基于PMVS算法的大规模数据细粒度并行优化方法

摘要：

三维多视角立体视觉算法(patch-based multi-view stereo,PMVS)以其良好的三维重建效果广泛应用于数字城市等领域,但用于大规模计算时算法的执行效率低下.针对此,提出了一种细粒度并行优化方法,从任务划分和负载均衡、主系统存储和GPU存储、通信开销等3方面加以优化;同时,设计了基于面片的PMVS算法特征提取的GPU和多线程并行改造方法,实现了CPUs_GPUs多粒度协同并行.实验结果表明,基于CPU多线程策略能实现4倍加速比,基于统一计算设备架构(compute unified device architecture,CUDA)并行策略能实现最高34倍加速比,而提出的策略在CUDA并行策略的基础上实现了30％的性能提升,可以用于其他领域大数据处理中快速调度计算资源.

关键词：CPUs_GPUs多粒度并行、GPU并行优化、CUDA、负载均衡、存储与通信优化、图像处理

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61672393,U1536204

在线出版日期：2019-05-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：608-616