logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-11022014-150431


Tipo di tesi
Tesi di laurea magistrale
Autore
AMBROSANO, ALESSANDRO
URN
etd-11022014-150431
Titolo
Parallel Stereo Matching with FastFlow
Dipartimento
INFORMATICA
Corso di studi
INFORMATICA
Relatori
relatore Prof. Danelutto, Marco
Parole chiave
  • FastFlow
  • parallel programming
  • stereo correspondence
  • stereo matching
  • Xeon Phi
  • computer vision
  • stereo vision
Data inizio appello
05/12/2014
Consultabilità
Completa
Riassunto
Durante questa tesi è stato fatto uno studio di alcuni algoritmi di stereo vision allo stato dell'arte, ovvero algoritmi che, in analogia con quanto succede nella visione umana, prendono come input una coppia di immagini della stessa scena prese da punti di vista adiacenti cercando la corrispondenza degli oggetti in queste immagini in modo da determinarne la profondità. Si è studiato un algoritmo in particolare, ADCensus, sia basandosi sul lavoro sequenziale originale, che facendo considerazioni sulla parallelizzabilità data e stream parallel. L'algoritmo è stato poi implementato in C++ in sequenziale e in parallelo e i programmi risultanti sono stati testati su architetture multi (Intel Xeon E5) e many (coprocessore Intel Xeon Phi) core, confrontando i risultati sia con il lavoro originale che con gli algoritmi di stereo vision forniti da OpenCV.

Stereo vision algorithms are algorithms that, similarly to what happens the human vision system, take as input pairs of images of the same scene, taken from two adjacent points of view, and compute the correspondence between objects in such images in order to determine their depth. During this thesis a study of state of the art stereo vision algorithms was made, then we chose one particular algorithm, ADCensus, studying the original sequential algorithm and considering data and stream parallel alternatives. The algorithm was then implemented in C++ in both sequential and parallel versions, and the resulting programs were tested on multi (Intel Xeon E5) and many (Intel Xeon Phi coprocessor) core architectures, comparing our results with the original work and with similar algorithms provided by OpenCV.
File