...
首页> 外文期刊>Pomiary Automatyka Kontrola >Circle parameters estimation using Hough transform implemented on GPGPU
【24h】

Circle parameters estimation using Hough transform implemented on GPGPU

机译:使用在GPGPU上实现的Hough变换估计圆参数

获取原文
获取原文并翻译 | 示例
           

摘要

In the paper implementation of the Hough transform using Nvidia CUDA platform is considered. The GPGPU implementation is based on processing in parallel a set of Hough transforms with synchronized memory accesses for better utilization of the texture cache. The best code variant is based on quadrature sine and cosine functions, an unrolled loop and a single write to the global memory. The processing time is about 1000 shorter in comparison to the Matlab code, which is necessary for processing the video data.%W artykule rozpatruje się implementację transformaty Hougha [1] dla okręgów (1). Celem implementacji jest skrócenia czasu przetwarzania wielu obrazów o dużej rozdzielczości na potrzeby estymacji położenia i promienia pólsferycznego próbnika oświetlenia stosowanego [3] podczas pomiarów światła na potrzeby realistycznej grafiki i animacji komputerowej (rys. 1). Kolorowy obraz przetwarzany jest za pomocą algorytmu [2] (rys. 3), a w celu redukcji czasu przetwarzania skoncentrowano się na wykorzystaniu platformy NVidia CUDA 3.2 [5, 6] do równoległej realizacji transformaty Hougha [7-12]. Wykorzystano oryginalną konfigurację bloków wątków oraz siatki w celu efektywnego wykorzystania pamięci podręcznej tekstur przy równoległym próbkowaniu obrazu. W implementacji 32 wątki bloku wykonują transformatę Hougha pobierając wartości obrazu z pierścienia w sposób synchroniczny w celu optymalizacji wykorzystania pamięci tekstur. Porównano 14 metod wyznaczania (tab. 1) próbkowanego piksela. Porównano metodę zapisu wyniku najlepszego dla bloku z wykorzystaniem jednego i wszystkich wątków. Najbardziej efektywnym rozwiązaniem jest wykorzystanie funkcji kwadraturowej wraz z rozwijaniem pętli i pojedynczym zapisem. Dla procesora G80 (Geforce 8800 GTS) uzyskano 1000-krotne przyspieszenie obliczeń w stosunku do kodu w Matlabie wykonywanego na procesorze Pentium 4 (2.4GHz). Dla 32 sąsiednich promieni i 100 próbek każdego okręgu czas przetwarzania jest rzędu 1 sekundy.
机译:本文考虑使用Nvidia CUDA平台实现Hough变换。 GPGPU的实现基于并行处理一组具有同步内存访问的霍夫变换,以更好地利用纹理缓存。最佳代码变体基于正交正弦和余弦函数,展开循环和对全局内存的单次写入。与处理视频数据所必需的Matlab代码相比,处理时间短了约1000。%本文考虑了针对区域(1)的Hough变换[1]的实现。该实现的目的是减少许多高分辨率图像的处理时间,以便在测量逼真的图形和计算机动画所需的光时估计所使用的半球形照明探针的位置和半径[3](图1)。彩色图像使用算法[2](图3)进行处理,为了减少处理时间,重点是使用NVidia CUDA 3.2平台[5,6]并行执行Hough变换[7-12]。原始线程块和网格配置用于在并行图像采样中有效地使用纹理缓存。在实现32中,块线程通过以同步方式从环中检索图像值来执行霍夫变换,以优化纹理内存的使用。比较了采样像素的14种确定方法(表1)。使用一个和所有线程比较了为一个块保存最佳结果的方法。最有效的解决方案是将正交函数与循环扩展和单入口一起使用。对于G80处理器(Geforce 8800 GTS),相对于在Pentium 4处理器(2.4GHz)上执行的Matlab代码,获得了1000倍的计算加速。对于32个相邻的射线和每个圆的100个样本,处理时间约为1秒。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号