用于双目重建中的GPU编程：julia-cuda
💡
原文中文，约8400字，阅读约需20分钟。
📝
内容提要
Julia是一种交互性强的语言，它具有C++的运行速度、python的易交互性以及胶水性，是nVidia-cuda官方选中的接口语言，可以提高cuda编程的效率。使用Julia可以将立体相位匹配的耗时从165ms降低到72ms，提高了近10倍的效率，让编写的过程更加顺畅。
🎯
关键要点
- Julia是一种交互性强的编程语言，结合了C++的速度和Python的易用性。
- Julia是nVidia-cuda官方选中的接口语言，提升了CUDA编程的效率。
- 使用Julia可以将立体相位匹配的耗时从165ms降低到72ms，效率提高近10倍。
- 双目立体视觉算法模仿人眼，通过不同视角观察同一点来推算深度。
- 被动双目视觉的缺点在于需要明显的纹理特征，主动双目通过编码图案解决了这一问题。
- 时间编码和空间编码是主动双目的两种编码方式，时间编码提供了更精细的深度信息。
- 使用for循环的传统方法计算视差耗时较长，而使用numpy的矩阵操作显著提高了效率。
- CUDA的并行计算和共享显存技术有效降低了计算时间。
- 通过金字塔原理进一步优化，TX2上的计算时间降低到72ms，提升了58%。
- Julia在CUDA加速过程中提供了更简单的编写和调试体验，减少了开发难度。
➡️
