FPGA实现的实时半全局匹配（RT-SGM）算法优化与性能提升

"这篇论文研究了基于FPGA的实时SGM(Real-Time SGM, RT-SGM)匹配算法，旨在解决传统SGM算法在运算效率和硬件资源需求上的问题，使其适应实时嵌入式系统的需求。RT-SGM算法通过选取特定优化方向、设计Pipeline结构并提出新型中值滤波器，实现了速度提升和资源消耗减半，同时保持了匹配精度。实验结果显示，RT-SGM算法相比传统SGM算法性能显著提升，适合在实时环境中的应用。" 本文主要探讨了计算机视觉领域的核心问题——立体匹配算法，特别是针对立体匹配中的半全局匹配(Semi-Global Matching, SGM)算法进行了深入研究。SGM算法是介于局部和全局匹配算法之间的一种方法，它考虑了局部信息的同时，也引入了全局的优化，从而在一定程度上克服了局部匹配算法的局限性，如对遮挡和弱纹理的敏感性，但其计算复杂度较高，不适用于资源有限的嵌入式系统。 论文提出了一种实时SGM算法的优化方案，即RT-SGM。该方案的关键在于选择了三个优化方向，这有助于减少匹配过程中的计算负担。同时，通过设计Pipeline结构，使得算法能够在流水线模式下运行，大大提升了运算速度。此外，论文还引入了一种新型的中值滤波器，这种滤波器能有效去除噪声，提高匹配结果的准确性，而不会增加过多的硬件资源。 在FPGA（Field-Programmable Gate Array）硬件平台上，研究人员实施了RT-SGM算法，并与传统的SGM算法进行了对比。实验结果显示，RT-SGM的运行速度提高了30%，硬件资源需求仅为传统SGM的一半，而且其匹配精度与传统SGM相当。这些改进使得RT-SGM算法更适合在实时嵌入式系统中部署，比如自动驾驶、无人机导航等领域，这些场景对计算速度和资源效率有极高要求。 这项研究为嵌入式系统的立体匹配提供了一个高效且资源友好的解决方案，对于推动计算机视觉技术在实时应用中的发展具有重要意义。