Parallelisierung von Bildverarbeitungsalgorithmen (AVX, SSE, GPU, CUDA, OpenCL, FPGA, etc.)

Die Grafikkarte hat sich im Laufe der Zeit von einer Spezialhardware zur Bilddarstellung zu einem generellen, massiv parallelen Prozessor (GPU) entwickelt. Gleiches gilt für Vector Extensions der CPU oder FPGAs. Entsprechend sind auch verschiedene APIs/Frameworks zu deren Programmierung entstanden. Für viele rechenintensive Bildverarbeitungsaufgaben mit hohen zeitlichen Anforderungen werden Vector Extensions der CPU, GPUs oder FPGAs bereits erfolgreich im Alltag eingesetzt.
Ziel der Arbeit ist es, zu untersuchen, inwieweit bei Micro-Epsilon verwendete Bildverarbeitungsalgorithmen auf einer der obigen Parallelarchitekturen umgesetzt werden können und welcher Geschwindigkeitsvorteil dadurch erzielt wird.

Arbeitspakete:

• Einarbeitung in die verschiedenen Programmiermöglichkeiten zur Parallelisierung von Bildverarbeitungsalgorithmen
• Auswahl von momentan bei Micro-Epsilon eingesetzten und für die Umsetzung auf einer Parallelhardware geeigneten Algorithmen
• Implementierung der ausgewählten Algorithmen
• Durchführung von Laufzeittests (Beschleunigungsvergleich gegenüber CPU)