[发明专利]一种基于GPU与CPU混合数据处理的输电线路部件识别方法

摘要

本发明公开了一种基于GPU与CPU混合数据处理的输电线路部件识别方法，根据输入的图像文件夹路径，将该路径下的图像形成数据流文件，依据图像数据大小开辟图像处理器的内存空间；提取图像的像素值，进行中央处理器内存与图像处理器的内存数据的交换；根据图像原始数据大小及内核数目，在保证填充满每个线程内存的基础上向每个线程分配内存，同时确保处理后数据与原始数据的对应关系；利用prewitt算子提取图像的边缘特征，同时保证数据一致性；中央处理器根据图像处理器计算得到的边缘数据，确定图像中的杆塔或导线部件。本发明充分发挥了CPU与GPU的性能优势，提高了识别任务的执行效率。

主权项

1.一种基于GPU与CPU混合数据处理的输电线路部件识别方法，其特征是：包括以下步骤：(1)根据输入的图像文件夹路径，将该路径下的图像形成数据流文件，依据图像数据大小开辟图像处理器的内存空间；(2)提取图像的像素值，进行中央处理器内存与图像处理器的内存数据的交换；(3)根据图像原始数据大小及内核数目，在保证填充满每个线程内存的基础上向每个线程分配内存，同时确保处理后数据与原始数据的对应关系；(4)利用prewitt算子提取图像的边缘特征，利用线程同步机制保持数据的一致性；(5)中央处理器根据图像处理器计算得到的边缘数据，确定图像中的杆塔或导线部件；所述步骤(4)中，数据载入GPU模块后，执行prewitt算子操作提取图像的边缘信息；这里的八方向prewitt算子：水平方向、垂直方向及其余六个方向，其中prewitt算子为：{1,1,1,1,‑2,1,‑1,‑1,‑1,1,1,1,1,‑2,‑1,1,‑1,‑1,1,1,‑1,1,‑2,‑1,1,1,‑1,1,‑1,‑1,1,‑2,‑1,1,1,1,‑1,‑1,‑1,1,‑2,1,1,1,1,‑1,‑1,1,‑1,‑2,1,1,1,1,‑1,1,1,‑1,‑2,1,‑1,1,1,1,1,1,‑1,‑2,1,‑1,‑1,1}；使用函数cudaDeviceSynchronize完成数据的同步操作，确保边缘提取后数据的一致性；所述步骤(5)在经过GPU计算提取到图像的边缘特征后，需要通过计算边缘位置关系HE角度信息信息，对边缘特征进行分析、组合从而确定输电线路各部件的位置，本步骤在CPU端完成，包括：杆塔识别：首先根据图像的尺寸，将图像切割成4*3的图像块；第二：分析每个图像块中的边缘信息，将边缘分类为4组：‑5°～5°：水平线段；小于‑85°或大于85°：垂直线段；5°～85°：斜上线段；‑85°～‑5°：斜下线段；第三：设定边缘数目阈值，根据边缘的数目判断图像块是否为杆塔；最后，将属于杆塔的图像块边缘标记为红色，从而完成杆塔目标的识别；导线识别：首先，提取边缘信息中的垂直和水平边缘信息；第二，计算每条边缘的属性，包括每条线段上下左右端点位置坐标、线段的中心点坐标、线段的长度；第三，设定直线融合角度阈值，根据每条线段的坐标信息和中心坐标，当相邻的两条边缘的角度差值小于阈值时，将两条边缘合并成一条边缘；最后，遍历图像中所有的边缘完成边缘的合并；导线通常在无人拍摄的图像中呈现平行、贯穿图像的特性，通过分析合并边缘的平行性、贯穿性的特点从而确定导线目标。