基于OpenCL机器视觉算法GPU实现

作者：吴进; 刘应; 刘镇弢; 李乔深

来源：计算机工程与设计, 2019, 40(02): 346-351.

DOI：10.16208/j.issn1000-7024.2019.02.009

• 开放计算语言
• 图形处理器
• 并行加速
• 机器视觉算法
• 异构框架

针对不断增长的对机器视觉算法处理效率和实时性的要求,研究基于异构编程框架OpenCL对机器视觉算法在通用计算机图形处理单元(GPU)上的并行处理和加速方法,提出结合存储分配、指令流优化、数据重用等方法的并行优化策略。在Sobel边缘检测、Canny边缘检测、Harris角点检测、高斯图像金字塔4个不同并行度视觉算法上进行验证,验证结果表明,在不考虑数据传输的情况下,对比CPU串行实现取得了平均6.16的加速比,对比OpenCV的GPU库(即CUDA实现)取得了1.12-5.47的加速比,验证了所提优化策略的有效性。

• 单位
  西安邮电大学; 电子工程学院