基于多視圖的圖像測(cè)量方法及其GPU并行優(yōu)化.pdf

1、傳統(tǒng)的接觸式測(cè)量因?yàn)闇y(cè)量精度低、測(cè)量難度大、自動(dòng)化程度低、耗時(shí)長(zhǎng)等缺點(diǎn)，已經(jīng)無(wú)法滿足現(xiàn)如今日益增長(zhǎng)的多樣化的測(cè)量需求，而圖像測(cè)量技術(shù)卻憑借著其在現(xiàn)代檢測(cè)中無(wú)與倫比的優(yōu)勢(shì)逐漸引起人們的廣泛關(guān)注。然而利用多視圖進(jìn)行圖像測(cè)量會(huì)伴隨大量的圖像數(shù)據(jù)處理需求，這使得圖像測(cè)量技術(shù)的應(yīng)用面臨著測(cè)量速度的嚴(yán)峻挑戰(zhàn)。因此為了提高算法的實(shí)時(shí)性，迫切需要尋找一種新方法對(duì)多視圖的圖像測(cè)量算法進(jìn)行優(yōu)化。
　　針對(duì)上述問(wèn)題，提出了基于多視圖的圖像測(cè)量方法及其G

2、PU并行優(yōu)化的策略?；诙嘁晥D的圖像測(cè)量一般由圖像采集、相機(jī)標(biāo)定、立體匹配、三維重建、三維測(cè)量五個(gè)子過(guò)程來(lái)完成。為了更好的實(shí)現(xiàn)基于多視圖的測(cè)量算法，采用了基于SIFT和SURF特征向量的立體匹配策略，并且通過(guò)利用匹配點(diǎn)對(duì)的預(yù)重建和成像，比較像點(diǎn)與原圖像點(diǎn)之間的差異來(lái)完成誤匹配點(diǎn)對(duì)的消除；在基于多視圖的三維重建中，先進(jìn)行兩兩匹配點(diǎn)的三角重建，再通過(guò)計(jì)算重心來(lái)確定重建點(diǎn)的精確坐標(biāo)；進(jìn)行測(cè)量時(shí)，選擇模型Temple的高度作為待測(cè)目標(biāo)量，設(shè)計(jì)了

3、一個(gè)有效的測(cè)量算法，并通過(guò)實(shí)驗(yàn)證明測(cè)量模型的準(zhǔn)確度超過(guò)98％。其次，針對(duì)測(cè)量算法在實(shí)時(shí)性方面的不足，提出了利用GPU對(duì)部分算法進(jìn)行優(yōu)化的策略。通過(guò)理論分析和實(shí)驗(yàn)研究，確定了測(cè)量模型中并行優(yōu)化的主要目標(biāo)和手段，在SIFT和SURF算法中涉及大量的圖像數(shù)據(jù)處理操作，并且這些處理過(guò)程具有規(guī)則性、結(jié)構(gòu)性以及獨(dú)立性，因此可以利用 GPU進(jìn)行加速。通過(guò)實(shí)驗(yàn)結(jié)果可以得出，GPU并行優(yōu)化策略相對(duì)于CPU的實(shí)現(xiàn)而言，SIFT算法的特征提取速度可以提高32