Speeding up mesh descriptors byimplementing them on the GPU

Abstract

3D egenskapsbeskrivelser er en måte å skape punkt-til-punkt korrespondanse mellom forskjellige overflater. De brukes derfor i en rekke applikasjoner innenfor visuell datababehandling. Ytelsen til disse applikasjonene er ofte begrenset av hvor fort egenskapsbeskrivelser kan beregnes. Det viser seg imidlertid at egenskapsbeskrivelser kan beregnes uavhengig av hverandre. De er derfor godt egnet til parallel beregning. Moderne grafikkprosessorer, sammen med spesialiserte APIer, kan utnyttes for parallel beregninger av denne typen. Denne oppgaven har sett på GPU implementasjoner av fire populære egenskapsbeskrivelser: Spin Images, Point Feature Histograms, Signature of Histograms of Orientations og Fast Point Feature Histograms. Dette har resultert i forslag for hvordan algortimer for egenskapsbeskrivelser kan implementers på grafikkprossesorer, og hvordan disse algortimene kan optimaliseres.

3D feature descriptors are capable of providing point-to-point correspondence on different surfaces. They are therefore used in a variety of different applications within visual computing. However, these applications often find the computation of feature descriptors to be a bottleneck for their performance. A key observation is that these feature descriptors can be computed independently of each other, and are therefore good candidates for parallel computation. Modern GPUs, together with specialized APIs, can be utilised for such highly parallel problems. This thesis has examined various GPU implementations of four popular feature descriptors: Spin Images, Point Feature Histograms, Signature of Histograms of Orientations and Fast Point Feature Histograms. As a result, the thesis suggest different approaches to GPU based feature descriptors and applicable GPU optimizations.