放一个GPU版的SGM，看能不能跑赢KITTI采集车

最新推荐文章于 2025-08-31 11:39:55 发布
原创 最新推荐文章于 2025-08-31 11:39:55 发布 · 3.6k 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#SGM #CUDA #KITTI #双目立体匹配

本文详细介绍了李迎松在其博士论文中提出的HierSgmCuda立体匹配算法，该算法通过CUDA实现高性能并行计算，适用于大规模摄影测量影像的快速立体匹配。文章包含算法架构解读及KITTI2015数据集上的实验演示。
部署运行你感兴趣的模型镜像

您可能感兴趣的与本文相关的镜像

PyTorch 2.9

PyTorch 2.9

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

SGM代码及其测试代码和结果
正在挣扎中的人
07-12 3521
github上边已经有很多开源的SGM代码了，下面就给出几个已经试过好用的代码，以免忘记下载的代码来自哪个连接。 gishi523 /semi-global-matching ：基于CSCT的SGM，并且用SSE4.1 and OpenMP进行优化，大概 10 fps / s。 dhernandez0 /sgm ：《Embedded real-time stereo estimation via Semi-Global Matching on the GPU, D. Hernandez-Juarez》这篇
SGM算法开源库libSGM在windows下的编译和使用
行仔ovo的博客
04-23 1505
文章目录0. 原材料1. 源码下载和编译1.0 代码clone1.1 新建文件夹1.2 配置cmake2. 调用3. 结果 0. 原材料 libSGM开源库是一个使用CUDA对半全局匹配算法SGM的加速实现版本。 英伟达显卡（算力 >= 3.5） cuda环境（我的版本是cuda 10.0） OpenCV（版本 >= 3.0） Cmake（版本>=3.1） 1. 源码下载和编译 1.0 代码clone 开源库地址： https://github.com/fixstars/libSGM
sgm, 在GPU上，半全局匹配.zip
09-17
sgm, 在GPU上，半全局匹配 GPU上的半全局匹配这是在GPU上通过半全局匹配实现实时立体实时立体估计的实现，即 。 ，juarez et et，ICCS 。获得的性能以每秒帧( FPS ) 为单位测量：2 路 4路径 8路径NVIDIA Tegra
SGM算法的快速实现
正在挣扎中的人
09-18 1350
CPU 2010年，Martin Humenberger等人采用SGM算法计算粗视差图，然后对图像进行分割，在分割区域内进行视差平面的拟合，设置一定阈值，对无效视差进行填充。 2011年，Simon Hermann等人提出一种快速SGM算法，对原图进行下采样，在缩小的图像上采用SGM算法计算粗视差图，利用粗视差来缩小原图上的视差搜索范围，减少了计算量，但是最终视差图的准确度依赖于较为准确的粗视差图。2013年，这个作者提出了迭代的SGM（iSGM）算法，通过迭代的方式，由粗视差图逐渐过渡到精视差图，
Stereo by SGM
ipanemaleica的博客
06-16 386
目标：Disparity map from left and right cameras 比较著名的方法是十年前的SGM Stereo Processing by Semi-Global Matching and Mutual Information 文献一如既往看得比较吃力，还好发现有一篇博客介绍点评得颇深入浅出 http://www.voidcn.com/blog/wsj9
KITTI数据集介绍
09-21
该资源对自动驾驶行业的KITTI数据集进行详细介绍，对其中的灰度相机、彩色相机、imu数据指标进行介绍，辅助研究者进行分析研究。
视觉驱动未来：电动汽车制造与智能驾驶中的汽车视觉技术深度解析与实操应用指南
qq_30377315的博客
06-28 1379
视觉技术正成为智能制造与智能驾驶的核心使能技术。在制造端，2D/3D视觉技术应用于高精度检测、机器人引导等环节；在驾驶端，构建环境感知系统，实现目标检测、语义分割等功能。核心硬件包括摄像头、激光雷达等传感器及高性能计算平台，开发工具涵盖OpenCV、PyTorch等算法库。该领域面临极端环境鲁棒性、实时性等挑战，未来趋势将向BEV感知、端到端模型等方向发展。实现技术价值需算法、硬件、系统工程师等多方协作，构建从感知到决策的完整闭环。
双目立体匹配 等 算法 论文 综述 全局局部算法 CSCA NLCA SegmentTree树 DoubleBP Belief-Propagation AD-Census SGM
热门推荐
万有文的博客
11-02 1万+
双目立体匹配 等 算法 论文 综述 本文GITHUB 双目立体视觉技术实质就是模拟人的双眼视觉处理系统来处理通过摄像机采集所 获取的图像，它利用两台或多台摄像机在一定约束条件下采集同一场景的图像，对采集 到的图像进行信息提取和整合，最终恢复图像中场景的三维信息。 基于双目视觉的立体匹配算法研究涉及模式识别、人工智能、机器视觉、计算机图 形学等领域的许多相关复杂的研究课题。随着许多著名专家学者对...
【DispNet_CVPR_2016】论文阅读之一
y_zl20420的博客
05-05 2033
《A Large Dataset to Train Convolutional Networks for Disparity, Optical Flow, and Scene Flow Estimation》论文阅读摘要Introduction名词解释内容Related workDatasets.Convolutional networks.插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的
31、机器人视觉多视图技术全解析
最新发布
gold的博客
08-31 95
本文深入解析了机器人视觉中的多视图技术，涵盖了时间戳分析、角特征匹配、尺度恢复、双相机几何、图像校正、束调整等核心技术。同时介绍了相关算法如RANSAC、VFC和ICP，以及工具库如MATLAB计算机视觉系统工具包、PCL和PDAL的应用。通过丰富的应用案例和未来趋势展望，展示了多视图技术在三维重建、场景理解及机器人导航中的重要作用。
sgm算法cuda版
03-05
semi-global matching（缩写SGM）是一种用于计算双目视觉中disparity的半全局匹配算法。在OpenCV中的实现为semi-global block matching（SGBM）。 SGBM的思路是： 通过选取每个像素点的disparity，组成一个disparity map，设置一个和disparity map相关的全局能量函数，使这个能量函数最小化，以达到求解每个像素最优disparity的目的。
opencv sgm cuda实现
12-03
Opencv没有实现sgm算法的gpu版本，这个项目基于opencv sgm算法。 经过我的测试，它比opencv sgm算法的cpu版本快3-4倍，效果与opencv sgm完全相同。 最大差异可以设置为32的整数倍，最大值为256。
sgbm_ros:sgbm ros与cuda
05-11
sgbm_ros sgbm ros与cuda 论文参考：GPU上的半全局匹配 修改
12、立体匹配：基础、前沿与现存挑战
mac99的博客
06-16 77
本文全面介绍了立体匹配的基础理论、主流算法、视差置信度度量方法、评估指标以及常用公共数据集。同时，深入探讨了当前立体匹配领域所面临的挑战，包括无监督训练、域适应、速度与准确性平衡以及难以处理区域的优化策略。通过对显式编程和基于机器学习的算法比较，结合在Middlebury、KITTI和ETH3D等多个基准上的性能分析，为未来研究提供了有价值的参考方向。
windows + yolov4目标检测 + BM（SGM/SGBM）+ cuda实时运行 +双目定位工程实践代码
xiaoshuai_ma的博客
11-25 6038
1. FLAG 一直想写一下完整的双目定位工程实践，奈何琐事不断，没有心情写，等过段时间工作、论文有着落之后一定补上，完成自己毕业前的小心愿。 完整代码已经实现，且已经完成在上位机Qt软件上的部署，应用到了实体机器人上（简单用没问题）。实时运行速度27fps左右，定位精度近距离毫米级。内容包括： 1. 双目左、右视频采集 2. 左、右图片双目标定，得到相机参数 3. 根据相机参数对视频图像进行矫正 4. yolov4调用训练好的模型 - yolov4框架代码Darknet编译，实现图片预测 - yo
推荐开源项目：libSGM——高效CUDA实现的Semi-Global Matching库
gitblog_00049的博客
05-20 791
推荐开源项目：libSGM——高效CUDA实现的Semi-Global Matching库 项目介绍 libSGM 是一个基于CUDA实现的半全局匹配（Semi-Global Matching，SGM）算法库。它的主要功能是从一对合适的校准图像中计算出视差图，为立体视觉和深度感知提供强大的工具。此库特别适用于对实时性能有高要求的应用场景。 项目技术分析 libSGM 利用了CUDA的强大并行计算能...
【遇见CUDA】要更快，请提高数据传输效率！
闲情逸致~
08-17 1万+
你的CUDA算法，数据传输是否是你的性能瓶颈呢？要用常规还是异步？锁页还是零拷贝？看完此文，你应该能有所判断！
【亲测免费】 半全局匹配在GPU上的突破性实现：开启高效立体匹配新纪元
gitblog_00743的博客
08-18 527
半全局匹配在GPU上的突破性实现：开启高效立体匹配新纪元 在视觉计算的广袤领域中，快速准确地获取三维信息一直是个挑战。今天，我们要向您介绍一个开源项目——Semi-Global Matching on the GPU，该技术基于Daniël Hernández-Juárez等人在ICCS 2016上发表的研究成果，为实时立体匹配带来了革命性的速度提升。 项目介绍 该项目实现了嵌入式实时光栅化立体估...
开源项目 SGM 常见问题解决方案
gitblog_00805的博客
11-13 317
开源项目 SGM 常见问题解决方案 项目基础介绍 SGM（Semi-Global Matching）是一个基于GPU的实时立体匹配算法实现项目。该项目的主要目标是提供一个高效、实时的立体匹配解决方案，适用于嵌入式系统和高端GPU平台。项目的主要编程语言是C++和CUDA，利用CUDA进行GPU加速，以实现高性能的立体匹配计算。 新手使用注意事项及解决方案 1. 编译问题 问题描述：新手在尝试编译项...
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值