◄Back

基于多GPU加速的动态视觉凸壳重建和实时绘制

---

在基于图像的视觉凸壳绘制技术方面，我们早期的研究都是针对静态对象的。在此基础上，我们针对动态物体的多路同步视频流的实时处理和计算问题也进行了深入的研究，该课题的研究成果在虚拟现实、通用GPU计算、并行视觉凸壳计算等领域均有重要的意义。

本课题的研究目标是仅利用一台基于多GPU加速的个人计算机和多个图像采集设备，来实现一套针对动态目标的视觉凸壳实时重建与绘制系统。利用一组标定的摄像机可以同步地对动态物体进行视频采集，同时进行前景轮廓提取和向量化等预处理计算。利用我们提出的多GPU并行计算框架对已有的视觉凸壳绘制算法进行了改进，通过挖掘多GPU协同工作的通用计算能力，合理设计算法和数据结构，该系统可以获得较高的运算效率，实时地对动态物体进行三维重建以及任意视角下的虚拟绘制。

 

▲ 动态物体视觉凸壳重建与绘制（左：多路视频同步采集系统；右：视频前景轮廓提取及向量化。点击放大）

▲ 动态物体视觉凸壳重建与绘制（上：输入多路同步视频；中：前景轮廓；下：多视角绘制结果）

在前述实验中我们发现，在预处理过程中串行的轮廓向量化算法耗费较多的计算时间，导致不能和视觉凸壳计算同步。因此我们对轮廓向量化方法利用GPU的并行性进行硬件加速，取得了很好的效果。同时这种并行的轮廓向量化方法还可以扩展到许多不同的应用领域，如文档图像的实时向量化上。扫描的文档如果存储为像素图，在放大时会产生严重的锯齿现象，而向量化则可以解决这个问题。此外，向量化后的文档会占据更少的存储空间，更便于保存和传输。

▲ 文档图像的实时并行向量化（左：输入文档图像；右：向量化结果。点击放大）

相关论文：

• Xiaoliang Xiong, Jie Feng and Bingfeng Zhou. "Real-time Image Vectorization on GPU". Proc. 11th International Conference on Computer Graphics Theory and Applications (GRAPP 2016), pp. 143-150. Feb. 27 - Mar. 1, 2016. Rome, Italy.   Download paper      Download slides

• Xiaoliang Xiong, Jie Feng, Bingfeng Zhou. "Real-Time Contour Image Vectorization on GPU". In: Braz J. et al. (eds) Computer Vision, Imaging and Computer Graphics Theory and Applications. VISIGRAPP 2016. Communications in Computer and Information Science, vol. 693, pp. 35-50. Springer, Cham. 2017.    Download paper