路面点云的并行简化研究

摘要

为有效解决大规模路面激光点云简化过程中的时间延迟问题,在加速简化过程的同时准确保留特征点,研究了基于斜率差的扫描线点云简化算法及2种并行加速方式.首先从路面扫描线点云的分布特点出发,以相邻点间连线的斜率差作为识别特征点的基准,实现了串行简化算法.同时,在研究算法的流程并提取出可并行步骤的基础上,分别设计实现了利用多核CPU的并行简化算法和利用GPU的并行简化算法.前者依靠OpenMP技术,实现的是一种多线程并行;后者在CUDA框架下实现,属于CPU和GPU结合的异构并行计算.在实验阶段的实际路面点云上验证算法执行效果的同时,设计了3种算法在不同规模点云数据上的性能测试.通过绘制性能曲线,分析比较了2种并行算法的并行效果优劣.最终实现的利用GPU的并行简化算法与串行算法比较取得了100左右的加速比.