应用光学
應用光學
응용광학
Journal of Applied Optics
2015年
5期
762-767
,共6页
光学测量%数字散斑相关方法%GPU高性能运算%CUDA%并行运算
光學測量%數字散斑相關方法%GPU高性能運算%CUDA%併行運算
광학측량%수자산반상관방법%GPU고성능운산%CUDA%병행운산
optical measurement%digital speckle correlation method%GPU high-performance computation%CUDA%parallel processing
数字散斑相关方法有着测量环境简单、全场非接触等优点,但算法效率一直是限制其发展的瓶颈之一.GPU有着天然的并行性,GPU高性能运算可以为计算机图形处理带来极大的效率提升.利用CUDA平台编程对传统的数字散斑逐点搜索算法、十字搜索算法及遗传算法进行GPU高性能并行处理,并与传统方法比较分析.实验结果表明,对于尺寸为150×150像素的散斑图像,3种方法效率分别提升了20倍、8倍、31倍;对于尺寸为500×500像素的散斑图像,3种方法效率分别提升了183倍、33倍、44倍;对于尺寸为1 000×1 000像素的散斑图像,3种方法效率分别提升了424倍、116倍、44倍.
數字散斑相關方法有著測量環境簡單、全場非接觸等優點,但算法效率一直是限製其髮展的瓶頸之一.GPU有著天然的併行性,GPU高性能運算可以為計算機圖形處理帶來極大的效率提升.利用CUDA平檯編程對傳統的數字散斑逐點搜索算法、十字搜索算法及遺傳算法進行GPU高性能併行處理,併與傳統方法比較分析.實驗結果錶明,對于呎吋為150×150像素的散斑圖像,3種方法效率分彆提升瞭20倍、8倍、31倍;對于呎吋為500×500像素的散斑圖像,3種方法效率分彆提升瞭183倍、33倍、44倍;對于呎吋為1 000×1 000像素的散斑圖像,3種方法效率分彆提升瞭424倍、116倍、44倍.
수자산반상관방법유착측량배경간단、전장비접촉등우점,단산법효솔일직시한제기발전적병경지일.GPU유착천연적병행성,GPU고성능운산가이위계산궤도형처리대래겁대적효솔제승.이용CUDA평태편정대전통적수자산반축점수색산법、십자수색산법급유전산법진행GPU고성능병행처리,병여전통방법비교분석.실험결과표명,대우척촌위150×150상소적산반도상,3충방법효솔분별제승료20배、8배、31배;대우척촌위500×500상소적산반도상,3충방법효솔분별제승료183배、33배、44배;대우척촌위1 000×1 000상소적산반도상,3충방법효솔분별제승료424배、116배、44배.
