碰撞检测过程一直是影响物理引擎响应时间的主要因素。目前,基于包围盒的碰撞检测方法无法高效的贴合整个模型表面。多余的空间导致判断物体是否相交的精准度降低,难以达到满意的效果,而凸包能够覆盖整个模型并且具有较少剩余空间比例。随着模型设计的精细化和复杂化使得三维物体的点集规模和面片数不断增多,密集型的数据运算导致构造凸包的时间耗费超出合理范围。因此,如何快速构建凸包成为广泛研究的课题。本文针对构造凸包过程所需处理的大规模点集数据,利用GPU图形处理器通用计算能力将原有的串行模式设计为并行模式。首先阐述在三维空间内构造凸包的主流思想。重点讨论由随机增量法演变而来的快速凸包算法,对其构造凸包原理进行剖析,分析从二维空间拓展至三维空间的不同之处以及时间与空间的复杂度。由于图形处理器能够将数据映射到自身的硬件架构中,不同的数据执行相同的操作这一特点。因此,依据凸包算法的功能结构和复杂度合理地划分计算任务。把功能耦合性较低且数据关联性较弱的三个部分,构建初始化四面体和求取平面最远点运算,点与小平面判定部分分配给设备端使其完成大规模的数据运算。而其他复杂的逻辑计算任务则交付给主机端。同时,合理的任务划分,减少数据传输的通信开销。其次对算法进行设备存储器的访存优化,改善并行计算的执行效率。本文使用不同点集规模的模型数据分别进行串行与并行试验,实现三维空间凸包的构造,并且用OpenGL图形接口展示构造凸包的最终结果。根据GPU和CPU执行时间计算出加速比进行分析。实验表明在数据规模量巨大时,基于CUDA编程模型的快速凸包算法能够以较少的时间完成凸包的构造,时间性能得到很好的提升。