基于细粒度并行计算模型的动态物体在线三维测量关键技术研究

动态物体在线三维测量在生产过程控制、机器视觉等领域具有重要的意义，但大数据量的密集计算导致其数据处理速度缓慢一直是制约该技术发展的瓶颈之一。结构光法是实现在线三维测量的一种重要方法，本项目拟建立一种细粒度并行计算模型，并基于该模型研究结构光测量中的关键技术，在GPU（Graphical Processing Unit，图形处理单元）上设计可高效运行的结构光测量系列算法，其中包括基于极线约束原理的相位展开算法、基于速度预测的运动误差补偿算法和相邻像素无关的三维重建算法，构成完整的在线快速测量处理流程，并建立相应的实验手段。研究将测量过程中数据处理部分分解为多个细粒度，弱数据相关性，低数据依赖性的微流程的方法，使之能以在GPU上大规模并发处理的方法运行，从而大幅度提高数据处理性能，实现可运行在常规硬件上的高分辨率实时三维测量技术，为动态物体在线三维测量提供较为重要的理论和技术基础。

动态物体在线三维测量在生产过程控制、机器视觉等领域具有重要的意义，但大数据量的密集计算导致其数据处理速度缓慢一直是制约该技术发展的瓶颈之一。本项目组对面结构光动态物体三维面形测量理论与方法进行了大量的研究，建立了基于多视相移框架的动态物体三维面形测量技术体系。具体内容包括：提出了基于多视相移框架的对应点查找技术，实现了复杂形面全时间分辨率三维测量；建立了大规模、细粒度GPU并行计算模型，将从图像到三维数据的计算速度提高了约300倍。在此基础之上，研制出全时间分辨率、全空间分辨率任意复杂形状动态物体三维面形测量系统，该系统测量时间分辨率为200帧/秒，空间分辨率为1024×768。通过本项目的研究， 发表EI论文1篇，会议征文1篇，其成果将为全分辨率-高精度的动态物体三维面形测量系统提供理论和技术基础，进而为航空航天、武器装备等领域的高速动态过程的连续三维面形测量提供一种新方法。