CN111768331A - 一种优化方法及装置 - Google Patents
一种优化方法及装置 Download PDFInfo
- Publication number
- CN111768331A CN111768331A CN202010590886.5A CN202010590886A CN111768331A CN 111768331 A CN111768331 A CN 111768331A CN 202010590886 A CN202010590886 A CN 202010590886A CN 111768331 A CN111768331 A CN 111768331A
- Authority
- CN
- China
- Prior art keywords
- image data
- data
- cost
- processing
- memory
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005457 optimization Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000004364 calculation method Methods 0.000 claims abstract description 37
- 230000002776 aggregation Effects 0.000 claims abstract description 26
- 238000004220 aggregation Methods 0.000 claims abstract description 26
- 238000006073 displacement reaction Methods 0.000 claims abstract description 26
- 230000005540 biological transmission Effects 0.000 claims abstract description 15
- 230000015654 memory Effects 0.000 claims description 45
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 description 18
- 230000001360 synchronised effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/60—Memory management
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明所提供的一种优化方法和装置，实时获取图像数据；对所述图像数据使用位移寄存器的方式进行处理，获得位移后的数据；使用窗口嵌套的方式将代价计算和代价聚合进行融合，对所述位移后的数据进行计算，获得代价传输值，本发明利用代价计算和代价聚合进行融合，利于算法在在硬件中的实现，在大视差的情况下，可以将存储资源降低一个数量级，存储资源不再是系统资源和性能性能的瓶颈，节约存储资源可有效提升硬件的综合利用率，增加算力，节约硬件和开发成本。
Description
技术领域
本发明涉及一种计算技术，尤其涉及一种优化方法及装置。
背景技术
双目视觉直接模拟人类视觉系统，在机器人跟踪、视频监控、工业检测、虚拟现实、测距、三维重建等方面有着广泛的应用，立体匹配是双目视觉的核心算法，其精度直接决定了视觉测量的准确性和可靠性。代价计算是立体匹配的算法的关键步骤，对算力和存储资源的的要求很高，随着边缘端计算的立体匹配实时性的需求不断提高，使用硬件加速器及针对加速器的算法协同优化，得到越来越多的关注。只有解决了算法和算力的优化匹配，通过算法的的实现优化，在不降低算法效果的前提下，降低对计算资源的需求，在有限的计算资源中完成更多的计算任务，保证双目视觉的实时性，才具备在终端落地应用的实际意义。
传统的方式在硬件上实现，没有明确的提出建设性的方法，就进行硬件实现，会造成硬件资源耗费严重，利用率低的问题。
发明内容
为达到上述目的，本发明实施例的技术方案是这样实现的：根据本发明实施例的一方面，提供一种优化方法及装置，所述方法包括：实时获取图像数据；对所述图像数据使用位移寄存器的方式进行处理，获得位移后的数据；使用窗口嵌套的方式将代价计算和代价聚合进行融合，对所述位移后的数据进行计算，获得代价传输值。
上述方案中，实时获取图像数据，包括：将逐行逐点接收来自外部镜头的所述图像数据，在内存中进行缓存。
上述方案中，所述图像数据使用位移寄存器的方式进行处理，包括：每接收一点像素数据，将各点数据向前移动一个位置，将缓存中最旧的像素点数据删除。
上述方案中，对所述图像数据使用位移寄存器的方式进行处理，获得位移后的数据，包括：通过所述代价计算和所述代价聚合算法的窗口大小决定所述移位存储器所存的数据总行数。
上述方案中，获得代价传输值后，包括：下一级进行视差计算，等待处理。
上述方案中，实时获取图像数据，包括：所述图像接收和所述图像处理并行执行，接收图像的像素时钟即为图像处理时钟。
上述方案中，包括：所述代价计算和所述代价聚合算法同步进行，从而降低存储资源消耗，以及降低处理延时。
上述方案中，包括：实时获取图像数据为双目左右视图中的图像数据。根据本发明实施例的另一方面，提供一种优化装置，所述装置包括：获取单元，用于实时获取图像数据；处理单元，用于对所述图像数据使用位移寄存器的方式进行处理，获得位移后的数据；计算单元，用于使用窗口嵌套的方式将代价计算和代价聚合进行融合，对所述位移后的数据进行计算，获得代价传输值。
根据本发明实施例的另一方面，提供一种优化装置，所述装置包括：存储器、处理器以及存储在存储器被处理器运行的可响应程序，所述处理器运行所述可响应程序时响应上述任一项所述的优化方法的步骤。
本发明所提供的一种优化方法和装置，实时获取图像数据；对所述图像数据使用位移寄存器的方式进行处理，获得位移后的数据；使用窗口嵌套的方式将代价计算和代价聚合进行融合，对所述位移后的数据进行计算，获得代价传输值，本发明利用代价计算和代价聚合进行融合，利于算法在在硬件中的实现，在大视差的情况下，可以将存储资源降低一个数量级，存储资源不再是系统资源和性能性能的瓶颈，节约存储资源可有效提升硬件的综合利用率，增加算力，节约硬件和开发成本。
附图说明
图1为本发明实施例提供的一种优化的方法的实现流程示意图；
图2为本发明实施例提供的另一实现流程示意图；
图3为本发明实施例提供的移位缓存RAM原理和H*H窗口滑动示意图；
图4为本发明实施例提供的代价计算A*A窗口在H*H缓存中的滑动示意图；
图5为本发明实施例中优化装置的结构组成示意图一。
具体实施方式
为了能够更加详尽地了解本发明的特点与技术内容，下面结合附图对本发明的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本发明。
图1为本发明实施例提供的一种优化方法的实现流程示意图，如图1所示，所述方法包括：
步骤S101，实时获取图像数据；
步骤S102，对所述图像数据使用位移寄存器的方式进行处理，获得位移后的数据；
步骤S103，使用窗口嵌套的方式将代价计算和代价聚合进行融合，对所述位移后的数据进行计算，获得代价传输值。
在另一实施例中，实时获取图像数据，包括：将逐行逐点接收来自外部镜头的所述图像数据，在内存中进行缓存。
在另一实施例中，如图2所示，所述图像数据使用位移寄存器的方式进行处理，包括：
步骤S201，将逐行逐点接收来自外部镜头的所述图像数据，在内存中进行缓存。
步骤S202，每接收一点像素数据，将各点数据向前移动一个位置，将缓存中最旧的像素点数据删除。
在另一实施例中，对所述图像数据使用位移寄存器的方式进行处理，获得位移后的数据，包括：通过所述代价计算和所述代价聚合算法的窗口大小决定所述移位存储器所存的数据总行数。
在另一实施例中，获得代价传输值后，包括：下一级进行视差计算，等待处理。
在另一个实施例中，实时获取图像数据，包括：所述图像接收和所述图像处理并行执行，接收图像的像素时钟即为图像处理时钟。
在另一个实施例中，包括：所述代价计算和所述代价聚合算法同步进行，从而降低存储资源消耗，以及降低处理延时。
在另一个实施例中，包括：实时获取图像数据为双目左右视图中的图像数据。
在另一个实施例中，具体实施方式：
1、本法明所使用的FPGA为Xilinx Kintex系列逻辑芯片，摄像头为OV5640，配置的输出分辨率为640*480YUV格式，立体匹配采用灰度值Y作为像素数据源。
2、本发名所使用代价是计算窗口为7*7，代价聚合的窗口为3*3，窗口的具体数值由立体匹配算法决定。本发明所使用的技术可灵活适应多种计算窗口。
3，使用片上RAM缓存左右视图的图像行数，假设代价计算窗口为A*A，代价聚合窗口为B*B，所需行数为H＝A+B-2；由H*H的窗口嵌套A*A和B*B的窗口，H*H的窗口获取方式如如图说明
4、没像素时钟在移位缓存更新一个像素数据，当最后一个像素被移除H*H的窗口后，其等价效果就是整个图像被H*H的窗口以1个像素的步长遍历了一遍，遍历的过程中不需要存储所有的图像数据，只需要H行数据，大大节约了存储资源
5，每个像素时钟在移位缓存锁定H*H的窗口中，以A*A的子窗口在H*H的窗口中滑动，步长为1个像素，没滑动一次完成A*A窗口的代价计算任务，不同于H*H的窗口没个时钟滑动一次，A*A的串口滑动要在一个时钟内完成，逻辑上的滑动，在实现上是以并行的方式完成，及同时有B*B个A*A的窗口同时计算代价，计算完成后得到B*B个代价值，然后着B*B代价矩阵完成代价聚合的计算任务。
6，在H*H的窗口内嵌套B*B个窗口，每个窗口的大小为A*A，假定每个A*A的窗口代价计算C(代价计算本身的算法本发明不做限定，可根据实际算法有不同的变化)，则代价聚合Csum＝C(1,1)+C(1,2)+.....+C(B,B)代价计算窗口在数据缓存窗口的滑动示意图见附图。三个窗口分别用于计算C(1,1)、C(1,2)、C(B,B)的代价值。
在另一个实施例中，本发明的有益效果：
将立体匹配算法的代价计算和代价聚合步骤进行融合，利于算法在在硬件中的实现，在大视差的情况下，可以将存储资源降低一个数量级，存储资源不再是系统资源和性能性能的瓶颈，节约存储资源可有效提升硬件的综合利用率，增加算力，节约硬件和开发成本。
假定图像为640*480，代价位宽64，代价窗口A＝7，B＝3最大视差为50.
按照传统的分步骤进行计算，在进行代价计算适合所需的缓存行数为A行，所需存储空间按照每行640个像素计算，640*(A-1)*8bit，代价聚合计算所需缓存为640*(B-1)*64*50，总的缓存为＝4126720bit，
如果按照本发明的方案，则所需的存储为640*(A+B-2)*8＝40960bit,所需缓存降低到不同数量级。
在另一个实施例中，所述装置包括：获取单元，用于实时获取图像数据；处理单元，用于对所述图像数据使用位移寄存器的方式进行处理，获得位移后的数据；计算单元，用于使用窗口嵌套的方式将代价计算和代价聚合进行融合，对所述位移后的数据进行计算，获得代价传输值，从而提升硬件的综合利用率。
在另一个实施例中，所述装置包括：存储器、处理器以及存储在存储器被处理器运行的可响应程序，其特征在于，所述处理器运行所述可响应程序时响应所述的优化方法的步骤。
需要说明的是：上述实施例提供的数据处理装置在进行程序开发时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将数据处理装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的数据处理装置与上述数据处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图5为本发明实施例中数据处理装置的结构示意图一，如图5所示，数据处理装置500可以是手柄、鼠标、轨迹球、手机、智能笔、智能手表、智能戒指、智能手环、智能手套等。图5所示的数据处理装置500包括：至少一个处理器501、存储器502、至少一个网络接口504和用户接口503。数据处理装置500中的各个组件通过总线系统505耦合在一起。可理解，总线系统505用于实现这些组件之间的连接通信。总线系统505除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图5中将各种总线都标为总线系统505。
其中，用户接口503可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。
可以理解，存储器502可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random AccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的存储器302旨在包括但不限于这些和任意其它适合类型的存储器。
本发明实施例中的存储器502用于存储各种类型的数据以支持数据处理装置500的操作。这些数据的示例包括：用于在数据处理装置500上操作的任何计算机程序，如操作系统5021和应用程序5022；音乐数据；动漫数据；图书信息；视频、绘图信息等。其中，操作系统5021包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序5022可以包含各种应用程序，例如媒体播放器(MediaPlayer)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序5022中。
上述本发明实施例揭示的方法可以应用于处理器501中，或者由处理器501实现。处理器501可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器501中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器501可以是通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器501可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器502，处理器501读取存储器302中的信息，结合其硬件完成前述方法的步骤。
在示例性实施例中，数据处理装置500可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，Programmable Logic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable LogicDevice)、现场可编程门阵列(FPGA，Field-Programmable Gate Array)、通用处理器、控制器、微控制器(MCU，Micro Controller Unit)、微处理器(Microprocessor)、或其他电子元件实现，用于执行前述方法。
具体所述处理器501运行所述计算机程序时，执行：实时获取图像数据；对所述图像数据使用位移寄存器的方式进行处理，获得位移后的数据；使用窗口嵌套的方式将代价计算和代价聚合进行融合，对所述位移后的数据进行计算，获得代价传输值。
所述处理器501运行所述计算机程序时，还执行：实时获取图像数据，包括：将逐行逐点接收来自外部镜头的所述图像数据，在内存中进行缓存。
所述处理器501运行所述计算机程序时，还执行：所述图像数据使用位移寄存器的方式进行处理，包括：每接收一点像素数据，将各点数据向前移动一个位置，将缓存中最旧的像素点数据删除。
所述处理器501运行所述计算机程序时，还执行：对所述图像数据使用位移寄存器的方式进行处理，获得位移后的数据，包括：通过所述代价计算和所述代价聚合算法的窗口大小决定所述移位存储器所存的数据总行数。
所述处理器501运行所述计算机程序时，还执行：获得代价传输值后，包括：下一级进行视差计算，等待处理。
所述处理器501运行所述计算机程序时，还执行：实时获取图像数据，包括：所述图像接收和所述图像处理并行执行，接收图像的像素时钟即为图像处理时钟。
所述处理器501运行所述计算机程序时，还执行：包括：所述代价计算和所述代价聚合算法同步进行，从而降低存储资源消耗，以及降低处理延时。
所述处理器501运行所述计算机程序时，还执行：包括：实时获取图像数据为双目左右视图中的图像数据。
在示例性实施例中，本发明实施例还提供了一种计算机可读存储介质，例如包括计算机程序的存储器502，上述计算机程序可由数据处理装置500的处理器501执行，以完成前述方法所述步骤。计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、FlashMemory、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备，如移动电话、计算机、平板设备、个人数字助理等。
一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器运行时，执行：实时获取图像数据；对所述图像数据使用位移寄存器的方式进行处理，获得位移后的数据；使用窗口嵌套的方式将代价计算和代价聚合进行融合，对所述位移后的数据进行计算，获得代价传输值。
该计算机程序被处理器运行时，还执行：实时获取图像数据，包括：将逐行逐点接收来自外部镜头的所述图像数据，在内存中进行缓存。
该计算机程序被处理器运行时，还执行：所述图像数据使用位移寄存器的方式进行处理，包括：每接收一点像素数据，将各点数据向前移动一个位置，将缓存中最旧的像素点数据删除。
该计算机程序被处理器运行时，还执行：对所述图像数据使用位移寄存器的方式进行处理，获得位移后的数据，包括：通过所述代价计算和所述代价聚合算法的窗口大小决定所述移位存储器所存的数据总行数。
该计算机程序被处理器运行时，还执行：获得代价传输值后，包括：下一级进行视差计算，等待处理。
该计算机程序被处理器运行时，还执行：实时获取图像数据，包括：所述图像接收和所述图像处理并行执行，接收图像的像素时钟即为图像处理时钟。
该计算机程序被处理器运行时，还执行：包括：所述代价计算和所述代价聚合算法同步进行，从而降低存储资源消耗，以及降低处理延时。
该计算机程序被处理器运行时，还执行：包括：实时获取图像数据为双目左右视图中的图像数据。
上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种优化方法，其特征在于，所述方法包括：
实时获取图像数据；
对所述图像数据使用位移寄存器的方式进行处理，获得位移后的数据；
使用窗口嵌套的方式将代价计算和代价聚合进行融合，对所述位移后的数据进行计算，获得代价传输值。
2.根据权利要求1所述的方法，其特征在于，实时获取图像数据，包括：
将逐行逐点接收来自外部镜头的所述图像数据，在内存中进行缓存。
3.根据权利要求2所述的方法，其特征在于，所述图像数据使用位移寄存器的方式进行处理，包括：
每接收一点像素数据，将各点数据向前移动一个位置，将缓存中最旧的像素点数据删除。
4.根据权利要求3所述的方法，其特征在于，对所述图像数据使用位移寄存器的方式进行处理，获得位移后的数据，包括：
通过所述代价计算和所述代价聚合算法的窗口大小决定所述移位存储器所存的数据总行数。
5.根据权利要求4所述的方法，其特征在于，获得代价传输值后，包括：
下一级进行视差计算，等待处理。
6.根据权利要求1所述的方法，其特征在于，实时获取图像数据，包括：
所述图像接收和所述图像处理并行执行，接收图像的像素时钟即为图像处理时钟。
7.根据权利要求1所述的方法，其特征在于，包括：
所述代价计算和所述代价聚合算法同步进行，从而降低存储资源消耗，以及降低处理延时。
8.根据权利要求1所述的方法，其特征在于，包括：实时获取图像数据为双目左右视图中的图像数据。
9.一种优化装置，其特征在于，所述装置包括：
获取单元，用于实时获取图像数据；
处理单元，用于对所述图像数据使用位移寄存器的方式进行处理，获得位移后的数据；
计算单元，用于使用窗口嵌套的方式将代价计算和代价聚合进行融合，对所述位移后的数据进行计算，获得代价传输值。
10.一种优化装置，其特征在于，所述装置包括：存储器、处理器以及存储在存储器被处理器运行的可响应程序，其特征在于，所述处理器运行所述可响应程序时响应如权利要求1至8任一项所述的优化方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010590886.5A CN111768331A (zh) | 2020-06-24 | 2020-06-24 | 一种优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010590886.5A CN111768331A (zh) | 2020-06-24 | 2020-06-24 | 一种优化方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111768331A true CN111768331A (zh) | 2020-10-13 |
Family
ID=72721858
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010590886.5A Pending CN111768331A (zh) | 2020-06-24 | 2020-06-24 | 一种优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111768331A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112256431A (zh) * | 2020-10-23 | 2021-01-22 | 展讯通信(天津)有限公司 | 代价聚合方法及装置、存储介质、终端 |
| CN112750098A (zh) * | 2021-04-06 | 2021-05-04 | 杭州蓝芯科技有限公司 | 深度图优化方法及装置、系统、电子设备、存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106340036A (zh) * | 2016-08-08 | 2017-01-18 | 东南大学 | 一种基于双目立体视觉的立体匹配方法 |
| CN107424143A (zh) * | 2017-04-13 | 2017-12-01 | 中国矿业大学 | 一种基于双目立体视觉深度感知的矿用带式输送机煤量检测方法 |
| CN110310320A (zh) * | 2019-07-09 | 2019-10-08 | 南京美基森信息技术有限公司 | 一种双目视觉匹配代价聚合优化方法 |
-
2020
- 2020-06-24 CN CN202010590886.5A patent/CN111768331A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106340036A (zh) * | 2016-08-08 | 2017-01-18 | 东南大学 | 一种基于双目立体视觉的立体匹配方法 |
| CN107424143A (zh) * | 2017-04-13 | 2017-12-01 | 中国矿业大学 | 一种基于双目立体视觉深度感知的矿用带式输送机煤量检测方法 |
| CN110310320A (zh) * | 2019-07-09 | 2019-10-08 | 南京美基森信息技术有限公司 | 一种双目视觉匹配代价聚合优化方法 |
Non-Patent Citations (1)
| Title |
|---|
| 门宇博: "面向小基高比图像的立体匹配方法研究", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112256431A (zh) * | 2020-10-23 | 2021-01-22 | 展讯通信(天津)有限公司 | 代价聚合方法及装置、存储介质、终端 |
| CN112256431B (zh) * | 2020-10-23 | 2023-03-14 | 展讯通信(天津)有限公司 | 代价聚合方法及装置、存储介质、终端 |
| CN112750098A (zh) * | 2021-04-06 | 2021-05-04 | 杭州蓝芯科技有限公司 | 深度图优化方法及装置、系统、电子设备、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11537838B2 (en) | Scalable neural network processing engine | |
| CN113330421B (zh) | 点积计算器及其操作方法 | |
| JP7322254B2 (ja) | ニューラルネットワークプロセッサにおいてタスクを割り当てるためのシステム及び方法 | |
| US11328395B2 (en) | Image processing method, image processing device, electronic equipment and computer readable storage medium | |
| CN109658337B (zh) | 一种图像实时电子消旋的fpga实现方法 | |
| CN111768331A (zh) | 一种优化方法及装置 | |
| CN110221722B (zh) | 图片处理方法、电子设备及存储介质 | |
| US20140245209A1 (en) | Controlling display object on display screen | |
| CN107888970A (zh) | 视频处理方法、装置、嵌入式设备及存储介质 | |
| US11694074B2 (en) | Integrated circuit that extracts data, neural network processor including the integrated circuit, and neural network device | |
| US11557047B2 (en) | Method and apparatus for image processing and computer storage medium | |
| US11664818B2 (en) | Neural network processor for compressing featuremap data and computing system including the same | |
| CN116051345A (zh) | 图像数据处理方法、装置、计算机设备及可读存储介质 | |
| CN113610856B (zh) | 训练图像分割模型和图像分割的方法和装置 | |
| US20210311703A1 (en) | Neural network device for neural network operation, operating method of the neural network device, and application processor including the same | |
| CN113160321B (zh) | 一种实时图像序列的几何映射方法和装置 | |
| CN111931937B (zh) | 图像处理模型的梯度更新方法、装置及系统 | |
| CN114254563A (zh) | 数据处理方法及装置、电子设备、存储介质 | |
| CN107977923A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN114581682A (zh) | 基于自注意力机制的图像特征提取方法、装置及设备 | |
| CN111739083A (zh) | 一种匹配方法及装置 | |
| CN112329544A (zh) | 基于深度信息的手势识别机器学习方法及系统 | |
| CN116091778B (zh) | 一种数据的语义分割处理方法、装置及设备 | |
| US20230100305A1 (en) | System and process for repainting of planar objects in video | |
| CN114741328A (zh) | 数据查询方法、装置、电子设备及计算机可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220414 Address after: 250000 13th floor, Hanyu Golden Valley artificial intelligence building, Jingshi Road, Jinan area, China (Shandong) pilot Free Trade Zone, Jinan City, Shandong Province Applicant after: Shenlan Artificial Intelligence Application Research Institute (Shandong) Co.,Ltd. Address before: 213000 No.103, building 4, Chuangyan port, Changzhou science and Education City, No.18, middle Changwu Road, Wujin District, Changzhou City, Jiangsu Province Applicant before: SHENLAN ARTIFICIAL INTELLIGENCE CHIP RESEARCH INSTITUTE (JIANGSU) Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201013 |
|
| RJ01 | Rejection of invention patent application after publication |