《Performance Evaluation of a Census-Based Stereo Matching Algorithm on Embedded and Multi-Core...》

文章概况

这篇文章是基于census的局部立体匹配的文章，主要是为了评估不同硬件平台上的运行帧数。下面是这篇文章算法的workflow，没什么特别的简单说一下。

看workflow已经对整个流程很清晰了，这里指的注意的是有两点：

• Sparse Census Transform
• 弱纹理优化

如果想知道弱纹理优化，那么可以在我的上一篇文章查看《A Census-Based Stereo Vision Algorithm Using Modified Semi-Global Matching and Plane Fitting to …》，那接下来就只讲一下Sparse Census Transform

Sparse Census Transform

顾名思义，Sparse Census Transform就是稀疏的census transform，具体的做法是在census 窗口内只比较与中心点所在行列相差奇数行、奇数列的像素点：

像上边的公式表示的那样，对于一个 16 *16 的census 窗口，如果是普通的census transform，那么就需要256长度的位串来存储，但用sparse census transform的话，只需要64长度的位串存储，缩短了4倍，但保持着普通census的效果。

实验结果

CPU上不同核数的结果对比

两个GPU和一个DSP

SIMD指令优化

GPU

DSP

对于各种平台的实现方法，文章里面有给出参考文献，博主主要想研究CPU多线程和SIMD指令集以及GPU的实现，目前还处于算法研究阶段，后期再进行硬件平台相关的研究。