Разработка алгоритма машинного зрения и пространственного ориентирования на графических ускорителях
Аннотация
Цель работы - разработка алгоритма машинного зрения и пространственного ориентирования.
Задачи:
1) Разработать основной алгоритм на основе метода PEDD
2) Запустить этот алгоритм на GPU и добиться скорости, которой хватит для обработки кадров в режиме реального времени
3) Разработать механизм визуализации результатов
4) Разработать режим пространственного ориентирования
5) Анализ полученных результатов и сравнение с другими существующими алгоритмами машинного зрения
Гипотеза - алгоритм машинного зрения и пространственного ориентирования на основе метода динамики с предварительным распределением справляется с задачей распознавания объектов на изображении и с задачей пространственного ориентирования
Методы:
1) Метод динамики с предварительным распределением
2) Технология CUDA для ускорения обработки изображений
3) Библиотека OpenCV для обработки входных данных и визуализации результатов
Анализ результатов работы алгоритма показал, что он справляется с задачей распознавания объектов и сегментации изображения, а скорости обработки хватает для работы алгоритма в режиме реального времени для качества до 720p. Также была решена задача пространственного ориентирования. Если запустить алгоритм на условном роботе, то он с помощью видеокамеры сможет исследовать пространство вокруг себя, одновременно с этим обрабатывать входные изображения и сегментировать их.
Задачи:
1) Разработать основной алгоритм на основе метода PEDD
2) Запустить этот алгоритм на GPU и добиться скорости, которой хватит для обработки кадров в режиме реального времени
3) Разработать механизм визуализации результатов
4) Разработать режим пространственного ориентирования
5) Анализ полученных результатов и сравнение с другими существующими алгоритмами машинного зрения
Гипотеза - алгоритм машинного зрения и пространственного ориентирования на основе метода динамики с предварительным распределением справляется с задачей распознавания объектов на изображении и с задачей пространственного ориентирования
Методы:
1) Метод динамики с предварительным распределением
2) Технология CUDA для ускорения обработки изображений
3) Библиотека OpenCV для обработки входных данных и визуализации результатов
Анализ результатов работы алгоритма показал, что он справляется с задачей распознавания объектов и сегментации изображения, а скорости обработки хватает для работы алгоритма в режиме реального времени для качества до 720p. Также была решена задача пространственного ориентирования. Если запустить алгоритм на условном роботе, то он с помощью видеокамеры сможет исследовать пространство вокруг себя, одновременно с этим обрабатывать входные изображения и сегментировать их.