GPU basierte Berechnung von Disparitätskarten zum Zusammensetzen von übergangslosen 360° Panoramen in Echtzeit

In dieser Arbeit wird ein System zum übergangslosen Zusammenfügen von Videos implementiert. Die zugrunde liegende Hardware besteht aus acht fest miteinander verbundenen Kameras, die so ausgerichtet sind, dass das Gesamtsystem einen Bereich von 360° abdeckt. Die Objektive der Kameras sind dabei so gewählt, dass zwischen den Einzelbildern Überlappungsbereiche entstehen, in denen der gleiche Teil der Szene erfasst wird. Da das optische Zentrum der Kameras nicht im selben Punkt liegt, kommt es zwischen den Bildern zu Parallaxenfehlern, wodurch ein direktes Zusammenfügen nicht möglich ist. In dieser Arbeit werden zur korrekten Behandlung der Überlappungsbereiche Stereokorrespondenzverfahren verwendet, um sogenannte Stitchmaps zu berechnen, welche Informationen darüber beinhalten, welche Bildpunkte aus beiden Bildern dieselben Weltkoordinaten darstellen und somit kombiniert werden sollen. Da die Auswahl des Stereokorrespondenzverfahrens starke Auswirkungen auf das resultierende Panorama hat, gleichzeitig aber eine große Auswahl an unterschiedlichen Verfahren existiert, wurde eine visuelle, qualitative Evaluation zwischen zwei ausgewählten Verfahren durchgeführt. Dabei handelt es sich um das Constant-Space-Belief-Propagation und das Semi-Global-Matching-Verfahren. Hierbei wurde festgestellt, dass sich die Verfahren bei geeigneter Parametrisierung nur unmerklich unterscheiden. Da ein echtzeitfähiges Gesamtsystem angestrebt wurde, fand eine GPU-Implementierung mit OpenCL statt. Hierfür wurde auf Basis der durch die qualitative Evaluation gewonnenen Erkenntnisse und aufgrund der besseren Parametrisierbarkeit das Belief-Propagation-Verfahren ausgewählt. Für diese Implementierung fand eine zeitliche Evaluation gegenüber einer vergleichbaren, existierenden Implementierung aus der OpenCV Bibliothek statt. Hierbei konnte für die meisten Parameterkonfigurationen ein Beschleunigungsfaktor von etwa zwei erreicht werden.