Semi-Global MatchingをベースとしたCUDA実装です。
libSGMは、Semi-Global MatchingアルゴリズムをCUDAで実装したものです。
適切にキャリブレーションされた2つの入力画像から、視差画像を取得することができます。
CUDAを使用し、高速な視差画像算出が可能
benchmarkサンプルで計測した処理時間を示します
- image size : 1024 x 440
- disparity size : 128
- sgm path : 4 path
- subpixel : enabled
Device | CUDA version | Processing Time[Milliseconds] | FPS |
---|---|---|---|
GTX 1080 Ti | 10.1 | 2.0 | 495.1 |
GeForce RTX 3080 | 11.1 | 1.5 | 651.3 |
Tegra X2 | 10.0 | 28.5 | 35.1 |
Xavier(MODE_15W) | 10.2 | 17.3 | 57.7 |
Xavier(MAXN) | 10.2 | 9.0 | 110.7 |
Package Name | Minimum Requirements | Note |
---|---|---|
CMake | version >= 3.18 | |
CUDA Toolkit | compute capability >= 3.5 | |
OpenCV | version >= 3.4.8 | for samples |
OpenCV CUDA module | version >= 3.4.8 | for OpenCV wrapper |
ZED SDK | version >= 3.0 | for ZED sample |
$ git clone https://github.com/fixstars/libSGM.git
$ cd libSGM
$ git submodule update --init # ENABLE_TESTS オプションを ON にする際に必要です
$ mkdir build
$ cd build
$ cmake ../ # いくつかのオプションが用意されています
$ make
$ pwd
.../libSGM
$ cd build
$ cmake .. -DENABLE_SAMPLES=on
$ make
$ cd sample
$ ./stereosgm_movie <left image path format> <right image path format> <disparity_size>
left image path format: 左側画像入力時に使用するファイルパスのフォーマット
right image path format: 右側画像入力時に使用するファイルパスのフォーマット
disparity_size: 視差情報を何段階で保持するか(省略可)
disparity_sizeは省略が可能です。省略した時には、128が付与されます。
ここで、left image path format, right image path formatとは、ファイル読み込み時に使用するフォーマットを意味します。
次のような連番ファイルが与えられていたとき、与えるべきpath formatは以下のようになります。
left_image_0000.pgm
left_image_0001.pgm
left_image_0002.pgm
left_image_0003.pgm
...
right_image_0000.pgm
right_image_0001.pgm
right_image_0002.pgm
right_image_0003.pgm
$ ./stereosgm_movie left_image_%04d.pgm right_image_%04d.pgm
本ソフトウェアは Daimler Urban Scene Segmentation Benchmark Dataset 2014 にて提供されている画像を用いて動作確認をしています。
libSGMではGoogle Testをテスト・フレームワークとして採用しています。
Git submodule機能を通して導入しているため、始めに以下のコマンドで初期化する必要があります。
$ pwd
.../libSGM
$ git submodule update --init
ビルド後、以下のコマンドでテストを実行できます。
$ pwd
.../libSGM
$ cd build
$ cd test
$ ./sgm-test
テストコードではナイーブな実装との比較を行っています。
The "adaskit Team"
The adaskit is an open-source project created by Fixstars Corporation and its subsidiary companies including Fixstars Autonomous Technologies, aimed at contributing to the ADAS industry by developing high-performance implementations for algorithms with high computational cost.
Apache License 2.0