임베디드 구조 광 카메라는 다양한 분야에 널리 적용되고 있습니다. 그러나 불충분한 컴퓨팅 자원과 같은 제약 사항으로 인해 고속 구조 광 포인트 클라우드 계산을 달성하는 것은 여전히 어렵습니다. 이 문제를 해결하기 위해 본 연구에서는 포인트 클라우드 계산을 가속화하기 위한 메모리 기반 컴퓨팅 프레임워크를 제안합니다. 구체적으로, 포인트 클라우드 계산 과정은 가능한 한 많이 사전 계산되어 매개변수 형태로 메모리에 저장되어 실제 포인트 클라우드 계산 중의 계산 부하를 크게 줄입니다. 이 프레임워크는 포인트 클라우드 안정성을 희생하면서 메모리 사용을 최소화하는 저메모리 방식과, 방대한 조회 테이블을 통해 비선형 위상-거리 관계를 유지하는 고메모리 방식의 두 가지 형태로 구현됩니다. 실험 평가 결과, 제안된 방법이 기존 방법과 유사한 정확도를 달성하면서도 상당한 속도를 제공합니다. 또한 데이터 형식 최적화는 필요한 대역폭을 추가로 줄입니다. 이 프레임워크는 구조 광 파이프라인 최적화를 위한 일반화 가능한 패러다임을 제공하며, 임베디드 응용 프로그램에서 향상된 실시간 3D 감지를 위한 길을 열어줍니다.
Zhang et al. (토요일)은 이 질문을 연구했습니다.