ELAS is attractive since it very ef

ELAS is attractive since it very efficiently implements a slanted plane prior while its dense depth estimation is fully decompos-able over all pixels and, hence, suitable for parallel processing.Unfortunately, the intermediate step,i.e., estimation of coarse scene geometry through the triangulation of support points, is a very iterative, sequential and conditional process with an unpre-dictable memory access pattern; making it difficult to accelerate on an FPGA.

結果 (繁體中文) 1:

ELAS是吸引人的，因為它非常有效地實現前一個傾斜的平面內，而其稠密深度估計是充分decompos-能夠在所有的像素，因此，適合並行processing.Unfortunately，中間步驟，即通過三角測量粗場景幾何的估計的支持點，是與未預預知的存儲器訪問模式非常迭代，順序和條件的過程; 因此很難加快在FPGA上。

結果 (繁體中文) 2:

ELAS 很有吸引力，因為它非常高效地先實現傾斜平面，同時其密集深度估計在所有圖元上完全可分解，因此適合並行處理。不幸的是，中間步驟，即通過支撐點的三角剖分估計粗場景幾何，是一個非常反覆運算、順序和有條件的過程，具有不可預置的記憶體訪問模式;使在 FPGA 上加速變得困難。

結果 (繁體中文) 3:

ELAS很有吸引力，因為它非常有效地實現了一個傾斜平面的先驗，而其密集的深度估計可以在所有點數上完全分解，囙此適合並行處理。不幸的是，中間步驟，即通過支撐點的三角剖分來估計粗略的場景幾何，是一個非常反覆運算的步驟，具有不可預測記憶體訪問模式的順序和條件處理；使得在FPGA上難以加速。