【摘 要】
：
随着计算机视觉、计算机图形学等技术在各个领域的广泛应用,以及智能化模拟技术的快速发展,三维重建相关技术已是众多研究学者的研究热点。点云重建过程是基于多视图三维重建
论文部分内容阅读
随着计算机视觉、计算机图形学等技术在各个领域的广泛应用,以及智能化模拟技术的快速发展,三维重建相关技术已是众多研究学者的研究热点。点云重建过程是基于多视图三维重建的基本过程之一,是利用从多视图中提取的特征点信息,进一步特征点匹配、扩展生成面片。本文首先介绍了点云重建的基本过程,着重阐述了基于面片的多视图三维重建算法(PMVS),以及目前基于多核CPU与基于GPU架构的并行技术。PMVS算法主要是通过Harris算法和DoG算法提取特征点,进行特征匹配、扩展过滤生成三维模型,包括了点云重建的整个过程,本文对PMVS算法的点云重建部分进行并行化研究。对点云重建的进行串行实验与理论分析,特征点匹配和扩展过程存在数据独立性,且运算量大,具有一定的可并行性。本文基于多核CPU编译模型、GPU架构以及CPU/GPU异构混合并行环境,对这两个过程进行并行研究,并且对kermit和hallFeng不同数据规模的数据集,在不同实验平台上分别进行点云重建的并行化实验。通过对实验结果的重建效率、重建精度和扩展性能分析,进一步验证点云重建过程的可并行性和可扩展性。
其他文献
随着高性能计算的发展，超级计算机在功率和能耗方面的不足正在逐步显露。目前超级计算机的系统功耗普遍在5000KW以上，而地球模拟器的峰值功耗则达到了12MW[1]，即一天的耗电量可
当今社会,计算机软件与人们的生活息息相关,人们对软件质量的要求也越来越高。软件在运行时发生失效,如何实现快速、高效的、准确的软件故障定位仍是学术界和工业界研究的关
随着计算机网络技术的迅猛发展，网络时间隐通道受到越来越多的关注与研究。网络时间隐通道以数据包可携带的时间变量(time variable)作为信息的载体，通信双方通过改变/观察双方
近年来，随着数据收集与存储技术的提高，人们收集到的数据量呈指数速度增长，传统的离群点检测方法在处理大规模数据集时已开始表现出极大的局限性。大规模数据集具有数据数量大、
社交网络起源较早，伴随无线定位技术的成熟、移动终端设备的普及以及移动互联网的发展，移动社交网络迅速崛起。空间定位技术的发展使得基于位置服务(Location-based service，LBS
随着遥感应用领域及范围的日益扩大，遥感产品生产的规模也越来越大，为了解决遥感产品生产的专业化、规模化、快速化等问题，需要设计构建可读性强，且能被计算机接受的遥感产品生产
在信息检索技术随着互联网的迅猛发展而日趋成熟的同时,搜索引擎也已经成为人们日常生活中越来越不可缺少的重要工具和手段。传统的信息检索是在基于关键词匹配的基础上,机械
随着数据存储技术的快速发展，从大量数据中发现潜在的、有用的信息成为巨大的挑战。特别是随着数据流广泛呈现在各个应用领域，对数据流的挖掘成为了目前数据挖掘研究领域的一个
随着移动互联网的快速发展以及Android操作系统的持续更新,运行在Android系统上的应用程序也越来越复杂和庞大,使得Android手机软件开发者必须使用基于该平台的第三方库来快
智能交通系统平台（ITS Platform）的在21世纪的发展中用到了很多先进的理论和技术，是下一代交通系统的发展方向。使用信息化技术采集、处理、管理交通信息是系统中的重要部分，其中