基于PMVS算法的大规模数据细粒度并行优化方法

作者：刘金硕; 李扬眉; 江庄毅; 邓娟^*; 眭海刚; Pan Jeff

来源：武汉大学学报(信息科学版), 2019, 44(04): 608-616.

DOI：10.13203/j.whugis20160186

• 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

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CPUsGPUs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。

• 单位
  武汉大学测绘遥感信息工程国家重点实验室; 武汉大学