,直接决定其测量的精度和处理效率。然而,现有的一些圆心提取算法绝大部分都是基于CPU串行思想设计的,计算效率较低,无法满足工程应用中对实时在线测量的需求。鉴于此,本课题提出了一种基于CUDA的圆心提取算法。该算法充分利用了GPU的多线程和外部存储器的特性,将传统的圆心提取算法CPU串行执行指令并行优化,大大提高计算效率,实现快速精准的圆心坐标提取过程,进而满足实时在线测量的要求。具体研究工作如下:首先,分析了圆心提取算法原理。该算法主要包含三个关键技术:基于图像提取椭圆边界环状邻域、二值图像连通区域标记和最小二乘求解。通过对图像中的椭圆区域的提取获得其二值图像,再对二值图像标记其连通区域,计算椭圆上像素点的信息,代入到椭圆最小二乘求解目标方程中得到圆心坐标。整个过程为后续进行并行化分析奠定基础。其次,设计了基于CUDA的圆心提取算法。其中分析了当下GPU的计算能力和CUDA的编程模块,总结了GPU多线程并行计算优势及编程模式。对圆心提取过程中的每一环节进行可并行化分析。然后结合CUDA的编程模块特点,在NVIDIA嵌入式开发板JETSON TX2上编程实现了基于CUDA的圆心提取改进算法。并且对该算法程序进行了实验验证,将算法各个阶段的中间结果与现有的CPU串行算法进行对比,分析了该算法的正确性和执行效率。实验结果表明,针对分辨率为2592×1944的黑白图像,本研究设计的并行算法在保证圆心坐标提取精度的同时,相对现有的CPU算法加速比达到近7.4倍。在上述基础上,设计了一套单目视觉测量系统应用于大型筒状结构自动对接过程。分析了该应用的原理,体现了圆心提取过程在测量过程的重要地位。将本课题实现的基于CUDA的圆心提取算法运用其中,加快整体测量处理效率。通过测试结果可以知道,本课题研究的算法在实际应用中具有良好的精度和较高的执行效率,满足自动对接的要求,充分体现了基于CUDA的圆心提取算法的重要现实意义。