19、特征点检测与匹配的硬件加速技术解析

特征点检测与匹配的硬件加速技术解析

在视觉处理领域，特征点检测和匹配是至关重要的算法，对于实现实时和高效的视觉系统起着关键作用。本文将深入探讨相关的硬件加速技术，包括文本生成器、描述符生成器、扩展的STA、PRA等组件，以及芯片实现和应用案例。

1. 文本生成器和描述符生成器

• 文本生成器（Text Generator） ：用于FAST算法，由十六个状态分类器组成。每个状态分类器包含一个10位加法器和两个10位减法器。一对符号位表示三种状态：白色（10）、黑色（01）和灰色（00，11）。不等式符号与原始测试略有不同，但可通过调整阈值进行校准。
• 描述符生成器（Descriptor Generator） ：用于BRIEF算法，仅由八个10位加法器组成，基于BRIEF的强度测试。
• 数据输入与输出 ：两者均从像素选择器获取输入数据，并根据目标应用（FAST或BRIEF）选择其中一个结果。描述符生成器可通过文本生成器实现，但需要额外的硬件逻辑来选择输入数据，不过在面积开销和性能方面并无优势。描述符生成器仅生成8位向量，而文本生成器可一次性生成完整文本（32位向量）。由于BRIEF通常使用256/512位描述符，因此编码一个描述符需要32/64个周期。描述符缓冲区收集部分向量，并将完整向量存储在内部SRAM中。

为了平衡流水线阶段之间的工作负载，集成了两组文本和描述符生成器。由于每个STA不包含早期拒绝硬件，平均每个STA需要2.1个周期。为了充分并行利用四个STA，需要两组文本和描述符生成器。