GPU 를 사용한 Plane-converging Belief Propagation 기반의 고속 스테레오 매칭

Title
GPU 를 사용한 Plane-converging Belief Propagation 기반의 고속 스테레오 매칭
Authors
정용한
Keywords
gpu를사용한planeconvergingbeliefpropagation기반의고속스테레오매칭
Issue Date
2011
Publisher
인하대학교
Abstract
Robot vision 과 같은 Computer vision 시스템에서 물체까지의 거리정보를 획득하는 Stereo matching 연구는 다양한 관점에서 진행되어 왔다. 특히 Stereo camera를 이용한 거리정보 획득 방식은 레이저를 이용한 방식에 비해 물체의 색상, 모양, 텍스처 정보 등을 이용할 수 있어 많은 연구가 진행되었다. 지금까지의 연구는 상대적으로 낮은 정확도를 개선하기 위해 Adaptive support weight[1], Graph-cut[2][3], Dynamic programming[4][5], Belief propagation[6][7][8] 등 계산이 복잡한 알고리즘 위주의 연구가 주로 진행되었다. (실제 Stereo matching 알고리즘을 비교 연구하는 Middlebury[9]에서는 matching 알고리즘의 정확도에 따른 성능평가만 이루어 졌을 뿐 속도에 대한 비교는 이루어지지 않는다.) 그러나 로봇, 감시카메라 및 무인자동차 시스템과 같은 실환경 어플리케이션에 거리 정보 획득을 위해 계산량이 많은 기존의 고성능 알고리즘을 적용하기에는 부적합하다. 이러한 문제를 해결하기 위해 Felzenszwalb[8]는 고성능 Stereo matching 알고리즘 중 하나인 Belief propagation을 다양한 크기의 데이터로 나누어 계산하는 multi-grid 방식을 적용한 Hierarchical Belief Propagation 제안 하였다. 그러나 Hierarchical Belief Propagation 도 여전히 계산량이 많아서 실제 어플리케이션에 적용하기에는 부적합하다. 따라서 본 연구에서는 Stereo matching 의 계산 속도를 개선하기 위해 Belief Propagation 의 수렴여부를 이용한 Plane-converging Belief Propagation 을 제안한다. 이 방법은 전역적으로 데이터를 업데이트 하는 Belief propagation의 단점인 계산 속도를 개선하기 위해 데이터의 수렴 여부를 판단하고 비수렴 구간에서만 업데이트를 진행하여 기존의 Belief propagation과 비슷한 성능을 가지고 계산 속도는 절반으로 줄였다. 또한 GPU를 이용한 병렬처리 방법[14]을 사용하여 실제 어플리케이션에 적합한 고속 stereo matching 시스템을 구현하였다.
Description
1 Introduction 1 2 Single camera model 7 2.1 Extrinsic parameter 9 2.2 Intrinsic parameter 9 3 Epipolar Geometry 13 3.1 Essential matrix 15 3.2 Fundamental matrix 17 4 Standard stereo system 19 5 Stereo matching structure 22 5.1 Matching cost 23 5.2 Cost aggregation 26 5.3 Disparity computation 27 5.4 Disparity Refinement 29 6 Stereo matching methods 31 6.1 Belief Propagation 31 6.2 Hierarchical Belief Propagation 34 6.3 Plane-converging Belief propagation 39 6.3.1 Message map 43 6.3.2 Robust message map 45 7 Parallel processing using GPU 47 8 Experimental Results 51 9 Conclusion 56 Reference 58 Figure 1. Human visual system 2 Figure 2. Stereo matching mechanism 3 Figure 3. Pin-hole camera coordinate system 8 Figure 4. Image and Camera coordinates 10 Figure 5. Epipolar geometry 13 Figure 6. Standard stereo system 20 Figure 7. Dual frame stereo camera(left) and Single frame stereo camera(right) 21 Figure 8. Structure of stereo matching algorithm 22 Figure 9. Sum of Absolute Difference 24 Figure 10. Message update 34 Figure 11. Multi-scale method (a), Multi-grid method (b) 36 Figure 12. Hierarchical model 37 Figure 13. Hierarchical BP flow chart 38 Figure 14. Hierarchical Belief Propagation Result Image 39 Figure 15. Plane-converging BP flow chart 42 Figure 16. Input image (left) & Message map (right) 44 Figure 17. Message map in Plane-converging BP (left) & 45 Figure 18. System architecture of Plane converging BP 46 Figure 19. Message passing procedure CPU and GPU 49 Figure 20. Plane-converging BP system on GPU 50 Figure 21. Test Image and Ground Truth 52 Figure 22. Hierarchical BP and Plane-converging BP Result Image 55 Table 1. Matching measure 25 Table 2. Hierarchical Belief Propagation Processing time & Error rate 39 Table 3. Experimental system hardware 51 Table 4. Test image properties 53 Table 5. Hierarchical BP and Plane-converging BP Result 54 Table 6. Plane-converging BP CPU and GPU Result
URI
http://dspace.inha.ac.kr/handle/10505/22725
Appears in Collections:
College of Engineering(공과대학) > Information and Communication Engineering (정보통신공학) > Theses(정보통신공학 석박사 학위논문)
Files in This Item:
23737.pdfDownload

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse