论文部分内容阅读
近年来信息化在古建筑保护领域的快速发展,工程技术人员通常利用逆向工程技术来对古建筑进行建模保护,通过二维图像,视频资源,人工测量,激光扫描等方式来获取古建筑保护所需的全方位信息,随着测量扫描仪器技术越来越成熟,获取的点云数据量更加庞大。本文依托国基金项目中采集的点云数据资源,利用适合浮点计算的GPU并行化技术来实现大规模点云数据的配准,获得适合并行处理的配准过程。本文主要开展了如下几方面的工作:(一)首先利用PCL点云库(Point Cloud Library,PCL)中原有算法实现对点云配准,通过分析串行化点云配准过程中每个步骤的耗时,结合每个步骤中的算法特点来分析其可并行性,针对特征描述子过程进行局部并行化,并利用Intel Parallel Studio(IPS)分析加速比和函数热点。(二)针对其中耗时比大且易于并行的快速点特征直方图(Fast Point Feature Histograms,FPFH)描述子的求取,一种方案是利用常用CPU并行化方法OpenMP,利用IPS性能分析软件进行分析,对比串行化程序得到优化的效果和加速比。另一种方案是采用显卡厂商NVIDIA公司推出的运算平台CUDA(Compute Unified Device Architecture,CUDA),利用FPFH算法的CUDA实现求取FPFH特征描述子,利用NVIDIA Nsight性能分析软件进行分析,对比串行化程序得到加速比,对设备利用率进行分析。(三)讨论一种基于CPU和GPU相结合的并行加速方案来实现点云配准。(四)设计合理的点云服务器消息格式,包含对点云数据处理的各种操作,采用PCL库函数结合Qt界面库开发一套客户端原型点云数据处理平台,应用研究的并行方案实现对点云模型的加速配准。