基于GPU的并行計算研究及在三維重建中的應(yīng)用.pdf

1、隨著信息技術(shù)的迅猛發(fā)展以及計算機性能的逐步提高，人們對于計算機的要求也越來越高，處理器也朝著專用化和通用化兩個方向發(fā)展。在科學(xué)計算等領(lǐng)域，隨著研究內(nèi)容的擴展和算法復(fù)雜度的提高，人們對計算的資源和耗時都提出了更高的要求，給相關(guān)領(lǐng)域的研究帶來很大的挑戰(zhàn)。此時，作為高性能計算的圖形處理器GPU應(yīng)運而生，并由NVIDIA公司于2007年推出統(tǒng)一計算設(shè)備架構(gòu)CUDA，能充分利用GPU強大的并行計算能力和存儲器帶寬，為科學(xué)研究帶來了很大的方便。另一

2、方面，三維重建一直是計算機科學(xué)領(lǐng)域當(dāng)中一個非常活躍的課題，憑借其在計算機視覺和計算機圖形學(xué)、以及三維動畫等領(lǐng)域中廣泛和深入的研究，已經(jīng)成為了近幾年來國際上的研究熱點。其中，人臉是情感表達和身份識別的重要載體，因而憑借其特有的普遍性和易用性成為眾多專家學(xué)者進行三維建模的研究對象。
　　 本文首先介紹了GPU體系結(jié)構(gòu)的演變和CUDA編程的相關(guān)理論知識，對CPU架構(gòu)和GPU架構(gòu)的不同進行了討論，對CUDA的編程模式和CUDA的存儲模型

3、進行了簡單分析，隨后介紹了GPU并行計算在三維重建中的兩個重要應(yīng)用。接著對三維重建的過程進行了詳細分析，通過對目前現(xiàn)存的主流特征點檢測算法的研究，以人臉為研究對象，提出了基于ASM模型的三維人臉重建算法。通過對當(dāng)前存在的各種網(wǎng)格細化方式的分析，本文采用了LOOP網(wǎng)格細化方法對初步形成的三維人臉進行了改進，通過細化，將原本非常粗略的網(wǎng)格細化為辨識度較高并且比較接近真實模型的網(wǎng)格。最后在LOOP細化的基礎(chǔ)上，對在CUDA平臺上實現(xiàn)三維人臉重