海量断层数据分布式三维重建中任务分配算法研究

来源 :华中科技大学 | 被引量 : 0次 | 上传用户:haiyunnihao
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着激光测距扫描等三维空间数据获取硬件技术的不断完善,人们可以获得精度和密度都越来越高的物体表面三维数据,利用物体表面三维数据来建立真实的物体数字模型。它也促进了计算机图形学,虚拟现实和多媒体通信技术的不断发展,与此同时,海量数据的处理也成为三维重建这一研究领域的热点之一。对海量断层数据集进行三维重建,它的主要处理难点是被处理的数据量庞大,对计算机的存储空间提出了很高的要求,同时在重建物体后的交互显示的时候,其绘制速度比较慢。普通计算机无法提供其所需的各类资源,通常不得不使用大容量的图形工作站才能解决问题。为了有效重建这类复杂实体,本文提出一种任务分配算法,即分段重建。通过对任务的数据量来估算重建计算量,然后将数据量按计算量大致相同分配到各个负载,实现分布式三维重建中计算资源的合理分配。我们针对虚拟中国人的部分切片数据,完成了表面重建工作,结果表明分段重建算法能在有限内存空间里完成传统重建算法不能完成的大数据量的曲面重建。这对海量数据重建工作,如医学图象可视化等应用起到一定帮助作用。因此,文章中提出的任务分配确实能够比较有效和灵活地解决海量数据的重建工作。
其他文献
随着信息技术的发展,现场总线技术被广泛应用于工业自动化和楼宇自动化领域。在楼宇自动化领域,作为现场总线的一种LonWorks因其优秀的互操作性、开放性以及强大的分布式处理
接触器作为一种用于频繁通断大容量负载的控制电器,在工业生产、日常生活、交通运输、电力供应等方面都有广泛的应用。可靠、稳健的交流电气控制系统要求所配套的接触器必须
MAS(Multi-AgentSystem)是随着人工智能AI(ArtificialIntelligence)的发展而出现的一个具有自觉性、社会性、学习性的智能系统。它具有并行、健壮和易扩展的优点,为空间和图形