基于DM642的KLT跟踪算法的实现及优化

被引：4

作者：

刘军

梁久祯

柴志雷

机构：

[1] 江南大学物联网工程学院智能系统与网络计算研究所

来源：

激光与红外 | 2011年 / 41卷 / 08期

关键词：

DM642; KLT; 运动跟踪; 优化; 图像处理;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

Kanade-Lucas-Tomasi(KLT)算法是基于图像特征点的跟踪算法,由目标对象特征点提取,特征点跟踪两部分组成。本文首先阐述了KLT算法的基本原理,分析了影响算法执行速度的主要原因。分析表明KLT算法的操作主要集中在乘加运算和循环,图像卷积运算和循环占用的执行时间比较长。针对TMS320DM642 DSP的硬件平台特点,提出了算法优化的若干策略。通过配置编译环境,合理安排数据类型,消除存储器相关性,使用内联函数以及分解多层循环等方法,对算法的实现进行了优化。实验结果表明,优化后代码执行速度是优化前的3倍多。

引用

页码：936 / 940

页数：5

共 11 条

[1]

An iterative image registration technique with an application in stereo vision. Lucas BD,Kanade T. Proceedings of the 7th International Conference on Artificial Intelligence . 1981

[2]

TMS320DM642 Video/Imaging Fixed-Point Digital Signal Processor. Texas Instruments Incorporated. . 2002

[3]

TMS320DM642 Video/Imaging Fixed-Point Digital Signal Processor. Texas Instruments Incorporated. . 2002

[4]

Good features to track. Shi J,Tomasi C. IEEE Computer Society Conference on Computer Vision and Pattern Recognition(CVPR’94) . 1994

[5]

GPU-based video feature tracking and matching. Sudipta NSinha,Janmichael Frahm,Marc Pollefeys,et al. TR 06-012 University of North Carolina,USA . 2006

[6]

GPU_KLT:A GPU-based Implementationof the Kanade-Lucas-Tomasi Feature Tracker. Sudipta N Sinha. http://cs.unc.edu/-ssinha/Research/GPU_KLT/ . 2008

[7]

Fastgain-adaptive KLT tracking on the GPU. Christopher Zach,David Gallup,Jan-Michael Frahm. ComputerVision and Pattern Recognition Workshops . 2008

[8]

TMS320C6000 Optimi-zing Compiler v 6.1. Texas Instruments Incorporated. . 2008

[9]

GPU-Accelerated KLT Tracking with Monte-Carlo-Based Feature Reselection. Ohmer, J.F,Redding, N.J. Computing: Techniques and Applications, 2008. DICTA ‘08.Digital Image . 2008

[10]

KLT: An Implementation of the Kanade-lucas-tomasi FeatureTracker. Version 1.3.4. S. Birchfield. http://www.ces.clemson.edu/～stb/klt/ . 2007

← 1 2 →