| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究的背景与意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 基于多视图的三维重建研究现状 | 第11-12页 |
| 1.2.2 特征提取和匹配并行算法研究现状 | 第12-13页 |
| 1.2.3 光束法平差并行算法的研究现状 | 第13-14页 |
| 1.3 主要研究内容与文章结构 | 第14-16页 |
| 1.3.1 研究内容 | 第14页 |
| 1.3.2 文章结构 | 第14-16页 |
| 第二章 GPU通用并行计算 | 第16-22页 |
| 2.1 GPU与CPU的对比 | 第16-17页 |
| 2.2 GPU通用并行计算的发展 | 第17-18页 |
| 2.3 CUDA编程架构 | 第18-21页 |
| 2.3.1 CUDA编程模型 | 第18-19页 |
| 2.3.2 CUDA存储器模型 | 第19-20页 |
| 2.3.3 CUDA执行模型 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 Harris-Laplace特征结合SIFT描述的图像配准并行算法 | 第22-36页 |
| 3.1 引言 | 第22页 |
| 3.2 特征提取和匹配 | 第22-26页 |
| 3.2.1 Harris-Laplace特征提取 | 第22-25页 |
| 3.2.2 特征点SIFT描述 | 第25页 |
| 3.2.3 特征点匹配 | 第25-26页 |
| 3.3 对极几何约束 | 第26-28页 |
| 3.3.1 对极几何约束 | 第26页 |
| 3.3.2 基础矩阵的估计 | 第26-28页 |
| 3.4 Harris-Laplace特征结合SIFT描述的图像配准并行算法 | 第28-35页 |
| 3.4.1 基于CUDA加速的Harris-Laplace特征提取和SIFT描述 | 第28-29页 |
| 3.4.2 Harris-Laplace特征提取的并行算法 | 第29-32页 |
| 3.4.3 特征点SIFT描述和匹配的并行算法 | 第32-34页 |
| 3.4.4 基础矩阵求解的并行实现 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于GPU加速的BA算法 | 第36-53页 |
| 4.1 BA问题的引入 | 第36-38页 |
| 4.2 BA问题相关算法 | 第38-41页 |
| 4.2.1 Levenberg-Marquardt算法 | 第38-39页 |
| 4.2.2 Schur补变换 | 第39-40页 |
| 4.2.3 法方程分解方法 | 第40-41页 |
| 4.3 BA并行分析与实现 | 第41-52页 |
| 4.3.1 BA问题主要步骤及并行性分析 | 第41-42页 |
| 4.3.2 BA并行算法预处理过程的改进 | 第42-43页 |
| 4.3.3 BA问题在GPU上的并行实现 | 第43-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 实验与分析 | 第53-60页 |
| 5.1 Harris-Laplace特征结合SIFT描述的图像配准并行算法实验 | 第53-56页 |
| 5.1.1 SIFT特征提取和改进的Harris-Laplace特征提取对比 | 第53-54页 |
| 5.1.2 串并行算法性能对比 | 第54-55页 |
| 5.1.3 极线约束精度分析 | 第55-56页 |
| 5.2 BA并行算法实验 | 第56-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间的研究成果 | 第66-67页 |
