Abstract
在電腦視覺(Computer Vision)此技術領域中，特徵點擷取(feature extraction)演算法是近年來備受關注的一項。為了要從影像中擷取出穩定的(robust)特徵點，這些特徵點擷取演算法，大都具有相當大的複雜度。因而，這些演算法在桌上型電腦(desktop computers)執行的時間較長，而難以達成即時的運算(real-time)。在現存的特徵點擷取演算法中，Scale-invariant feature transform (or SIFT)被認為是其中最頂尖的一個演算法。就我們所知道的，在這篇論文裡面，我們提出了第一個全硬體化的SIFT加速器設計，此硬體設計是基於TSMC 0.18 um 之標準單元庫來實現此電路。我們提出的架構由兩個交互運作(interactive)的硬體模組所組成，一個是針對於特徵點辨認(key point identification)，另一個是用於特徵點描述(feature descriptor)的產生。我們所使用的片段演算法(segment algorithm)以及片段暫存策略(segment buffer scheme)，可以有效率的提供輸入資料給予各個硬體模組，並且相較於現存的方法，可以減少大約49.88 %的記憶體使用量。配合三級管線化(three-staged pipeline)以及平行化的架構設計，對於一張VGA大小的影像，其特徵點辨認所需要的時間大概只需要3.4毫秒(milliseconds)。更進一步的，當VGA影像的特徵點數量小於890個，包含特徵點描述的產生在內的總共運算時間可以在33毫秒內完成，而此效能足夠支援影片(video)的及時運算。