| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题来源 | 第7页 |
| ·课题的研究意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9-10页 |
| ·目前并行算法所存在的问题 | 第10-11页 |
| ·本文的研究内容与结构 | 第11-12页 |
| 第二章 基于多视图的三维重建 | 第12-24页 |
| ·算法基本过程 | 第12-18页 |
| ·算法概述 | 第12-13页 |
| ·算法具体过程 | 第13-18页 |
| ·特征提取 | 第18-21页 |
| ·Harris算子 | 第18-19页 |
| ·DoG算子 | 第19-20页 |
| ·SURF算法 | 第20-21页 |
| ·特征匹配 | 第21-23页 |
| ·对极几何 | 第21-22页 |
| ·NCC匹配算法 | 第22页 |
| ·特征提纯 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 并行计算 | 第24-31页 |
| ·并行计算重要性 | 第24页 |
| ·并行处理技术的迫切要求 | 第24页 |
| ·三维重建的并行化 | 第24页 |
| ·并行技术 | 第24-27页 |
| ·共享存储系统 | 第25页 |
| ·分布式存储系统 | 第25-26页 |
| ·基于GPU的并行 | 第26-27页 |
| ·CUDA框架概述 | 第27-30页 |
| ·CUDA的线程层次 | 第28-29页 |
| ·CUDA的存储模型 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 并行算法实现 | 第31-44页 |
| ·SUFR算法并行化 | 第31-40页 |
| ·SURF并行算法核心思想 | 第31-32页 |
| ·基于OpenMP的SURF算法 | 第32-33页 |
| ·基于OpenMP的SURF算法实验结果与分析 | 第33-37页 |
| ·基于CUDA的SURF算法 | 第37-38页 |
| ·基于CUDA的SURF算法实验结果与分析 | 第38-39页 |
| ·SURF混合并行算法 | 第39-40页 |
| ·RANSAC算法并行化 | 第40-43页 |
| ·RANSAC并行算法核心思想 | 第40页 |
| ·基于OpenMP的RANSAC算法 | 第40-41页 |
| ·基于OpenMP的RANSAC算法实验结果与分析 | 第41-42页 |
| ·基于CUDA的RANSAC算法 | 第42页 |
| ·基于CUDA的RANSAC算法实验结果与分析 | 第42-43页 |
| ·RANSAC混合并行算法 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第五章 性能分析与优化及软件实验系统 | 第44-51页 |
| ·算法优化分析 | 第44页 |
| ·算法调优 | 第44-46页 |
| ·性能优化总体策略 | 第44-45页 |
| ·最大化并行执行 | 第45页 |
| ·最大化存储器利用率 | 第45页 |
| ·最大化指令吞吐率 | 第45-46页 |
| ·软件模块功能和实现 | 第46页 |
| ·软件使用结果 | 第46-50页 |
| ·测试数据集 | 第46-47页 |
| ·软件框架 | 第47页 |
| ·软件使用结果 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 总结和展望 | 第51-52页 |
| ·本文主要工作总结 | 第51页 |
| ·未来工作展望 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54-55页 |
| 作者简介 | 第55页 |