毕业论文--基于GPU的RVD网格重建方法.docxVIP

毕 业 论 文(设 计) 论文（设计）题目: 基于GPU的RVD网格重建方法 姓 名 学 号 学 院 软件学院 专 业 数字媒体技术 年 级 指导教师 PAGE PAGE 3 目 录 摘要3 Abstract4 第1章 绪论5 1.1背景和意义5 1.2 相关工作6 1.3 本文工作7 第2章 背景知识7 2.1 Voronoi图相关知识8 2.2.1基础维诺图8 2.1.2 Centroidal Voronoi Tesselation8 2.1.3 Restricted Voronoi Diagram9 2.1.4 Restricted Delaunay Triangulation10 2.2 CUDA基本原理11 2.2.1CUDA存储等级架构11 2.2.2 CUDA执行模式13 2.3 CPU方法简介13 第3章 基于GPU的RVD网格重建算法框架15 3.1算法流程15 3.1.1输入及输出15 3.1.2算法流程图15 3.2数据预处理16 3.2.1 Poisson Disk 采样16 3.2.2计算种子近邻17 3.3计算voronoi图与表面的交集18 3.3.1聚类种子周围的三角面片18 3.3.2求垂直平分面与三角面片的交线段18 3.3.3求交线段之间的交点19 3.4计算RVD20 3.4.1排除无用交点20 3.4.2对有用交点进行排序21 第4章GPU算法设计22 4.1存储设计22 4.2基于GPU的近邻算法23 4.3 Voronoi图计算25 4.3.1三角聚类25 4.3.2计算交集27 4.3.3计算RVD30 第5章 算法测试32 5.1效率测试32 5.2结果测试35 第6章 结论37 辞谢38 参考文献39 附录1 论文原文40 附录2 原文翻译46 基于GPU的RVD表面重建 内容摘要 RVD全称是Restricted Voronoi Diagram on Surface,即在表面上的voronoi图（下称RVD），是采样点对应的三维voronoi图和网格曲面的求交。RVD在三维网格表面重建中起着重要的作用。当前已经有诸多基于中央处理器（下称CPU）的RVD网格重建方法能给出正确的计算结果，但由于计算RVD需要大量运算，而CPU的线程有限，所以这些的方法执行效率并不是很理想。 在本篇论文中，我将现有的CPU方法加以改进优化并添加新的算法，使其适应并行计算，即使得其原本顺序执行的步骤能够在有拥有数千线程的图形处理器（下称GPU）上进行并行执行，从而一定程度上提高了运算效率。GPU上的RVD方法基本思想是计算采样点维诺胞与网格表面的交集。方法大致分为两个步骤，即计算寻找采样点近邻，以及采样点及其近邻构成的voronoi图与网格曲面的求交。在寻找采样点近邻的过程中，GPU并行的性能被充分发挥了，因此可以避免基于成千上万个点简历kd树这样费时的操作。在voronoi图与网格求交的过程中，单个采样点的相关计算在一个线程中执行，对每个采样点的操作互不影响。 关键词：voronoi图，网格重建，图像处理器。 RVD Remesh based on GPU Abstract Restricted Voronoi Diagram on Surface(RVD) is the intersection of the three-dimension voronoi diagram related to seeds and the mesh surface, which play a significant part in three-dimension remesh process. There have been several nice algorithms of RVD based on central processing unit(CPU). However these algorithms work unef