Parallel Computing in der industriellen Bildverarbeitung

Transkript

1 SOLUTIONS FOR MACHINE VISION Parallel Computing in der industriellen Bildverarbeitung Dipl.-Inform. Alexander Piaseczki Research and Development

2 Sirius Advanced Cybernetics GmbH Tools & Solutions für die industrielle Bildverarbeitung seit 1996 ca. 25 Mitarbeiter 3,5 Mio. Euro Gesamtumsatz Office in NL und CH über Systeme im Feld 80% Ingenieure und Informatiker in Vertrieb, Applikation und Hard-/Software-Entwicklung

3 Unsere Schwerpunkte Montagekontrolle Einfache Integration in Produktionsanlagen Optische Messtechnik Bildbasierte Vermessung im µm-bereich Oberflächenkontrolle Schritthaltende Inspektion von Endlosmaterial 3D-Inline-Inspektion Breites Spektrum an 3D-Sensoren Intelligente 3D-Auswertungssoftware

4 Applikationsbeispiel 3D-Inspektion Typische Anwendung der Halbleiterprüfung: SMD-Koplanarität 2D-Aufsicht Tiefenbild 3D-Ansicht Prüfzelle In 2D nur sehr aufwendig oder gar nicht zu realisieren ca. 5 Sekunden Zykluszeit

5 Eine Software für alle Sensoren Bilddaten Bildverarbeitungsinterpreter SAC Coake Interaktive Plattform (grafisch einlern- und skriptbar) Bildverarbeitungs- und Auswertungsbibliotheken (3D-)Bildeinzugsmodule (IEEE1394a/b, CL, GigE) SPS-Kommunikation / Hardwaresteuerung Protokoll- und Statistikfunktionen IO / NIO Prüfanlage (Profibus / 24V-Signal)

6 Bildverarbeitungsinterpreter SAC Coake Einlernmodus Branchenspezifische Bedieneranzeige Visualisierung der Ergebnisse direkt im 3D-Modell

7 Aufbau des 3D-Prüfsystems Pulsar LED-Lichtquelle Bis 800 lm h Mikrospiegelaktor Bis zu Schaltwechsel pro Sekunde Vorteile Keine beweglichen Teile Geringer Wartungsaufwand Hohe Lebensdauer Kurze Aufnahmezeit Hohe Genauigkeit 100% Inline-Prüfung

8 2½D-Tiefenbilder Verarbeitung von 2½D-Tiefenbildern problematisch Perspektivsche Verzeichnung Verkippung Linsenverzerrung Visualisierung schwierig Unterschiedliche Sensorgeometrie Kein 3D-Look-and-Feel

9 3D-Modellerzeugung 2½D-Tiefenbild 3D-Modell Erleichtert Prüfaufgabe enorm Verbessert Bedienerfreundlichkeit Rechenintensiver Verarbeitungsschritt

10 Laufzeitoptimierung Es gibt viele Möglichkeiten, Berechnungen effizienter durchzuführen CPU Algorithmus RAM FPGA / DSP Datenreduktion Compiler Parallelisierung / GPU

11 Leistungsvergleich CPU / GPU GPU besitzt ein Vielfaches der Leistungsfähigkeit einer CPU Intel i5-750 GeForce GTX 580 Typ CPU GPU Prozessoren Takt (MHz) Leistung (GFLOP/s) x 35 Speicher 10 GB/s DDR3 192 GB/s DDR5 1,5 GB onboard x 20

12 Ansätze für Parallel Computing Multicore CPU (Intel, AMD) OpenMP Intel TBB OpenCL GPGPU (Intel, NVIDIA, AMD) OpenGL SL CUDA (nur NVIDIA) DirectCompute (DirectX11) OpenCL IBM Cell (abgekündigt) Cell SDK OpenCL

13 OpenCL Hardwareunabhängig Der gleiche Code kann auf jeder beliebigen (unterstützten) Hardware ausgeführt werden Offener Standard Spezifikation, Dokumentation, Community Sprache CL (C-Derivat) Einfach zu erlernen OpenGL Interop Mit OpenCL berechnete Daten können direkt mit OpenGL gerendert werden

14 OpenCL Implementierungen AMD x86 (32 / 64 Bit, Windows / Linux) AMD Fusion APU AMD Radeon GPU AMD FirePro GPU Intel Intel Core i7, i5, i3 Intel Core 2 Solo, Duo, Quad, Extreme Intel Xeon IBM x86 (32 / 64 Bit, Linux) IBM Power IBM BladeCenter IBM Cell (abgekündigt) NVIDIA NVIDIA Tesla APU NVIDIA GeForce GPU NVIDIA ION GPU NVIDIA Quadro GPU

15 OpenCL Architektur OpenCL ist eine Abstraktion der konkret eingesetzten Hardware PE PE PE PE PE PE Private Memory Compute Unit Compute Unit Local Memory Compute Device Global Memory Constant Memory Host Host Memory PE = Processing Element

16 OpenCL Steuerung und Synchronisation Befehle zum lesen, schreiben und rechnen werden über Warteschlangen abgewickelt Funktionen zur Berechnung werden als Kernel bezeichnet Device Command Queue ReadBuffer WriteBuffer clenqueuereadbuffer() clenqueuewritebuffer() clenqueuendrangekernel() Host

17 Parallel Computing Partionierung Eingabedaten müssen partitioniert werden Work Item

18 Parallel Computing Abarbeitung Sequentielle Abarbeitung ein komplexer Prozessor CPU Parallele Abarbeitung viele einfache (Stream-)Prozessoren SP SP SP SP

19 Ergebnisse 3D-Modell Tachoscheibe ca. 5 Mio. Messpunkte (2448x2050) ca. 10 Mio. Dreiecke CPU ms GPU?

20 Ergebnisse Ohne Optimierung 3D-Modell Tachoscheibe ca. 5 Mio. Messpunkte (2448x2050) ca. 10 Mio. Dreiecke CPU ms GPU??? ms x 2,12

21 Parallel Computing Effizienz und Auslastung Größe der Work Items hat Einfluss auf die Gesamtlaufzeit => Arbeitspakete zu klein => schlechte Effizienz => Arbeitspakete zu groß => schlechte Auslastung => Guter Kompromiss! Theoretischer Speed-Up wird nie 100%ig erreicht

22 Parallel Computing Randbedingungen Aufgabe muss gut parallelisierbar sein Datenabhängigkeiten prüfen Kenntnis der Speicherarchitektur kann Leistung erheblich beeinflussen Synchronisation und Kommunikation werden zu zentralen Themen Speichertransferzeiten müssen berücksichtigt werden

23 Ergebnisse Mit Optimierung 3D-Modell Tachoscheibe ca. 5 Mio. Messpunkte (2448x2050) ca. 10 Mio. Dreiecke CPU ms GPU 348 ms x 7,47

24 Vielen Dank für Ihre Aufmerksamkeit Haben Sie noch Fragen? Vision 2011 (Halle 4 D14)