УПРАВЛЕНИЕ ЭНЕРГЕТИЧЕСКОЙ ЭФФЕКТИВНОСТЬЮ В ПРОМЫШЛЕННОСТИ И ЖКХ (УЭЭП)
Войти на сайт | Регистрация
УДК 004.021
Анализ быстродействия и вычислительной сложности алгоритмов 3D-реконструкции с точки зрения их применимости на процессорах с низким энергопотреблением
Аргутин Александр Вячеславович, аспирант кафедры электронных вычислительных машин, Южно-Уральский государственный университет, alex.argutin@gmail.com
Аннотация
Рассматриваются алгоритмы 3D-реконструкции и их применимость для решения задач компьютерного зрения на процессорах с низким энергопотреблением. Проведенный анализ быстродействия и вычислительной сложности алгоритмов позволяет определить их преимущества и сделать оптимальный выбор в зависимости от условий их реализации.
Ключевые слова
компьютерное зрение, 3D-реконструкция, алгоритмы
Литература
1. The Middlebury Stereo Vision Page, an evaluation of dense two-frame stereo algorithms. – http://vision.middlebury.edu/stereo/eval/.
2. Hirschmüller, H. Evaluation of Stereo Matching Costs on Images with Radiometric Differences / H. Hirschmüller, D. Scharstein // IEEE Transactions on pattern analysis and machine intelligence. – 2008. – V. 31, № 9. – P. 1582–1599.
3. Hirschmüller, H., Evaluation of Cost Functions for Stereo Matching / H. Hirschmüller, D. Scharstein // IEEE Conference on Computer Vision and Pattern Recognition. – 2007. – V. 1. – P. 1–8.
4. Hirschmüller, H., Accurate and Effcient Stereo Processing by Semi-Global Matching and Mutual Information / H. Hirschmüller // IEEE Conference on Computer Vision and Pattern Recognition. – 2005. – V. 2. – P. 807–814.
5. Cevahir, C. Efficient Edge-Preserving Stereo Matching / C. Cevahir, A.A. Alatan // IEEE International Conference on Computer Vision Workshops ICCV 2011 Workshops, Barcelona, Spain, November 6–13, 2011. – 2011. – P. 696–699.
6. Optimized abs function. – http://www.strchr.com/optimized_abs_function
7. Ambrosch, K. Accurate hardware-based stereo vision / K. Ambrosch, W. Kubinger // Computer Vision and Image Understanding. – 2010. – V. 114, № 11. – P. 1303–1316.
8. Baik, Y.K., Fast Census Transform-based Stereo Algorithm using SSE2 / Y.K. Baik, J.H. Jo, K.M. Lee // The 12th Korea Japan Joint Workshop on Frontiers of Computer Vision, Seoul National University Computer Vision Lab., Seoul, Feb. – 2006. – 2006. – P. 305–309.
9. Блейхут, Р. Теория и практика кодов, контролирующих ошибки / Р. Блейхут. – М.: Изд-во «Мир», 1986. – 576 с.
10. The popcount algorithm. – http://wiki.cs.pdx.edu/forge/popcount.html
11. Birchfield, S. A pixel dissimilarity measure that is insensitive to image sampling / S. Birchfield, C. Tomasi // TPAMI. – 1998. – V. 20, № 4. – P. 401–406.
12. Zabih, R. Non-parametric Local Transforms for Computing Visual Correspondence / R. Zabih, W. John // Third European Conference on Computer Vision, Stockholm, Sweden, May 1994. – 1994. – P. 151–158.
2. Hirschmüller, H. Evaluation of Stereo Matching Costs on Images with Radiometric Differences / H. Hirschmüller, D. Scharstein // IEEE Transactions on pattern analysis and machine intelligence. – 2008. – V. 31, № 9. – P. 1582–1599.
3. Hirschmüller, H., Evaluation of Cost Functions for Stereo Matching / H. Hirschmüller, D. Scharstein // IEEE Conference on Computer Vision and Pattern Recognition. – 2007. – V. 1. – P. 1–8.
4. Hirschmüller, H., Accurate and Effcient Stereo Processing by Semi-Global Matching and Mutual Information / H. Hirschmüller // IEEE Conference on Computer Vision and Pattern Recognition. – 2005. – V. 2. – P. 807–814.
5. Cevahir, C. Efficient Edge-Preserving Stereo Matching / C. Cevahir, A.A. Alatan // IEEE International Conference on Computer Vision Workshops ICCV 2011 Workshops, Barcelona, Spain, November 6–13, 2011. – 2011. – P. 696–699.
6. Optimized abs function. – http://www.strchr.com/optimized_abs_function
7. Ambrosch, K. Accurate hardware-based stereo vision / K. Ambrosch, W. Kubinger // Computer Vision and Image Understanding. – 2010. – V. 114, № 11. – P. 1303–1316.
8. Baik, Y.K., Fast Census Transform-based Stereo Algorithm using SSE2 / Y.K. Baik, J.H. Jo, K.M. Lee // The 12th Korea Japan Joint Workshop on Frontiers of Computer Vision, Seoul National University Computer Vision Lab., Seoul, Feb. – 2006. – 2006. – P. 305–309.
9. Блейхут, Р. Теория и практика кодов, контролирующих ошибки / Р. Блейхут. – М.: Изд-во «Мир», 1986. – 576 с.
10. The popcount algorithm. – http://wiki.cs.pdx.edu/forge/popcount.html
11. Birchfield, S. A pixel dissimilarity measure that is insensitive to image sampling / S. Birchfield, C. Tomasi // TPAMI. – 1998. – V. 20, № 4. – P. 401–406.
12. Zabih, R. Non-parametric Local Transforms for Computing Visual Correspondence / R. Zabih, W. John // Third European Conference on Computer Vision, Stockholm, Sweden, May 1994. – 1994. – P. 151–158.
Источник
Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника». – 2012. – Вып. 16. - № 23 (282). С. 213-215. (Краткие сообщения)