優化哈里斯角點檢測器

我試圖優化我的哈里斯角點檢測器，以使其足夠快速，以便最終用於SLAM應用程序的實時特徵提取。優化哈里斯角點檢測器

傳統的Harris角點檢測步驟如下：

計算圖像導數（梯度）Ix和Iy使用圖像卷積核（k_dx和k_dy）。
計算二階導數Ixx = Ix^2，Iyy = Iy^2和Ixy = Ix * Iy。
使用高斯內核對來自步驟2的三個二階導數進行濾波（k_gaussian）。
使用文獻中所述的公式計算Harris響應。

到目前爲止好。我已經實現了上述步驟並且有一個工作程序。但是，我們知道，卷積是一個交換代數，這意味着：

F＃G =克·F
F＃（克＃H）=（F＃克）＃ħ
F＃（ G + H）=（F＃G）+（F＃1H）
常數*（F＃克）=（常數* F）＃克

其中（＃）是卷積運算。

所以實質上我們可以結合各種內核來減少計算時間。
我希望能夠利用這個優勢將步驟（1）中使用的圖像梯度內核與步驟（3）中使用的高斯內核相結合，以減少計算時間。不幸的是步驟（2）阻止我這樣做，如：
[（IM＃k_dx）^ 2]＃k_gaussian =！（IM＃k_dx＃k_gaussian）^ 2

其中IM是圖像。所以這兩個內核不能合併。

我的問題：有沒有辦法做到這一點，或者它根本不可能？如果不可能，那麼有沒有一種方法可以計算出一個組合內核，即近似於的真實答案。即使它很差近似值，也可能會降低計算成本。

如果您想知道，我已經在使用CUDA在GPU上執行圖像卷積並且角落探測器已經相當快。但我需要進一步改進以便爲剩餘的SLAM算法分配更大的時間範圍。

來源

2014-10-19 Ethan

已經有一個很好的答案。有兩件事情需要注意：（a）選擇一個針對GPU/CUDA優化的特徵檢測器。（b）過早優化。如果角落探測器速度很快，如果將速度加倍，您將獲得多少收益？聽起來它可能會從5％的時間移動到2.5％的時間...... – Unapiedra 2014-10-20 15:57:49

使用卷積的內核的直接組合是不可能的。 Ixx = Ix^2，Iyy = Iy^2和Ixy = Ix * Iy不是通過卷積找到的（它不是線性的）。

優化的一些技巧可以在「LOCOCO：低複雜度角探測器」中找到

來源

2014-10-20 14:23:04 minorlogic

優化哈里斯角點檢測器

回答

相關問題