SORT-SGM: Emparejamiento Semiglobal Optimizado por Subpíxeles en Tiempo Real para Vehículos Inteligentes

La idoneidad de los algoritmos estéreos para aplicaciones de vehículos inteligentes está condicionada por su capacidad para calcular mapas de disparidad densos y precisos en tiempo real. En este artículo, se presenta un sistema original de reconstrucción estereoscópica diseñado para aplicaciones automotrices. El sistema se basa en el algoritmo de emparejamiento semiglobal (SGM), que es ampliamente conocido por su alta calidad y potencial para implementación en tiempo real. Se proponen varias mejoras que apuntan a los pasos de emparejamiento, optimización de disparidad y refinamiento de disparidad. El emparejamiento a nivel de píxel utiliza la transformación de censo debido a su invariancia a las diferencias de intensidad ocasionadas por el sesgo o la ganancia de la cámara que afectan las imágenes. Los enormes requisitos de ancho de banda de memoria para el paso de optimización de disparidad SGM se reducen mediante una nueva estrategia de integración. A nivel de subpíxel, la precisión se incrementa mediante la elaboración de una nueva metodología para generar funciones de interpolación dedicadas a subpíxeles. Utilizando esta metodología, se implementan y evalúan dos nuevas funciones de interpolación de subpíxeles para el algoritmo SGM. El algoritmo propuesto ha sido implementado en una unidad de procesamiento gráfico en la Arquitectura de Dispositivos Unificados de Cómputo (CUDA). El resultado es un algoritmo con mayor velocidad y precisión, perfilado para escenarios complejos de tráfico real. El algoritmo propuesto ha sido evaluado a gran escala, y evidencia recopilada tanto de benchmarks estándar como de imágenes del mundo real confirma los hallazgos y muestra una mejora significativa sobre soluciones existentes.