凸包在计算几何中占有着重要地位,不仅仅是作为理论基础,其他研究领域内求解凸包的思想可以简化复杂的问题。传统的凸包生成算法在处理点集规模较大的数据时,消耗时间随之增多影响解决问题的高效性。本文基于三维快速凸包算法,通过对快速凸包算法深入分析,分割计算任务,进而提取算法能够并行部分。实验表明结合GPU并行计算能力可以降低大规模数量点集情况下计算消耗的时间,算法的时间性能上得到加速。 传回到CPU中以进行接下来的操作。3实验结果及分析本文基于CUDA实现计算几何的快速凸包算法，通过不同点集数据量的复杂几何模型分别按照串行算法和并行算法进行实验且对数据分析和对比，如下图。实验结果表明利用GPU实现算法能够将算法速度达到几倍的加速。输入点集规模较大时算法加速有着明显的提高。实验设备参数CPU采用Inteli7处理器，快速凸包并行设计-电动数控滚圆机滚弧机倒角机张家港电动钢管滚圆机弯管机GPU为Quadrok3100M，线程块的最大线程数为1024。实验选取的三维模型为斯坦福大学大型模型几何库和其他三维几何模型。图1实验的三维模型与构造后的凸包Fil表1快速凸包算法在CPU与GPU性能表现Tab.  本文由弯管机张家港弯管机价格网站 转载中国知网整理! http://www.15895595058.net 模型模型数量(M)CPU耗时(ms)GPU耗时(ms)加速比从表中可以看出，数据量较少的的情况下，基于CPU和基于GPU的快速凸包算法时间性能上比较接近。随着实验点集数据的增多，对于不同平台上实验所消耗的时间差距不断扩大。三维模型点集数量越多，CPU构建凸包所消耗的时间成线性增长趋势，而与此同时GPU消耗的时间方面基本持平，时间消耗不明显。在CUDA上实现快速凸包算法处理的速度远超过CPU构建凸包的速度。模型点集规模数量较多时，有着明显的加速效果和优势。4结论本文在原有快速凸包算法的基础上，利用GPU并行计算的优势实现凸包算法速度提升。分别对构建凸包时初始化和求取极值点的过程进行详细分析和并行设计。实验结果表明基于GPU的快速凸包算法在数据量过多情况快速凸包并行设计-电动数控滚圆机滚弧机倒角机张家港电动钢管滚圆机弯管机  本文由弯管机张家港弯管机价格网站 转载中国知网整理! http://www.15895595058.net