Sebastian Prehn

• To analyze scenery obstacles in robotics applications depth information is very valuable. Stereo vision is a powerful way to extract dense range information out of two camera images. In order to unload the CPU the intensive computation can be moved to GPU, taking advantage of the parallel processing capabilities of todays consumer level graphics hardware. This work shows how an efficient implementation on the GPU can be realized utilizing the NVIDIA Cuda framework.
• Um Hindernisse in der Umgebung eines Roboters zu erkennen ist Tiefeninformation sehr wertvoll. Stereo Vision ist ein mächtiges Werkzeug um Tiefeninformation aus zwei Kamerabildern zu extrahieren. Um dabei die CPU zu entlasten kann die Berechnung auf der GPU durchgeführt werden. Dabei können die Fähigkeiten von Standard-GPU zur parallelen Datenverarbeitung ausgenutzt werden. Diese Arbeit zeigt wie eine effiziente Implementierung auf der GPU mit Hilfe des NVIDIA Cuda Framework realisiert werden kann.