文档介绍：基于GPU的实时角点检测算法
摘 要：本文提出一类基于GPU的实时角点检测算法。该类算法在已 有角点检测算法的基础上，利用GPU实现。为了进一步提高算法的速度， 算法采用了角值图压缩的方法。实验证明基于GPU的实时角点检测算法适 于1024*768分辨率的实时应用。
关键词：实时角点检测图形处理器
中图分类号：TP391文献标识码：A文章编号：1003-9082 （2013） 12-0003-01
一、概述
伴随着图形处理器（GPU）的飞速发展，GPU不仅仅能用于图形处理， 其强大的并行处理能力使得GPU在计算［1］中表现较突出。使用GPU处理 机器视觉领域的计算任务具备了广阔的前景。使用GPU实现基于CPU算法 的主要突破点是如何修改算法使Z适于GPU的并行计算模式。
在机器视觉的实时应用中，角点检测处理时间必须控制在10毫秒以 内［2］。利用GPU实现角点检测算法是实时应用的必然选择。有一些常用 的角点检测算法处理过程可以分为2步：
（1）设计一种衡量角值的函数，根据函数计算图像中每个像素的角 值。角值大于预先指定阀值的像素被保留下来做为候选点。角值函数反映 的是图像变化剧烈程度或图像边缘曲线上曲率。常用的KLT角点检测算法 ［3］、Harris角点检测算法［4］等采用了不同的角值函数。
（2）非极值抑制从候选点中挑选出具有局部极值的点做为角点。它 保证每个位置的角点具有唯一性。
本文提出一类基于GPU的实时角点检测算法。它利用GPU的并行计算 加速已有的角点检测算法如Harris、KLT角点检测算法。
二、算法的实现
1 •角值计算
将图像作为纹理载入GPU的显存。使用函数计算
图像中像索的角值。小于指定阀值的角值被置零，表明该点不是角点。 其余点保留下来作为角点的候选点。
上述过程作为片段程序被GPU屮多个段处理器并行调用。这是GPU具 有高效并行计算能力的主要原因。
已有慕于GPU的角点检测算法［5］在使用GPU计算角值后，由CPU执 行非极值抑制。木文提出的算法将继续使用GPU执行非极值抑制。
本文提出的非极值抑制算法是收敛算法。算法需要运行若干次，直到 所有点被判定为止。在每次执行中并行判断图像中每个点。当确定某点是 角点，把角值置1,表明该点是角点。判断标准如下：
当前点角值是0或1说明它已确定是否为角点。
如果为其它值，说明当前点未被确定是否为角点，需进一步判断。
假如当前点存在任何邻点角值为1,就把当前点角值置0,说明当前 点存在邻点是角点，当前点为非角点。
假如当前点的所有邻点的角值都不为1,且当前点角值比所有邻点角 值都大，就把当前点的角值置1。当前点是角点。
算法执行后，仍有一些点没有确定是否为角点。算法下一次的执行又 要开始，整个过程重复上面的步骤，直到所有点可以被确定。
3 •角值图压缩
角值图的压缩可极大地降低非极值抑制屮的运算量。如Fig. 1所示, 原图中N*N区域中N2个邻点用压缩图的对应点P (x, y)表示，P (x, y) 记录下对应N2个点中具有最大角值的点信息，包括角值及点坐标。
角值图压缩极大地降低了算法的时间。也引入了错误，它使得在公*2N 的区域至多只出现1个角点，可能会丢失角点。
算法的止确性要验证两点：