| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 引言 | 第7页 |
| 1.2 国内外研究现状 | 第7-10页 |
| 1.3 本文的研究内容与组织结构 | 第10-12页 |
| 第二章 并行计算技术 | 第12-18页 |
| 2.1 基于OpenMP的多核并行技术 | 第12-13页 |
| 2.2 基于CUDA的GPU并行技术 | 第13-16页 |
| 2.3 分布式并行技术 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第三章 散乱点云孔洞修补算法 | 第18-27页 |
| 3.1 基于kd-tree的散乱点云k近邻点查找 | 第18-20页 |
| 3.2 点云的法向量的估算及调整 | 第20-22页 |
| 3.3 点云模型的孔洞边界检测 | 第22-25页 |
| 3.4 点云模型的孔洞填充 | 第25-26页 |
| 3.5 本章小结 | 第26-27页 |
| 第四章 基于机器学习的多尺度RBF的点云孔洞修补算法 | 第27-34页 |
| 4.1 理论基础 | 第27-29页 |
| 4.2 基于径向基函数插值的孔洞修补 | 第29-30页 |
| 4.3 基于多尺度径向基函数插值的孔洞修补 | 第30-32页 |
| 4.4 串行算法实验结果与分析 | 第32-33页 |
| 4.5 本章小结 | 第33-34页 |
| 第五章 并行算法研究 | 第34-45页 |
| 5.1 基于OpenMP的并行算法研究 | 第34-38页 |
| 5.2 基于CUDA的并行算法研究 | 第38-42页 |
| 5.3 基于OpenMP和CUDA的混合并行算法研究 | 第42-44页 |
| 5.4 本章小结 | 第44-45页 |
| 第六章 实验测试与结果分析 | 第45-62页 |
| 6.1 实验环境 | 第45页 |
| 6.2 测试点云数据模型 | 第45-47页 |
| 6.3 串行结果分析 | 第47-48页 |
| 6.4 基于OpenMP的并行结果分析 | 第48-54页 |
| 6.5 基于CUDA的并行结果分析 | 第54-58页 |
| 6.6 基于OpenMP和CUDA的混合并行结果分析 | 第58页 |
| 6.7 不同环境的并行结果分析 | 第58-61页 |
| 6.8 本章小结 | 第61-62页 |
| 第七章 总结与展望 | 第62-63页 |
| 7.1 工作总结 | 第62页 |
| 7.2 工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68页 |
