本文主要研究内容
作者孙大林,唐好选（2019）在《路面点云的并行简化研究》一文中研究指出：为有效解决大规模路面激光点云简化过程中的时间延迟问题,在加速简化过程的同时准确保留特征点,研究了基于斜率差的扫描线点云简化算法及2种并行加速方式。首先从路面扫描线点云的分布特点出发,以相邻点间连线的斜率差作为识别特征点的基准,实现了串行简化算法。同时,在研究算法的流程并提取出可并行步骤的基础上,分别设计实现了利用多核CPU的并行简化算法和利用GPU的并行简化算法。前者依靠OpenMP技术,实现的是一种多线程并行;后者在CUDA框架下实现,属于CPU和GPU结合的异构并行计算。在实验阶段的实际路面点云上验证算法执行效果的同时,设计了3种算法在不同规模点云数据上的性能测试。通过绘制性能曲线,分析比较了2种并行算法的并行效果优劣。最终实现的利用GPU的并行简化算法与串行算法比较取得了100左右的加速比。
Abstract
wei you xiao jie jue da gui mo lu mian ji guang dian yun jian hua guo cheng zhong de shi jian yan chi wen ti ,zai jia su jian hua guo cheng de tong shi zhun que bao liu te zheng dian ,yan jiu le ji yu xie lv cha de sao miao xian dian yun jian hua suan fa ji 2chong bing hang jia su fang shi 。shou xian cong lu mian sao miao xian dian yun de fen bu te dian chu fa ,yi xiang lin dian jian lian xian de xie lv cha zuo wei shi bie te zheng dian de ji zhun ,shi xian le chuan hang jian hua suan fa 。tong shi ,zai yan jiu suan fa de liu cheng bing di qu chu ke bing hang bu zhou de ji chu shang ,fen bie she ji shi xian le li yong duo he CPUde bing hang jian hua suan fa he li yong GPUde bing hang jian hua suan fa 。qian zhe yi kao OpenMPji shu ,shi xian de shi yi chong duo xian cheng bing hang ;hou zhe zai CUDAkuang jia xia shi xian ,shu yu CPUhe GPUjie ge de yi gou bing hang ji suan 。zai shi yan jie duan de shi ji lu mian dian yun shang yan zheng suan fa zhi hang xiao guo de tong shi ,she ji le 3chong suan fa zai bu tong gui mo dian yun shu ju shang de xing neng ce shi 。tong guo hui zhi xing neng qu xian ,fen xi bi jiao le 2chong bing hang suan fa de bing hang xiao guo you lie 。zui zhong shi xian de li yong GPUde bing hang jian hua suan fa yu chuan hang suan fa bi jiao qu de le 100zuo you de jia su bi 。
论文参考文献
论文详细介绍
论文作者分别是来自智能计算机与应用的孙大林,唐好选，发表于刊物智能计算机与应用2019年04期论文，是一篇关于点云精简论文,并行计算论文,智能计算机与应用2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自智能计算机与应用2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：点云精简论文; 并行计算论文; 智能计算机与应用2019年04期论文;