基于8位單片機系統(tǒng)的搜救機器人設計

1、現(xiàn)代電子技術ModernElectronicsTechnique2013年2月15日第36卷第4期Jan.2013Vol.36No.4圖形處理器（GraphicProcessingUnit，GPU）是一種專用圖形渲染部件，存在于現(xiàn)今每臺PC、嵌入式系統(tǒng)、手機和游戲設備中，它可以分擔CPU的二維或三維圖像處理任務。GPU最初被用作紋理映射和多邊形著色等計算量大的計算機圖形基本任務，近年來由于GPU擁有了可編程著色器（Shaders），可以

2、像CPU一樣處理頂點以及紋理。因為計算機圖形學的計算涉及到一些通用計算，比如矩陣和向量運算，且GPU具有天生的適合大量數(shù)據(jù)處理的并行計算架構，于是科研人員開始嘗試利用GPU來進行非圖形學的通用計算。這種技術被稱為GPGPU（GeneralPurposeComputingonGraphicsProcessingUnit）技術。1GPU通用計算技術1.1GPGPU技術簡介GPU在PC中與CPU使用PCIe或者AGP總線連接并交換數(shù)據(jù)，其輸出

3、端連接顯示器，如圖1所示。現(xiàn)代GPU的工作流程包含下列幾個步驟：先從CPU處獲得三維模型，這些模型是用頂點坐標和色彩信息組成；GPU對這些頂點位置進行一系列的變換，然后投影到幀緩存中；同時，GPU再對投影結果進行剪裁、光柵化等一系列的處理；隨后每個幀緩存里的像素經過GPU的一系列變換最后被輸出到顯示器上[1]。這一連串的圖形處理任務通常稱為圖形流水線（GraphicPipe?line）。圖1GPU在計算機中的位置圖形流水線有不同的應用程

4、序接口（API）來定義它們的功能，最主要的是OpenGL和Direct3D。本文主要討論使用OpenGL來實現(xiàn)GPU的通用計算功能。OpenGL盡可能提供對GPU更底層的硬件訪問，同時保證接口的平臺無關性[2]。其定義的圖形流水線符合前述的圖形流水線模型。圖2表示了一個簡化的OpenGL圖形流水線，其中略去了與經典GPGPU方法無關的模塊。圖中的紋理緩存模塊是GPU通用計算的關鍵，主基于圖形處理器的通用計算技術的研究戴長江，張尤賽（江蘇

5、科技大學，江蘇鎮(zhèn)江212003）摘要：為了研究基于PC的圖形處理器（GPU）的通用計算技術，采用了基于紋理映射的經典GPU通用計算方法，進行了二維圖像離散卷積和三維紋理映射體繪制的實驗。實驗證明了經典GPU通用計算技術在合適的算法設計基礎上能夠顯著提升程序的運算速度，得出了基于CPUGPU的異構計算模式可以成為高性能計算的一種選擇的結論，展望了基于圖形處理器的通用計算技術在未來的發(fā)展。關鍵詞：圖形處理器；GPGPU；紋理映射；并行計算；

6、異構計算中圖分類號：TN911?34；TP368.3文獻標識碼：A文章編號：1004?373X（2013）04?0157?05ResearchofgeneralpurposecomputingtechnologybasedongraphicprocessingunitDAIChang?jiang，ZHANGYou?sai（SchoolofElectronicsInfmation，JiangsuUniversityofScienceTec

7、hnology，Zhenjiang212003，China）Abstract：IndertoresearchthegeneralpurposecomputingtechnologyofGPUbasedonPC，theclassicGPUgeneralpur?posecomputingmethodbaseontexturemappingtechnologywasadopted，theexperimentsofdiscreteconvolu

8、tionof2Dimagesvolumerenderingbasedon3Dtexturemappingwerecarriedout.Theexperimentresultindicatesthat，onthebasisofasuitablealgithmdesign，theclassicGPUgeneralpurposecomputingtechnologycansignificantlyenhancetheprogramrun?ni

9、ngperfmance.Inthisarticle，itisconcludedthattheCPUGPUheterogeneouscomputingmodewillbecomeachoicefhigh?perfmancecomputation，thefurtherdevelopmentofthegeneralpurposecomputingtechnologybasedonGPUisprospected.Keywds：GPU；GPGPU

10、；texturemapping；parallelcomputation；heterogeneouscomputation收稿日期：2012?10?15157157第4期戴長江，等：基于圖形處理器的通用計算技術的研究算資源占有率，不會因為頻繁的顯存訪問降低計算效率。這種高帶寬的特點使得GPU以大量線程實現(xiàn)面向大吞吐量的數(shù)據(jù)并行計算，適合于處理計算密度高、邏輯分支簡單的大規(guī)模數(shù)據(jù)并行負載。圖3給出了GPU和CPU在各個時期關于計算能力的比較

11、，使用的測量單位是FLOPS，可以看到同一時期的GPU的計算能力幾乎一直強于CPU，而這樣的差距正呈現(xiàn)出不斷擴大的趨勢。圖3GPU和CPU間關于計算能力的比較憑借GPU并行計算架構的優(yōu)勢，利用GPU通用計算技術來提高計算性能的例子不勝枚舉。例如：某神經建模過程如果只用CPU進行數(shù)據(jù)處理，大概需要花2.7天的時間，用GPU只需要30min；某電磁場模擬實驗，一個雙核3.2GHz的CPU需要15h，而一個GPU只需要15min。以往使用CT

12、或核磁共振進行醫(yī)療成像時，病人往往需要數(shù)日才能拿到診斷結果，在使用GPGPU技術的成像軟件后，病人當場就能得到診斷結果[1]。如今，幾乎所有密集型數(shù)據(jù)處理行業(yè)都有GPGPU的身影。CUDAZone主頁列舉了各個領域使用CUDA取得性能優(yōu)化的實例[7]。如觀看高清視頻用的暴風影音就使用了CUDA的高清加速能力，以幫助用戶在觀看高清視頻時能有效提升視頻流處理速度，運行的視頻和游戲更加清晰流暢，系統(tǒng)所占資源也大大減少，GPU通用計算技術正越來

13、越受到歡迎。1.3GPGPU技術的使用范圍并行計算即同一時刻存在多于一個計算任務被執(zhí)行。GPU的并行計算模型和CPU的多核并行計算模型有很大的區(qū)別。清楚認識到哪些應用可以移植到GPU上進行處理，哪些應用無法移植，對于如何使用GPGPU技術并應用到實際中是極其重要的。對并行計算模式進行分類是了解CPU和GPU并行計算區(qū)別的有效方式?？梢詮臄?shù)據(jù)流和指令的角度把計算模型分為4類[1]：（1）單指令單數(shù)據(jù)流（SISD）：CPU的計算模型；（2）

14、單指令多數(shù)據(jù)流（SIMD）：GPU的計算模型；（3）多指令單數(shù)據(jù)流（MISD）：這類系統(tǒng)實際上很少見到；（4）多指令多數(shù)據(jù)流（MIMD）：多核CPU的計算模型。GPU使用的是SIMD并行計算模式，SIMD的思路是讓不同的線程處理自己所對應的那部分數(shù)據(jù)。當線程數(shù)大于或等于數(shù)據(jù)個數(shù)時，理論計算時間相當于處理一個數(shù)據(jù)的時間。所以，GPU的一個重要的性能指標就是它的處理器個數(shù)和同時可激活的線程數(shù)。但需要注意的是，SIMD處理數(shù)據(jù)的次序是不確定的

15、。這個就需要對每個數(shù)據(jù)的處理是不相關的。在通用計算中，由于數(shù)據(jù)關聯(lián)性的限制，通常的做法是把算法分割成若干個SIMD段，盡可能地達到算法的局部無關性。綜上所述，使用GPU進行并行計算，必須滿足以下兩點要求：（1）每個線程的任務互不相關；（2）每個線程執(zhí)行相同的指令。但是，要使一個程序充分利用并行計算模型進行計算，必須要合理運用CPU和GPU的異構特性，結合他們的特點以及算法的特性，將算法復雜的，要求精度高的和數(shù)據(jù)量小的部分交給CPU，而將

16、算法枯燥的、精度要求不高、數(shù)據(jù)量龐大的部分交給GPU來完成。設計分工合理是GPGPU技術順利完成的關鍵。1.4GPGPU技術的性能瓶頸GPGPU的處理器資源中包括CPU和GPU，所以計算的效率視整個計算網絡的全局效率而定。在注重GPU上代碼運行效率的同時，還必須關注CPU的運行效率，以及CPU和GPU的通信速率。由于提升CPU的運行效率涵蓋面太廣，本文主要關注CPU和GPU之間的通信效率。如圖4所示，CPU和GPU的通信是由內存和顯存完