面向移动异构平台的场景流估计关键技术研究

The scene flow estimation method can be divided into two independent modules: stereo matching and optical flow estimation. Optimizing two separate modules separately will greatly improve the accuracy of the scene flow estimation. The traditional stereo matching method ignores the time domain information, resulting in a high mis-matching rate. The iterative solution of the scene flow estimation does not fully consider the optimization possibility of the mobile heterogeneous system. At the same time the scene flow estimation and other upper application development, promote the mobile heterogeneous hardware innovation. But for the development of heterogeneous multi-core system has always been a lack of good description of the abstract, unified programming and optimization interface. In order to solve the above problems:1) This project proposes a joint optical flow stereo matching framework , which can optimize the cost aggregation support region with time domain information, so as to improve the matching precision; 2) Constructing the energy functional of the scene flow estimation is solved by designing the mobile heterogeneous CPU / GPU parallel optimization scheme, in order to speed up the iteration;.3) proposed a new method for mobile CPU / GPU heterogeneous prototyping, through the algorithm application of high-level language description, data parallelism and task parallel optimization analysis, and automatic implementation , develop an efficient, easy way to use the mobile heterogeneous as one general development platform.

场景流估计方法可以分为立体匹配和光流运动估计两个独立模块。分别优化两个独立模块将很大程度上改善场景流估计的精度。其中传统立体匹配方法因忽略了时域信息，导致较高的视差误匹配率。场景流估计的迭代求解也没有充分考虑移动异构系统的优化可行性。与此同时场景流估计等上层应用的发展，促进了移动异构硬件的不断革新。但针对异构多核系统的开发始终缺乏良好的抽象描述，统一的编程和优化接口。为解决上述问题：1）本项目提出一个联合光流估计的立体匹配框架，通过时域信息优化代价累积支撑区域的构建，从而提高匹配精度；2）搭建场景流估计求解的能量泛函，通过设计移动异构CPU/GPU并行优化方案来加速求解迭代的速度；3）首次提出一种面向移动CPU/GPU异构原型方法论，通过算法应用的高层语言描述，数据并行和任务并行优化分析，以及算法自动实施等关键技术研究，研发一个高效的、易用的移动端异构通用开发平台。

场景流估计方法可以分为立体匹配和光流运动估计两个独立模块。分别优化两个独立模块将很大程度上改善场景流估计的精度。其中传统立体匹配方法因忽略了时域信息，导致较高的视差误匹配率。场景流估计的迭代求解也没有充分考虑移动异构系统的优化可行性。与此同时场景流估计等上层应用的发展，促进了移动异构硬件的不断革新。但针对异构多核系统的开发始终缺乏良好的抽象描述，统一的编程和优化接口。为解决上述问题：1）本项目提出一个联合光流估计的立体匹配框架，通过时域信息优化代价累积支撑区域的构建，从而提高匹配精度；2）搭建场景流估计求解的能量泛函，通过设计移动异构CPU/GPU并行优化方案来加速求解迭代的速度；3）首次提出一种面向移动CPU/GPU异构原型方法论，通过算法应用的高层语言描述，数据并行和任务并行优化分析，以及算法自动实施等关键技术研究，研发一个高效的、易用的移动端异构通用开发平台。

内容获取失败，请点击重试