立体密集匹配是高精度配准和高精度三维重建的重要研究内容。基于SIFT的密集匹配方法能够得到物体表面均匀密集的点云,满足高精需求,但该算法的计算效率很低,不满足实际速度要求。部分的重构和配准要求实时计算,所以利用并行计算提高算法的效率有着重要的研究意义。在将串行的算法设计为并行算法时,如何根据算法特点和实际硬件设备来选择适合的技术是设计并行算法的难点。近年的研究热点GPGPU技术和多线程技术在并行计算上都各有优劣并互相补充。Nvidia发布的CUDA出现,将GPGPU的应用推向了更广泛的领域,其性能和应用优化方法有很多待研究的地方。论文将立体密集匹配算法分解为多个步骤,确定其中的并行部分和主要的耗时部分,并将其中的特征向量匹配和密集匹配两部分设计为基于多线程和CUDA的并行程序。通过实验,比较了这两项技术的加速性能并分析了它们的优劣。对向量匹配CUDA并行程序,根据线程任务的划分,设计了四种方案,并通过实验比较了它们的性能;对密集匹配CUDA并行程序,着重通过实验分析了CUDA的几个主要优化技巧对于本算法的性能提高的影响。通过实验分析得知,并行计算在执行效率上远远高于串行计算,但具体设计平台工具和设计方案必须根据算法的特点和硬件条件进行选择。对于CUDA程序,难点在于线程任务分配和通信、访问优化技巧的灵活使用。论文成功地对立体密集匹配算法进行了满足实际需要的加速;对于具体串行算法的并行计算设计,提供了技术选择的理论参考,并总结了CUDA开发程序的应用技术和优化技巧。