[发明专利]一种基于CUDA技术的视觉SLAM前端加速方法

权利要求书

1.一种基于CUDA技术的视觉SLAM前端加速方法，其特征在于：加速过程需要GPU参与计算，使用CUDA技术实现运算并行化；特征检测过程包含：图像高斯金字塔构建模块、特征点提取模块、特征点方向计算模块、特征点描述子计算模块；

图像高斯金字塔构建模块用于将输入图像降采样至不同的大小，以匹配不同尺寸下的相同图像特征；特征点提取模块用于得到图像中的角点，根据像素点和邻域点的关系判断当前点是否为特征点；特征点方向计算模块用于计算特征点的梯度方向和大小，以便在图像视角发生变化时顺利匹配；特征点描述子计算模块用于为每一个特征点建立二进制描述子，为下一步特征点匹配做准备；

图像高斯金字塔构建模块具体包括以下步骤：

首先初始化Device设备，申请设备端数据空间以存放图像金字塔；然后扩展检测区域边界，使用OpenCV中CUDA模块改写的cuda::copyMakeBorder替换原方法中copyMakeBorder的默认实现，并将变量对齐到申请的空间，调用OpenCV中CUDA实现版缩放函数cuda::resize将输入图像缩放到金字塔对应大小，此过程使用双线性插值算法实现，并利用cudastream流将此过程并行化；

特征点提取模块具体包括以下步骤：

首先遍历每层金字塔，将当前层金字塔图像及边界信息传入给检测函数处理；根据图像大小申请对应的Grid和Block，这里Block设置为32*8代表一个待检测区域，Grid可根据图像大小和Block大小划分为对应的网格；每个线程对应一个像素，因而可以并行地检测FAST特征点；调用特征检测核函数，根据Thread及Block索引求出邻域点，判断当前点是否为特征点；如果某像素点满足FAST特征点的条件，则将像素的坐标存入全局存储器；同时，将特征点的数量进行累加并存储在全局存储器中；

特征点方向计算模块具体包括以下步骤：

首先根据特征点的总数来申请线程，保证每个特征点和一个线程相对应，根据灰度质心法调用核函数计算出特征点的梯度方向和大小，并存储到内存中；此处核函数的block大小设置为32*8，Grid大小设置为特征点数量，这样设置以便将特征点平均分配给不同核函数计算方向；

特征点描述子计算模块具体包括以下步骤：

首先将金字塔中高斯图像传送到显存中，申请对应特征点数量的Grid，对于每一个特征点申请32个线程块，将每个特征点邻域内的像素进行比较建立二进制描述子，将计算出来的描述子放到共享变量内；

所述图像高斯金字塔构建、特征点提取、方向计算、描述子计算模块均采用cuda流的形式实现，其特征是只在函数返回前调用一次同步函数等待device端计算结果。