智能駕駛是當前一個主要的研究熱點，視頻圖像處理技術在智能駕駛領域有著廣泛應用，如車道線檢測、障礙物識別、紅綠燈識別和交通標志牌識別等。視頻圖像實時處理技術是智能駕駛領域的重要研究內(nèi)容，也是智能駕駛安全的重要保證。隨著GPGPU計算的發(fā)展，特別是NVIDIA Tegra高性能GPU計算平臺的推出，通過高性能計算技術實現(xiàn)視頻圖像的實時處理，成為當前重要的研究熱點和發(fā)展趨勢。
GPGPU的出現(xiàn)和發(fā)展，給并行計算帶來了新的計算平臺。新計算平臺需要新方法來進行并行軟件開發(fā)。GPU編程的重點在于性能優(yōu)化，經(jīng)過細致調(diào)優(yōu)的GPU程序可實現(xiàn)巨大的性能提升。然而，GPU編程的難點也在于性能優(yōu)化，并行程序開發(fā)人員不僅要熟悉算法特征，還必須要了解底層硬件架構(gòu)特征，這就對GPU并行程序開發(fā)人員提出了新的挑戰(zhàn)。
近年來，我們跟蹤新計算平臺上視頻圖像實時處理技術的最新進展并深入研究，試圖從算法和硬件架構(gòu)兩方面來迎接這種挑戰(zhàn)，書中不僅介紹了在智能駕駛中廣泛應用的視頻圖像處理算法，而且介紹了多種不同的GPU架構(gòu)，在此基礎上，分析了GPU編程和優(yōu)化的主要思路和方法，不僅能針對各種獨立的優(yōu)化方法，更重要的是能針對各種優(yōu)化方法組合的情況。研究過程中得到了國家自然科學基金重大研究計劃項目、北京市屬高等學校高層次人才引進與培養(yǎng)計劃項目、北京市教育委員會科技計劃面上項目的資助，成果已用到北京聯(lián)合大學智能車上。
本書作為視頻圖像處理技術理論研究和應用的一本學術專著，參考了國內(nèi)外大量的相關文獻，總結(jié)了我們近幾年來的研究成果，并提供了大量的實際案例，通過實際案例的實現(xiàn)和解析，為讀者提供一個視頻圖像處理算法在GPU上實現(xiàn)和優(yōu)化的具體思路和方法。讀者通過本書的閱讀和學習，不僅可以學習視頻圖像處理技術在智能駕駛中的應用，而且可以了解GPU程序從實現(xiàn)到優(yōu)化的具體方法。雖然本書實際案例的實現(xiàn)都是基于CUDA，但是本書也比較了CUDA和OpenCL的異同，本書描述的優(yōu)化方法也可以非常方便地移植到OpenCL程序的編寫和優(yōu)化中。
本書可以分成如下四個邏輯單元：
視頻圖像處理技術在智能駕駛中的應用：第2章在分析了當前國內(nèi)外主流的智能駕駛技術后，詳細介紹了在智能駕駛中應用廣泛的幾類視頻圖像處理算法，包括：車道線的提取和跟蹤技術、交通標志牌的檢測和識別技術、交通信號燈的檢測與識別技術等。
GPU硬件架構(gòu)與編程：第3章介紹了CPU與GPU架構(gòu)的主要區(qū)別，在此基礎上，對當前主流的GPU架構(gòu)特征（包括NVIDA GPU和AMD GPU）進行了詳細介紹，這是進行GPU并行編程和優(yōu)化的前提。第4章介紹了當前GPU主要的編程模型：CUDA和OpenCL，不僅介紹了這兩種編程模型的關鍵概念和定義、兩種編程模型的異同；而且通過一個簡單的例子介紹了使用這兩種編程模型進行GPU編程的主要流程和方法，最后給出了GPU程序性能優(yōu)化的主要思路。
實際案例分析：第5章介紹了矩陣轉(zhuǎn)置、規(guī)約算法、resize算法和Laplace算法等主要的視頻圖像處理算子在GPU上的實現(xiàn)和優(yōu)化方法，結(jié)合具體算法詳細分析了GPU編程和優(yōu)化思路和方法。最后第6～8章分別給出了Canny、人臉檢測以及激光雷達算法等具體實際應用案例的GPU移植和優(yōu)化方法。
性能與能耗： 第9章從能效評價指標、各層次能耗優(yōu)化策略以及系統(tǒng)級能耗優(yōu)化技術三個方面介紹了在高性能計算以及智能駕駛中對性能與能耗的權(quán)衡。
本書由梁軍、賈海鵬著，其中肖琳、胡正坤、梁愛華、許武、李威、王晶、魏秋明和李志豪參與了本書的編輯整理工作。在本書編寫、出版的過程中，得到了鮑泓教授主持的國家自然科學基金重大研究計劃項目（91420202）的資助，同時，也參考了國內(nèi)外大量的論文和專著，在此一并表示感謝。
由于時間倉促，書中難免會出現(xiàn)錯誤和不妥之處，懇請廣大讀者不吝批評指正。