Real-Time FPGA-Based Detection of Speeded-Up Robust Features Using Separable Convolution
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F18%3A00315459" target="_blank" >RIV/68407700:21230/18:00315459 - isvavai.cz</a>
Výsledek na webu
<a href="http://ieeexplore.ieee.org/document/8074797/" target="_blank" >http://ieeexplore.ieee.org/document/8074797/</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/TII.2017.2764485" target="_blank" >10.1109/TII.2017.2764485</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Real-Time FPGA-Based Detection of Speeded-Up Robust Features Using Separable Convolution
Popis výsledku v původním jazyce
In this paper, we propose a novel architecture for efficient detection of Speeded Up Robust Features (SURF) for Field-programmable gate array (FPGA). The main benefits of the proposed architecture are in real-time low-latency performance and scalability. The proposed solution provides a significant acceleration of salient points extraction which is fundamental image processing technique for vision-based methods including the simultaneous localization and mapping (SLAM). Based on the presented practical results, the proposed architecture is capable of processing streaming image data at the rate of 140 Megapixels per second which roughly scales from the 640x480@420fps up to 1920x1080@60fps video streams on a low-end, low-cost FPGA solution (Cyclone V). Moreover, the proposed feature detection utilizes only about 20% of logic elements of the FPGA which supports further parallel processing of multiple inputs.
Název v anglickém jazyce
Real-Time FPGA-Based Detection of Speeded-Up Robust Features Using Separable Convolution
Popis výsledku anglicky
In this paper, we propose a novel architecture for efficient detection of Speeded Up Robust Features (SURF) for Field-programmable gate array (FPGA). The main benefits of the proposed architecture are in real-time low-latency performance and scalability. The proposed solution provides a significant acceleration of salient points extraction which is fundamental image processing technique for vision-based methods including the simultaneous localization and mapping (SLAM). Based on the presented practical results, the proposed architecture is capable of processing streaming image data at the rate of 140 Megapixels per second which roughly scales from the 640x480@420fps up to 1920x1080@60fps video streams on a low-end, low-cost FPGA solution (Cyclone V). Moreover, the proposed feature detection utilizes only about 20% of logic elements of the FPGA which supports further parallel processing of multiple inputs.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/GJ15-09600Y" target="_blank" >GJ15-09600Y: Adaptivní plánování v úlohách autonomního sběru dat v nestrukturovaném prostředí</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2018
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS
ISSN
1551-3203
e-ISSN
1941-0050
Svazek periodika
14
Číslo periodika v rámci svazku
3
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
9
Strana od-do
1155-1163
Kód UT WoS článku
000426700600034
EID výsledku v databázi Scopus
2-s2.0-85032283396