孫 鵬，肖 經(jīng)，趙海盟，劉 帆，晏 磊，3，趙紅穎

（1. 桂林電子科技大學(xué)機(jī)電工程學(xué)院，廣西桂林541004；2. 空間信息集成與3S工程應(yīng)用北京市重點(diǎn)實(shí)驗(yàn)室（北京大學(xué)），北京100871；3. 廣西高校無(wú)人機(jī)遙測(cè)重點(diǎn)實(shí)驗(yàn)室（桂林航天工業(yè)學(xué)院），廣西桂林541004）

（?通信作者電子郵箱zhaohaimeng@guat.edu.cn）

0 引言

尺度不變特征變換（Scale-Invariant Feature Transform，SIFT）算法［1］在無(wú)人機(jī)（Unmanned Aerial Vehicle，UAV）遙感影像特征點(diǎn)提取和匹配領(lǐng)域內(nèi)扮演著重要角色，隨著時(shí)間推移得到不斷的發(fā)展和完善。

數(shù)字信號(hào)處理器（Digital Signal Processor，DSP）是一種適用于密集型數(shù)據(jù)運(yùn)算與實(shí)時(shí)信號(hào)處理的微處理器［2］?，F(xiàn)階段，在高性能DSP 平臺(tái)上實(shí)現(xiàn)部分復(fù)雜圖像處理算法成為了DSP 應(yīng)用研究的一個(gè)熱點(diǎn)。在高性能DSP 平臺(tái)上實(shí)現(xiàn)完整的SIFT 算法，可以減輕對(duì)主計(jì)算機(jī)中央處理器（Central Processing Unit，CPU）、圖形處理器（Graphics Processing Unit，GPU）和高速緩存等資源的占用，特別是對(duì)圖像算法處理過(guò)程中的定點(diǎn)、浮點(diǎn)迭代運(yùn)算相比計(jì)算機(jī)平臺(tái)處理速度更快。同時(shí)，DSP 平臺(tái)具有體積小、功耗低和便于集成等優(yōu)點(diǎn)［3］，采用DSP 實(shí)現(xiàn)無(wú)人機(jī)遙感影像臨場(chǎng)數(shù)據(jù)快速處理具有很大的優(yōu)勢(shì)。

前期，已經(jīng)有一些人在DSP 上進(jìn)行了SIFT 算法的部分研究。許飛等［4］在EVM6670L 平臺(tái)上運(yùn)行SIFT 算法時(shí)，基于進(jìn)程間通信（Inter-Process Communication，IPC）模塊實(shí)現(xiàn)4 核處理器協(xié)同處理；劉顏開(kāi)等［5］在TMS320C6678 平臺(tái)上實(shí)現(xiàn)8 核協(xié)同處理SIFT 算法。以上研究，既沒(méi)有使用本文采用的DSP內(nèi)核的硬件計(jì)算單元直接處理單精度浮點(diǎn)型像素?cái)?shù)據(jù)的乘法計(jì)算，也沒(méi)有充分發(fā)揮DSP的軟件流水特長(zhǎng)，對(duì)計(jì)算過(guò)程并未進(jìn)行高質(zhì)量的重新編排；此外，研究中處理的圖像尺寸太小，遠(yuǎn)遠(yuǎn)小于本文實(shí)驗(yàn)采用的大尺寸無(wú)人機(jī)遙感圖像，因此無(wú)法適應(yīng)于無(wú)人機(jī)組網(wǎng)遙感影像的臨場(chǎng)快速處理。

1 Rob-hess SIFT算法

SIFT算法是第一個(gè)通過(guò)穩(wěn)健的描述子將一定程度的不變量與尺度、旋轉(zhuǎn)、放射變換和光照聯(lián)系起來(lái)描述局部特征的方法［6］。它被認(rèn)為是計(jì)算機(jī)視覺(jué)研究的一個(gè)熱點(diǎn)［7-8］，也具有計(jì)算密集的特征［9-10］。

本文的參考對(duì)象為Rob-hess 基于OpenCV（Open source Computer Vision library）和C語(yǔ)言編譯環(huán)境編寫(xiě)的通用SIFT算法程序。Rob-hess SIFT 算法實(shí)現(xiàn)特征點(diǎn)提取的主要過(guò)程如圖1所示。

圖1 Rob-hess SIFT算法的特征點(diǎn)提取流程Fig. 1 Feature point extraction flowchart by Rob-hess SIFT algorithm

2 SIFT算法在DSP平臺(tái)上的實(shí)現(xiàn)

2.1 方案設(shè)計(jì)

德州儀器C66x系列DSP內(nèi)核硬件的組成如圖2所示。

圖2 C66x DSP內(nèi)核Fig. 2 C66x DSP kernel

主要數(shù)據(jù)計(jì)算模塊包括支持單精度浮點(diǎn)型數(shù)據(jù)運(yùn)算的硬件乘法器（Hardware Multiplier，MPY）、累加器和雙數(shù)據(jù)通道［11］。

為了充分發(fā)揮DSP 內(nèi)核計(jì)算性能，本文重新設(shè)計(jì)了SIFT算法的圖像數(shù)據(jù)結(jié)構(gòu)、軟件流水和動(dòng)態(tài)數(shù)據(jù)存儲(chǔ)。首先，重構(gòu)圖像數(shù)據(jù)結(jié)構(gòu)和圖像函數(shù)使得硬件乘法器可以直接參與單精度浮點(diǎn)型像素?cái)?shù)據(jù)的乘法計(jì)算；其次，采用軟件流水技術(shù)重新編排算法的循環(huán)計(jì)算，以增強(qiáng)算法計(jì)算的并行能力；最后，遷移算法產(chǎn)生的動(dòng)態(tài)數(shù)據(jù)至片外第三代雙倍速率同步動(dòng)態(tài)隨機(jī)存儲(chǔ)器（Double Data Rate 3 synchronous dynamic random access memory，DDR3），以提升動(dòng)態(tài)數(shù)據(jù)的存儲(chǔ)空間。具體實(shí)現(xiàn)流程如圖3所示。

圖3 DSP平臺(tái)上SIFT算法的總體設(shè)計(jì)Fig. 3 Overall design of SIFT algorithm on DSP platform

2.2 圖像數(shù)據(jù)類(lèi)型轉(zhuǎn)換

硬件計(jì)算單元直接參與數(shù)學(xué)計(jì)算可以提升計(jì)算的速度。但是，原始SIFT 算法使用char 型地址空間存儲(chǔ)圖像像素?cái)?shù)據(jù)，使得DSP 內(nèi)核的單精度浮點(diǎn)型硬件乘法器不能夠直接計(jì)算算法單精度浮點(diǎn)型像素?cái)?shù)據(jù)的乘法。

為了使DSP內(nèi)核的硬件乘法器能夠直接參與單精度浮點(diǎn)型像素?cái)?shù)據(jù)的乘法計(jì)算，需要根據(jù)硬件乘法器的輸入、輸出特性對(duì)圖像數(shù)據(jù)結(jié)構(gòu)和圖像函數(shù)進(jìn)行重構(gòu)，具體實(shí)現(xiàn)流程如圖4所示。

1）IplImage圖像數(shù)據(jù)結(jié)構(gòu)的重構(gòu)。

在SIFT 算法原始IplImage 圖像數(shù)據(jù)結(jié)構(gòu)中，char 型、float型像素?cái)?shù)據(jù)都存儲(chǔ)于char*型指針imageData 指定的地址空間。一個(gè)char 型圖像像素?cái)?shù)據(jù)存儲(chǔ)于一個(gè)char 型存儲(chǔ)空間內(nèi)，一個(gè)float 型像素?cái)?shù)據(jù)需要存儲(chǔ)于4 個(gè)char 型存儲(chǔ)空間內(nèi)。由于，DSP 內(nèi)核單精度浮點(diǎn)型硬件乘法器不能夠參與char 型存儲(chǔ)空間內(nèi)數(shù)據(jù)的計(jì)算，無(wú)法發(fā)揮DSP 優(yōu)良的單精度浮點(diǎn)型數(shù)據(jù)計(jì)算能力。

為了使單精度浮點(diǎn)型硬件乘法器可以直接計(jì)算SIFT 算法float 型像素?cái)?shù)據(jù)的乘法，本文對(duì)算法的IplImage 圖像數(shù)據(jù)結(jié)構(gòu)進(jìn)行重構(gòu)。

首先，在IplImage結(jié)構(gòu)中新增float*型指針imageData1，并使用該指針為float型像素?cái)?shù)據(jù)分配存儲(chǔ)空間；其次，在算法浮點(diǎn)運(yùn)算段啟用imageData1指針直接存儲(chǔ)像素點(diǎn)的float型像素?cái)?shù)據(jù)，實(shí)現(xiàn)float 型像素?cái)?shù)據(jù)的存儲(chǔ)空間類(lèi)型由char 型轉(zhuǎn)變?yōu)閒loat 型；最后，對(duì)圖像浮點(diǎn)型像素?cái)?shù)據(jù)的計(jì)算過(guò)程進(jìn)行調(diào)整，并在編譯軟件中啟用硬件乘法器處理該型像素?cái)?shù)據(jù)的乘法計(jì)算。新IplImage 結(jié)構(gòu)中圖像單精度浮點(diǎn)型像素?cái)?shù)據(jù)訪問(wèn)形式如下。

新IplImage 結(jié)構(gòu)中圖像gray32 第row 行、第col 列像素點(diǎn)的浮點(diǎn)型像素?cái)?shù)據(jù)訪問(wèn)形式如式（1）所示:

float_val=*（gray32-＞imageData1+

gray32-＞widthstep?row+col） （1）

新IplImage 結(jié)構(gòu)中圖像gray32 第n 個(gè)浮點(diǎn)型像素?cái)?shù)據(jù)的訪問(wèn)形式如式（2）所示:

float_val=*（gray32-＞imageData1+n） （2）其中:gray32 為一個(gè)IplImage 型結(jié)構(gòu)體圖像的起始地址；row、col 和n 為被定義的int 型變量；gray32-＞widthstep 為gray32 圖像中每一行像素?cái)?shù)據(jù)存儲(chǔ)時(shí)占用的存儲(chǔ)空間；gray32-＞imageData1為新數(shù)據(jù)結(jié)構(gòu)中圖像單精度浮點(diǎn)型像素?cái)?shù)據(jù)的起始地址。

2）圖像函數(shù)的重構(gòu)。

原始SIFT 算法程序調(diào)用cvCreateImage 函數(shù)創(chuàng)建圖像結(jié)構(gòu)的首地址并根據(jù)圖像頭信息為結(jié)構(gòu)體的像素?cái)?shù)據(jù)分配適當(dāng)存儲(chǔ)空間。在圖像創(chuàng)建過(guò)程中，調(diào)用的子函數(shù)主要包括創(chuàng)建圖像頭信息的函數(shù)cvCreateImageHeader 和為像素?cái)?shù)據(jù)分配存儲(chǔ)空間的函數(shù)cvCreateData。

原始圖像像素?cái)?shù)據(jù)存儲(chǔ)空間的首地址由像素?cái)?shù)據(jù)空間分配函數(shù)cvCreateData 提供。為了使新增加的imageData1 指針能夠指向合法的存儲(chǔ)空間，需要對(duì)函數(shù)cvCreateData 進(jìn)行重構(gòu)。當(dāng)輸入的圖像像素?cái)?shù)據(jù)類(lèi)型為32 位float 型時(shí)，函數(shù)cvCreateData 的子函數(shù)ialloc 開(kāi)始分配存儲(chǔ)空間并將返回的地址強(qiáng)制轉(zhuǎn)換為float*型；然后，將得到的float*型地址傳遞到指針imageData1。具體實(shí)現(xiàn)方式如式（3）所示:

img-＞imageData1=（float*）ialloc

（（size_t）img-＞imageSize） （3）

其中:img-＞imageSize 為圖像像素?cái)?shù)據(jù)需要占據(jù)空間的大小（單位:字節(jié)），由圖像的行、列和像素點(diǎn)數(shù)據(jù)類(lèi)型決定；img-＞imageData1 為圖像img 的單精度浮點(diǎn)型像素?cái)?shù)據(jù)在新IplImage 結(jié)構(gòu)中存儲(chǔ)后返回的起始地址；iallco 為空間分配函數(shù)，在完成空間分配后會(huì)返回void*型起始地址（該地址可以被強(qiáng)制轉(zhuǎn)換為其他類(lèi)型）。

2.3 軟件流水編排

2.3.1 編排設(shè)計(jì)

德州儀器C66x DSP 內(nèi)核具有8 路超長(zhǎng)指令字（Very Long Instruction Word，VLIW）、浮點(diǎn)數(shù)據(jù)路徑［12］和8 組單精度浮點(diǎn)型硬件乘法器，內(nèi)核主頻高達(dá)1.25 GHz（Giga Hertz），浮點(diǎn)性能高達(dá)20 GFLOP（Giga Floating-point Operations per Second）。由于，其指令集架構(gòu)（Instruction Set Architecture，ISA）是基于VLIW 架構(gòu)，每個(gè)指令加載包的長(zhǎng)度為256 位［13］。因此，在C66x 內(nèi)核DSP 平臺(tái)上使用的單指令多數(shù)據(jù)流（Single Instruction Multiple Data，SIMD）指令可以同時(shí)執(zhí)行最多8 條32位指令。

使用軟件流水技術(shù)對(duì)算法程序重新進(jìn)行編排，使得編譯器可以更加均衡地使用芯片內(nèi)核的硬件資源；同時(shí)，部分無(wú)關(guān)聯(lián)性指令的不同執(zhí)行階段可以被同時(shí)執(zhí)行，縮短各指令執(zhí)行時(shí)的等待間隔，可以更充分地發(fā)揮系統(tǒng)的并行計(jì)算能力。

軟件流水編排的實(shí)質(zhì)是:降低函數(shù)指針之間的關(guān)聯(lián)性以增強(qiáng)計(jì)算的并行性能；將算法的子函數(shù)內(nèi)嵌入主程序；對(duì)多層循環(huán)體進(jìn)行簡(jiǎn)化與展開(kāi)；使用軟件流水技術(shù)將數(shù)據(jù)計(jì)算段編排到預(yù)設(shè)的pipeline 中；同時(shí)，結(jié)合CCS（Code Composer Studio）5.5 集成開(kāi)發(fā)環(huán)境的DSP 軟件流水優(yōu)化功能，優(yōu)化流水編排的層級(jí)，最大化使用硬件資源。采用四級(jí)流水編排前后的指令執(zhí)行情況如圖5所示。

圖5 指令執(zhí)行對(duì)比Fig. 5 Comparison of instruction execution

在圖5 中，指令甲、乙與指令1、2、3、4、5 為處理器的相同執(zhí)行指令。沒(méi)有進(jìn)行軟件流水編排時(shí)，指令乙只能在指令甲完成寫(xiě)回操作后才可以得到執(zhí)行。對(duì)算法程序運(yùn)行重新編排后，程序中指令1 的寫(xiě)回、指令2 的執(zhí)行、指令3 的譯碼和指令4 的預(yù)取操作可以被同時(shí)執(zhí)行，縮短了指令的執(zhí)行間隔。該處為流水編排后循環(huán)核的開(kāi)始；指令2的寫(xiě)回、指令3的執(zhí)行、指令4 的譯碼、指令5 的預(yù)取也會(huì)同時(shí)執(zhí)行，為循環(huán)核的一部分；循環(huán)核左側(cè)部分為流水循環(huán)填充（pipeline loop prolog）；循環(huán)核右側(cè)部分為流水循環(huán)排空（pipeline loop epilog）。圖5中，同樣的時(shí)鐘周期內(nèi)，原始程序僅可以執(zhí)行甲、乙兩條完整指令，而流水編排后的程序可以執(zhí)行5 條完整指令，算法程序的計(jì)算速度得以提升。

流水編排的具體實(shí)現(xiàn)流程如圖6所示。

圖6 軟件流水編排流程Fig. 6 Flowchart of software pipeline arrangement

2.3.2 具體實(shí)現(xiàn)

為了減少計(jì)算過(guò)程中輸入、輸出數(shù)據(jù)指針的關(guān)聯(lián)性，在函數(shù)中使用restrict 和const 關(guān)鍵字以聲明函數(shù)非關(guān)聯(lián)性指針指向不同內(nèi)存塊。當(dāng)函數(shù)輸入、輸出指針存在關(guān)聯(lián)性且在計(jì)算獨(dú)立時(shí)，需要對(duì)程序的輸出指針進(jìn)行調(diào)整；建立過(guò)渡內(nèi)存塊，并將輸出指針指向過(guò)渡區(qū)塊；完成計(jì)算后，再將過(guò)渡區(qū)塊的內(nèi)容拷貝到原始程序指定的內(nèi)存塊中。鄰近插值函數(shù)變化如下。

原始源代碼:

void resizeImg（IplImage*gray，IplImage*Big）

插入關(guān)鍵字后源代碼:

void resizeImg（const IplImage*gray，IplImage*Big）

以上源代碼中，gray 為輸入指針，Big 為輸出指針。在源代碼中使用const關(guān)鍵字以聲明輸入、輸出指針為非關(guān)聯(lián)性指針且指向不同的內(nèi)存塊。

由于含有子函數(shù)的循環(huán)體無(wú)法通過(guò)優(yōu)化器編排為一個(gè)pipeline。因此，需要將迭代計(jì)算調(diào)用的子函數(shù)內(nèi)嵌入主程序循環(huán)體內(nèi)。

此外，DSP 集成開(kāi)發(fā)環(huán)境的編譯器優(yōu)化循環(huán)計(jì)算時(shí)，只在循環(huán)計(jì)算的內(nèi)層中形成一個(gè)pipeline。因此，需要對(duì)多重循環(huán)計(jì)算進(jìn)行簡(jiǎn)化和展開(kāi)，使得計(jì)算可以更加充分地被編排入預(yù)設(shè)的pipeline。圖像歸一化的計(jì)算變化如下。

原始源代碼:

以上源代碼中，row3 和col3 是被定義的int 型變量；height1 和width1 為圖像的每列、行像素點(diǎn)數(shù)目；alpha 為一浮點(diǎn)數(shù)；gray8-＞imageData 為歸一化前圖像像素?cái)?shù)據(jù)起始地址；gray-＞imageData1 為歸一化后圖像像素?cái)?shù)據(jù)起始地址。原始的算法計(jì)算程序只能將圖像每一行像素?cái)?shù)據(jù)的計(jì)算納入pipeline，而簡(jiǎn)化后的計(jì)算程序可以將圖像所有像素?cái)?shù)據(jù)的計(jì)算都納入pipeline，從而縮短了指令間等待時(shí)間。

軟件編譯器優(yōu)化設(shè)置可以改善軟件流水性能［14］。編譯器優(yōu)化選項(xiàng)使用如下:

1）啟用Assume no irregular alias or loop be-havior，以聲明程序中沒(méi)有使用alasing技術(shù)。

2）設(shè)置Optimization level 為3，即選擇-o3以進(jìn)行文件級(jí)別的優(yōu)化。

3）啟用Program mode compilation，即使能-pm 以配合-o3使算法實(shí)現(xiàn)程序級(jí)別優(yōu)化。

4）設(shè)置Specify call assumptions when opti-mizing 為3，選擇-op3以控制程序的優(yōu)化級(jí)。

5）設(shè)置Optimize for code size 為2，選擇-ms2 以縮小代碼的部分尺寸。

6）設(shè)置Generate optimizer information file at level 為2，選擇-on2以生成優(yōu)化信息文件。

2.4 數(shù)據(jù)存儲(chǔ)遷移

SIFT 算法具有占用存儲(chǔ)空間大的特征，處理1 000×750彩色正射影像時(shí)，主要內(nèi)存占用情況如圖7所示。分析圖7可知:SIFT 算法處理1000 × 750 彩色影像時(shí)，構(gòu)建高斯差分金字塔過(guò)程中需要的存儲(chǔ)空間最大，約為168 MB；考慮到SIFT算法計(jì)算過(guò)程中的其他變量和特征點(diǎn)情況，處理1000 × 750彩色影像所需要的實(shí)際存儲(chǔ)空間應(yīng)大于168 MB。芯片內(nèi)部的SHRAM（shared memory）存儲(chǔ)空間為64 MB，不能夠滿足算法運(yùn)行過(guò)程中的存儲(chǔ)需求。

圖7 主要內(nèi)存分布Fig. 7 Main memory distribution

為了使DSP 平臺(tái)SIFT 算法可以處理1 000×750 彩色正射影像，需要將算法的動(dòng)態(tài)數(shù)據(jù)從芯片內(nèi)部的SHRAM 轉(zhuǎn)移至片外DDR3存儲(chǔ)器。由于原始DDR3存儲(chǔ)器內(nèi)各子存儲(chǔ)空間，也無(wú)法支持SIFT 算法的數(shù)據(jù)存儲(chǔ)，因此需要將DDR3 存儲(chǔ)器中不連續(xù)的原始子存儲(chǔ)空間進(jìn)行合并，以拓展存儲(chǔ)器中的連續(xù)存儲(chǔ)空間。

為了完成上述的存儲(chǔ)遷移，需要調(diào)整存放鏈接器的配置信息CMD（算法工程中后綴為.cmd）文件。具體調(diào)整細(xì)節(jié)為:根據(jù)平臺(tái)板載存儲(chǔ)空間重新編寫(xiě)CMD 文件中的SECTIONS（目標(biāo)存儲(chǔ)器模型段）和MEMORY（硬件資源描述段）。

1）CMD文件的SECTIONS編寫(xiě)。

德州儀器C66x DSP 內(nèi)核的片內(nèi)內(nèi)存與CPU 保持相同的時(shí)鐘頻率。但是，片內(nèi)存儲(chǔ)空間過(guò)小，不適應(yīng)大量數(shù)據(jù)的存放。在本文研究的過(guò)程中，使用DSP 平臺(tái)搭載的DDR3 存儲(chǔ)器存儲(chǔ)SIFT 算法計(jì)算產(chǎn)生的動(dòng)態(tài)數(shù)據(jù)，改變動(dòng)態(tài)數(shù)據(jù)存儲(chǔ)空間的具體方式如下。

在新創(chuàng)建圖像結(jié)構(gòu)體分配內(nèi)存時(shí)，直接采用了ialloc 函數(shù)，同時(shí)，需要調(diào)整CMD 文件中SECTIONS（目標(biāo)存儲(chǔ)器模型段）的描述代碼，詳細(xì)源代碼變化如下。

原始CMD文件中動(dòng)態(tài)內(nèi)存的存儲(chǔ)器模型描述源代碼:

.sysmem ＞SHRAM

重新編寫(xiě)CMD 文件中動(dòng)態(tài)內(nèi)存的存儲(chǔ)器模型描述源代碼:

.sysmem ＞DDR3

2）CMD文件的MEMORY編寫(xiě)。

CMD 文件的MEMORY 代碼段用于描述系統(tǒng)實(shí)際硬件資源配置。為了充分使用DDR3 存儲(chǔ)器的存儲(chǔ)空間，需要將存儲(chǔ)器內(nèi)不連續(xù)的硬件描述區(qū)域合并為一個(gè)以DDR3 為名稱(chēng)的連續(xù)存儲(chǔ)空間，具體的硬件描述源代碼變換如下。

原始DDR3存儲(chǔ)器地址空間的硬件描述源代碼:

DDR3:origin=0x80000000 length=0x10000000

DDR3A:origin=0x90000000 length=0x10000000

DDR3B:origin=0xA0000000 length=0x10000000

合并后DDR3存儲(chǔ)器地址空間的硬件描述源代碼:

DDR3:origin=0x80000000 length=0x7FFFFFFF

在以上代碼中，DDR3、DDR3A、DDR3B 分別為DDR3 存儲(chǔ)器內(nèi)子存儲(chǔ)空間的名稱(chēng)；origin 表示該子存儲(chǔ)空間的起始地址；length 表示該子存儲(chǔ)空間的有效長(zhǎng)度；DSP 平臺(tái)實(shí)際搭載的DDR3 存儲(chǔ)器起始地址為0x80000000，有效長(zhǎng)度為0x7FFFFFFF（容量為2 GB），該容量遠(yuǎn)大于SHRAM 內(nèi)64 MB存儲(chǔ)空間。

通過(guò)重新編寫(xiě)CMD 文件SECTIONS 和MEMORY，將DSP硬件平臺(tái)DDR3 存儲(chǔ)器內(nèi)不連續(xù)的存儲(chǔ)空間轉(zhuǎn)變?yōu)檫B續(xù)的存儲(chǔ)空間，并將SIFT 算法的動(dòng)態(tài)數(shù)據(jù)遷移至該段連續(xù)的存儲(chǔ)空間內(nèi)，為算法處理較大尺寸的圖像打下了基礎(chǔ)。

3 實(shí)驗(yàn)與結(jié)果分析

3.1 硬件平臺(tái)設(shè)計(jì)

根據(jù)上述方案，選擇德州儀器66AKH12 處理器作為DSP硬件平臺(tái)主處理器，平臺(tái)如圖8 所示。66AKH12 是基于KeyStone Ⅱ架構(gòu)的高性能處理器，主處理器內(nèi)部集成了8 核的C66x 內(nèi)核組和4 核的ARM（Advanced RISC Machine）A15內(nèi)核組［15］。XDS（Extended Debugging Simulator）200mini 模塊為仿真器；MiniUSB（Universal Serial Bus）接口固定在仿真器上，用于與外部連接。

圖8 DSP測(cè)試平臺(tái)Fig. 8 DSP test platform

在實(shí)驗(yàn)中，設(shè)置C66x 內(nèi)核組的0 核作為處理器核，配置DSP 的時(shí)鐘頻率為1.2 GHz。測(cè)試平臺(tái)通過(guò)硬件Board to Board 連接器連接至XDS200mini 模塊，并使用MiniUSB 電纜將XDS200mini 連接至PC。PC 平臺(tái)的CCS 5.5 軟件集成開(kāi)發(fā)環(huán)境用于程序的調(diào)試、加載和中斷等。運(yùn)行設(shè)計(jì)如圖9 所示。測(cè)試圖像為一無(wú)人機(jī)遙感任務(wù)采集的正射彩色影像，原始影像尺寸為1 000 × 750，如圖10所示。

圖9 硬件運(yùn)行設(shè)計(jì)Fig. 9 Hardware running design

圖10 測(cè)試圖像Fig. 10 Test image

3.2 結(jié)果分析

1）算法精度分析。

DSP為32位處理器，原始SIFT算法程序的處理平臺(tái)為64位處理器。由于，32位處理器與64位處理器數(shù)據(jù)總線位數(shù)的不同，在數(shù)據(jù)長(zhǎng)度為64 位double 型數(shù)據(jù)的計(jì)算過(guò)程中會(huì)產(chǎn)生相應(yīng)的計(jì)算誤差；而且，在不修改計(jì)算數(shù)據(jù)的數(shù)據(jù)類(lèi)型時(shí)，該部分的計(jì)算誤差會(huì)一直存在。由于在構(gòu)建高斯尺度空間的計(jì)算過(guò)程中進(jìn)行了大量的double 型數(shù)據(jù)的乘法、加法和減法迭代計(jì)算，因此DSP 平臺(tái)SIFT 算法程序與原始SIFT 程序所提取特征點(diǎn)坐標(biāo)、尺度、方向的小數(shù)部分和128 維特征描述子也會(huì)存在相應(yīng)的差異。不同平臺(tái)SIFT 算法的實(shí)際處理情況如圖11所示。

圖11 不同平臺(tái)的特征點(diǎn)處理結(jié)果Fig. 11 Processing results of feature points on different platforms

圖11 中A、B 列分別為DSP 平臺(tái)SIFT 算法程序和原始SIFT 算法程序提取的特征點(diǎn)信息，C 列為DSP 平臺(tái)SIFT 算法程序提取的特征點(diǎn)數(shù)據(jù)與原始算法提取數(shù)據(jù)之差。在A、B列中feat1 為1 000×750 測(cè)試圖像（如圖10 所示）的名字。x、y 為提取特征點(diǎn)的坐標(biāo)信息，scl 為特征點(diǎn)的尺度，ori 為特征點(diǎn)的方向角，ii 為特征點(diǎn)的編號(hào)；從第8 行到第135 行數(shù)據(jù)為特征點(diǎn)0 的128 維特征描述子；分析C 列可以發(fā)現(xiàn)，算法在不同平臺(tái)上提取特征點(diǎn)0 的描述子信息誤差為0，特征點(diǎn)0 坐標(biāo)、尺度的小數(shù)部分存在細(xì)小的誤差（此誤差由處理器之間硬件差異造成）。由于EXCLE 表格中第2 行到第7 行的特征信息數(shù)據(jù)不是單一數(shù)值，因此，在進(jìn)行不同平臺(tái)特征點(diǎn)信息逐差計(jì)算的過(guò)程中，此處系統(tǒng)自動(dòng)使用“#VALUE！”以表示“引用單元格錯(cuò)誤”。由于圖11 無(wú)法展示全體特征點(diǎn)的特征信息，因此使用表1對(duì)該信息進(jìn)行統(tǒng)計(jì)。

表1 特征點(diǎn)信息（1000 × 750）Tab. 1 Information of feature points（1000 × 750）

分析表1 可以發(fā)現(xiàn)，處理測(cè)試的1000 × 750 圖像時(shí)，本研究的DSP 平臺(tái)SIFT 算法程序與原始算法程序的處理結(jié)果保持高度一致:兩個(gè)平臺(tái)提取的特征點(diǎn)數(shù)量和特征點(diǎn)坐標(biāo)信息保持一致，在3 324 個(gè)相同坐標(biāo)特征點(diǎn)所對(duì)應(yīng)的特征描述子中，相同描述子比例的高達(dá)99.97%；可見(jiàn)DSP 平臺(tái)SIFT 算法程序?qū)D像特征點(diǎn)的識(shí)別、描述能力與原始算法程序基本保持一致。由于使用特征點(diǎn)信息進(jìn)行圖像匹配時(shí)，處理過(guò)程對(duì)圖像特征點(diǎn)的坐標(biāo)、尺度、方向角和128 維特征描述子的誤差要求遠(yuǎn)大于本研究算法程序的提取誤差，因此，該算法程序完全滿足臨場(chǎng)實(shí)時(shí)快速處理無(wú)人機(jī)組網(wǎng)遙感影像的精度需求。

2）耗時(shí)分析。

DSP 平臺(tái)SIFT 算法的運(yùn)行時(shí)間由CCS 5.5 軟件自帶Count Event模塊統(tǒng)計(jì)。詳細(xì)實(shí)驗(yàn)結(jié)果如圖12所示。

圖12 DSP平臺(tái)運(yùn)行的SIFT算法Fig. 12 SIFT algorithm running on DSP platform

實(shí)驗(yàn)中，處理器為C66x 內(nèi)核組的0 核，主頻為1.2 GHz。當(dāng)程序運(yùn)行至圖12 第42 行時(shí)，受到間斷點(diǎn)的限制，板載仿真在此處暫停；此時(shí)，Count Event模塊統(tǒng)計(jì)的時(shí)鐘顯示圖像預(yù)處理耗時(shí)，此處耗時(shí)不計(jì)入SIFT 算法的總耗時(shí)。點(diǎn)擊繼續(xù)運(yùn)行后，Count Event 模塊自動(dòng)清零并開(kāi)始重新統(tǒng)計(jì)CPU 運(yùn)行時(shí)鐘數(shù)據(jù)，SIFT 算法程序開(kāi)始被執(zhí)行；當(dāng)程序運(yùn)行至第46行時(shí)，板載仿真進(jìn)入暫停，此時(shí)Count Event 模塊統(tǒng)計(jì)的時(shí)鐘顯示SIFT算法處理1000 × 750 影像所消耗的CPU 時(shí)鐘數(shù)據(jù)。由圖12分析可得，在特征點(diǎn)提取過(guò)程中，DSP平臺(tái)SIFT算法程序共消耗2 525 842 766 個(gè)CPU 時(shí)鐘周期，約為2.53 GHz。結(jié)合DSP主頻配置和表1 分析可得:在確保提取到高質(zhì)量特征點(diǎn)坐標(biāo)、尺度、方向和特征描述子前提下，DSP 平臺(tái)的0 核運(yùn)行本文的SIFT 算法程序處理測(cè)試的1000 × 750圖像需要運(yùn)行2.108 s，滿足在單核處理器平臺(tái)上臨場(chǎng)實(shí)時(shí)快速處理無(wú)人機(jī)組網(wǎng)遙感影像的時(shí)間要求。

4 結(jié)語(yǔ)

本文基于DSP平臺(tái)的軟硬件資源實(shí)現(xiàn)了具有完整功能的Rob-hess SIFT算法。通過(guò)對(duì)圖像數(shù)據(jù)結(jié)構(gòu)、圖像函數(shù)的重構(gòu)、軟件流水的重新編排和動(dòng)態(tài)數(shù)據(jù)存儲(chǔ)空間的遷移，實(shí)現(xiàn)了對(duì)大尺寸無(wú)人機(jī)遙感圖像的高精度快速處理。實(shí)驗(yàn)結(jié)果表明，本文算法的精度、運(yùn)行耗時(shí)和處理圖像的尺寸滿足臨場(chǎng)處理需求。

下一步，可以對(duì)數(shù)據(jù)的輸入輸出接口進(jìn)行深入設(shè)計(jì)，實(shí)現(xiàn)無(wú)人機(jī)遙感影像數(shù)據(jù)在PC 和DSP 間的快速交互。同時(shí)，在DSP 開(kāi)發(fā)的過(guò)程中，進(jìn)行多任務(wù)調(diào)度實(shí)現(xiàn)可以進(jìn)一步提升處理速度。