Optimización de funciones de alto coste computacional mediante su implementación en GPU

Abstract

En el presente trabajo, se ha analizado un algoritmo para la corrección de un error de carácter no sistemático en cámara de tiempo de vuelo, determinando cuáles son las funciones con un mayor coste computacional. Estas funciones se han modificado para realizar su ejecución en GPU con un alto grado de paralelización, mediante su implementación en CUDA. Las cámaras de tiempo de vuelo (ToF) proporcionan, además de la intensidad, información de profundidad en la escena, permitiendo obtener una imagen de distancias invariante a la iluminación. Estas medidas cuentan con diversos errores asociados, siendo uno de ellos el debido a la interferencia por multicamino (MpI). Las interferencias por multicamino se deben a reflexiones múltiples dentro de la escena, es decir, la luz puede reflejarse en varias superficies antes de retornar al sensor, haciendo que la distancia medida pueda ser mayor a la real. Además, se ha realizado un estudio del principio de funcionamiento de las cámaras ToF, analizando sus principales ventajas e inconvenientes, así como los errores que pueden presentar las medidas. A su vez, se ha realizado un estudio del modelo de programación en GPUs: manejo de memoria, paralelización de proces os, etc. Para la validación de la implementación realizada se han ejecutado múltiples pruebas experimentales empleando imágenes reales grabadas con una cámara ToF de disponibilidad comercial. En cada prueba se ha medido el tiempo de cómputo, para posteriormente compararlo por el tiempo consumido por las mismas funciones implementadas en C y Matlab. En todos los casos, el tiempo de ejecución se ha reducido de forma notable, permitiendo validar el trabajo realizado.