視頻圖像處理與性能優(yōu)化

序
．前言
第1章緒論
1.1視頻圖像處理
1.1.1概述-I
1.1.2視頻圖像處理發(fā)展與
應(yīng)用-I
1.1.3視頻圖像處理算法關(guān)鍵
技術(shù)-I
1.2視頻圖像處理在智能駕駛領(lǐng)
域的應(yīng)用
1.2.1概述-I
1.2.2視頻圖像處理在智能駕
駛領(lǐng)域的應(yīng)用與發(fā)展
1.2.3視頻圖像處理在智能駕
駛領(lǐng)域的關(guān)鍵技術(shù)
1.3異構(gòu)平臺(tái)與GPU架構(gòu)
1.3.1概述
1.3.2 GPU體系架構(gòu)
1.3.3 GPU編程模型
1.4 GPU性能加速優(yōu)化方法
1.4.1訪存優(yōu)化
1.4.2計(jì)算優(yōu)化
1.4.3數(shù)據(jù)本地化
第2章視頻圖像處理在智能
駕駛中的應(yīng)用
2.1引言
2.1.1國外研究現(xiàn)狀
2國內(nèi)研究現(xiàn)狀
2.2車道線的提取和跟蹤
2.2.1道路圖像預(yù)處理方法
2.2.2邊緣檢測(cè)
2.2.3基于Hough變換的車
道線檢測(cè)
2.3 交通標(biāo)志牌的檢測(cè)和識(shí)別
2.3.1交通標(biāo)志簡介
2.3.2交通標(biāo)志識(shí)別簡介
2.3.3交通標(biāo)志牌檢測(cè)
2.3.4基于SVM的交通標(biāo)志
牌檢測(cè)
2.3.5交通標(biāo)志的識(shí)別
2.3.6基于SVM的交通標(biāo)志
牌的識(shí)別
2.4交通信號(hào)燈的檢測(cè)
2.4.1顏色分割
2.4.2基于顏色和形狀的交通
信號(hào)燈檢測(cè)識(shí)別
2.5智能車其他視頻圖像處理
2.5.1基于SVM的行人檢測(cè)
2.5.2 SVM與深度學(xué)習(xí)
2.6本章小結(jié)
第3章GPU體系架構(gòu)
3.1 GPU與CPU架構(gòu)的區(qū)別
3.2 當(dāng)前主流GPU體系架構(gòu)
3.2.1 NVIDIA GPU架構(gòu)
3.2.2 AMD GPU架構(gòu)
3.2.3兩種架構(gòu)的異同
3.3本章小結(jié)
第4章 CUDA與OpenCL編程
模型
4.1 CUDA編程模型
4.2 0penCL編程模型
4 3 CUDA和OpenCL編程
流程
4 3 l CUDA向量相加程序
編寫過程
4 3 2 0penCL向量相加程序
編寫過程
4 4 GPU程序性能優(yōu)化分析
4 5本章小結(jié)
第5章異構(gòu)計(jì)算與性能優(yōu)化
方法
5 1視頻圖像處理算法
5 2訪存優(yōu)化方法
5 2 l CPU與GPU之間的
傳輸優(yōu)化
5 2 2 global memory的合并
訪問
5 2 3 shared memorT ’
5 2 4寄存器
5 3矩陣轉(zhuǎn)置算法
5 3 l算法簡介及分析 ’
5 3 2并行性分析
5 3 3矩陣轉(zhuǎn)置算法優(yōu)化
5 3 4性能分析
5 4規(guī)約算法
5 4.1算法簡介及分析
5 4 2并行性分析
5 4 3規(guī)約算法優(yōu)化
5 4 4性能分析
5 5 resize算法
5 5 l算法簡介及分析
5 5 2并行性分析
5 5 3 resize算法優(yōu)化
5 5 4性能分析
5 6 Laplace算法
5 6 l算法簡介及分析
5 6 2并行性分析
5 6 3 Laplace算法優(yōu)化
5 6 4性能分析
5 7本章小結(jié)
第6章Cannv邊緣檢測(cè)算法
優(yōu)化
6 1引言
6 l l邊緣檢測(cè)相關(guān)概述
6 1 2視頻圖像處理問題
及方法
6 2國內(nèi)外研究現(xiàn)狀
6 3 Canny邊緣檢測(cè)算法簡介
6 4并行性分析及GPU實(shí)現(xiàn)
6 4.1并行性分析
6 4 2基于NVIDIA Tegra Kl
的GPU實(shí)現(xiàn)與分析
6 5優(yōu)化策略分析
6 5 l向量化訪存 ’
6 5 2數(shù)據(jù)本地化
6 5 3條件分支優(yōu)化
6 6 Canny邊緣檢測(cè)算法優(yōu)化過程
與實(shí)驗(yàn)結(jié)果分析
6 6 l灰度化算法
6 6 2濾波及計(jì)算梯度幅
值算法
6 6 3非極大值抑制算法
6 6 4遞歸確定邊緣算法
6 6 5 Canny及邊緣檢測(cè)算法
6 7本章小結(jié)
第7章人臉檢測(cè)算法優(yōu)化
7 1引言
7 2人臉檢測(cè)算法
7 2 l GPU架構(gòu)
7 2 2 Viola - Jones人臉
檢測(cè)算法
7 3人臉檢測(cè)算法的GPU實(shí)現(xiàn)
與優(yōu)化
7 3.1并行性分析
7 3 2 NaYve實(shí)現(xiàn)與負(fù)載不
均衡
7 3 3 GPU優(yōu)化
7 4性能評(píng)估
7 4.1實(shí)驗(yàn)平臺(tái)
7 4 2正確性驗(yàn)證
7 4 3性能分析
7 5本章小結(jié)
第8章異構(gòu)平臺(tái)激光雷達(dá)算
法優(yōu)化
8 1引言
8 l l國外研究現(xiàn)狀
8 1 2國內(nèi)研究現(xiàn)狀
8 2車載激光雷達(dá)
8 2 l激光雷達(dá)目標(biāo)檢測(cè)
8 2 2激光雷達(dá)環(huán)境感知
8 2 3激光雷達(dá)的優(yōu)勢(shì)
8 2 4 Velodyne三維激光
雷達(dá)
8 3激光雷達(dá)數(shù)據(jù)處理算法
8 3 l激光雷達(dá)數(shù)據(jù)獲
取及解包
8 3 2激光雷達(dá)識(shí)別障礙物
8 3 3用Hough變換進(jìn)行路
邊檢測(cè)
8 4激光雷達(dá)數(shù)據(jù)處理算法
優(yōu)化
8 4 l柵格投影優(yōu)化
8 4 2數(shù)據(jù)傳輸優(yōu)化
8 4 3柵格處理優(yōu)化
8 4 4性能評(píng)估
8 5本章小結(jié)
第9章性能與能耗的權(quán)衡
9 1引言
9 2能效評(píng)價(jià)指標(biāo)
9 3各層次能耗優(yōu)化策略
9 4系統(tǒng)級(jí)能耗優(yōu)化技術(shù)
9 5本章小結(jié)
參考文獻(xiàn)