Vylepšení algoritmu digitální obrazové korelace pro použití v reálném čase.
Loading...
Date
2011-09-01
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Technická Univerzita v Liberci
Abstract
V této práci je prezentována sada vylepšení algoritmu DIC. Výsledkem těchto vylepšení by měla větší uživatelská přívětivost algoritmu DIC a použitelnost pro běžného uživatele.První sada vylepšení se zaměřuje na implementaci algoritmu DIC pomocí programovacího jazyka OpenCL. To umožňuje spustit algoritmus na širokém spektru dostupného hardwaru, zejména na GPU. Jak ukazují testy, výpočet DIC na GPU vede k významnému zrychlení (až 30x oproti základní variantě a 10x v porovnání s paralelní variantou). Další vylepšení se zaměřují na optimalizaci velikosti dat s cílem snížit režii přenosu dat z RAM na GPU a studii o tom, jak implementace OpenCL funguje na integrovaných GPU a procesorech.Další vylepšení se snaží předzpracovat vstupní data tak, aby zlepšila strukturu vzorků, čímž aby se zlepšila kvalita výsledné korelace. Výsledky ukazují zlepšení kvality výsledků, jsou ale vykoupeny zvýšenou dobou výpočtu. Poslední vylepšení je návrh plně automatického algoritmu, který vybírá nejlepší velikost okna pro dosažení co nejlepšího výsledku. Algoritmus se pokusí nalézt optimální velikost okna pro vyvážení systematických a náhodných chyb sledováním funkční závislosti kvality korelace a velikosti okna.
In this work, a set of improvements to DIC algorithm is presented. The result of these improvements should make the DIC algorithm more user friendly and better usable for common users.First set of improvements focuses on implementing the DIC algorithm using OpenCL programming language. This allows to run the algorithm on wide range of available hardware, most notably on GPUs. As tests show, running DIC on GPU leads to significant speedup (reaching 30x compared to basic variant and 10x compared to threaded variant). Further improvements focus on optimizing the data size in order to lower the overhead of RAM to GPU transfers and a study on how the OpenCL implementation performs on integrated GPUs and CPUs.Next improvement processes the input data in order to enhance the specimens texture to improve the quality of the correlations. The experiments show improvement of the quality of the results, but they are redeemed in increased computation time.Last improvement is a design of an fully automatic algorithm that selects the best subset size to get the best results possible. The algorithm tries to find the optimal subset size to balance the systematic and random errors by monitoring the function of correlation quality versus subset size.
In this work, a set of improvements to DIC algorithm is presented. The result of these improvements should make the DIC algorithm more user friendly and better usable for common users.First set of improvements focuses on implementing the DIC algorithm using OpenCL programming language. This allows to run the algorithm on wide range of available hardware, most notably on GPUs. As tests show, running DIC on GPU leads to significant speedup (reaching 30x compared to basic variant and 10x compared to threaded variant). Further improvements focus on optimizing the data size in order to lower the overhead of RAM to GPU transfers and a study on how the OpenCL implementation performs on integrated GPUs and CPUs.Next improvement processes the input data in order to enhance the specimens texture to improve the quality of the correlations. The experiments show improvement of the quality of the results, but they are redeemed in increased computation time.Last improvement is a design of an fully automatic algorithm that selects the best subset size to get the best results possible. The algorithm tries to find the optimal subset size to balance the systematic and random errors by monitoring the function of correlation quality versus subset size.
Description
Subject(s)
dic, obraz, analýza, gpu, dic, image, analysis, gpu