论文部分内容阅读
傅里叶变换轮廓术、希尔伯特变换轮廓术和小波变换轮廓术等只需要一帧变形条纹图就能恢复出物体的三维面形，适合于动态三维测量。但当图像尺寸较大时，其计算量较大，单一使用CPU或DSP串行处理图像数据速度慢、效率低，难以实现对动态物体的实时测量。因此，选择合适的处理平台以最大限度的减少计算所耗费的时间是提高三维测量处理速度的关键。由于在利用傅里叶变换、希尔伯特变换和小波变换提取相位时其待处理的数据和已处理的数据是相对独立的图像像素，具有极高的计算密度，适于通过多线程运行相同的程序计算，统一架构的图形处理器具有强大的数值并行计算能力，所以可在GPU上实现并行计算。在分析了傅里叶变换轮廓术、希尔伯特变换轮廓术和小波变换轮廓术的特点后，利用CUDA并发执行的优点，将计算过程中计算密度较大且可以并行计算的工作在GPU上完成，实现了CPU与GPU的协同工作，并在利用小波变换提取相位时采用GPU共享内存同步线程块内线程技术进行并行归约优化，解决了传统上在CPU上相位计算速度较慢的问题。在此基础上，并对三种算法分别在CPU和GPU上处理的速度和精度进行对比分析。实验表明在保证计算相位质量的情况下，经过GPU加速获得了相对于CPU一到两个数量级的加速比，提高了傅里叶变换轮廓术、希尔伯特变换轮廓术和小波变换轮廓术的计算速度，初步实现了实时在线三维测量。