| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景与研究意义 | 第7-8页 |
| ·课题研究背景 | 第7页 |
| ·课题研究意义 | 第7-8页 |
| ·研究现状 | 第8-11页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9-11页 |
| ·本文的研究内容与组织结构 | 第11-12页 |
| ·本文的主要研究内容 | 第11页 |
| ·论文的组织结构 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 多视图三维重建与特征点检测 | 第13-23页 |
| ·算法基本过程 | 第13-18页 |
| ·算法概述 | 第13-14页 |
| ·算法具体过程 | 第14-18页 |
| ·特征点检测 | 第18-22页 |
| ·Harris算法 | 第19-20页 |
| ·DoG算法 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 并行计算技术 | 第23-30页 |
| ·基于OpenMP的并行 | 第23-24页 |
| ·OpenMP介绍 | 第23页 |
| ·OpenMP编程模型 | 第23-24页 |
| ·基于OpenCL的并行 | 第24-26页 |
| ·OpenCL介绍 | 第24页 |
| ·OpenCL架构介绍 | 第24-26页 |
| ·基于CUDA的并行 | 第26-29页 |
| ·CUDA介绍 | 第26-27页 |
| ·CUDA架构 | 第27页 |
| ·CUDA的线程层次 | 第27-28页 |
| ·CUDA的存储模型 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 特征点检测的并行化设计与实现 | 第30-45页 |
| ·特征点检测可并行性分析 | 第30-31页 |
| ·Harris算法并行性分析 | 第30页 |
| ·DoG算法并行性分析 | 第30-31页 |
| ·基于OpenMP的算法并行化 | 第31-32页 |
| ·基于OpenMP的Harris算法 | 第31页 |
| ·基于OpenMP的DoG算法 | 第31-32页 |
| ·基于CUDA的算法并行化 | 第32-38页 |
| ·基于CUDA的Harris算法 | 第32-35页 |
| ·基于CUDA的DoG算法 | 第35-38页 |
| ·基于OpenCL的算法并行化 | 第38-42页 |
| ·基于OpenCL的Harris算法 | 第38-40页 |
| ·基于OpenCL的DoG算法 | 第40-42页 |
| ·并行算法的优化 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 实验测试与结果分析 | 第45-67页 |
| ·实验内容 | 第45页 |
| ·实验环境 | 第45-46页 |
| ·硬件环境 | 第45页 |
| ·软件环境 | 第45-46页 |
| ·实验测试图像用例 | 第46页 |
| ·测试结果与分析 | 第46-66页 |
| ·单张标准测试图像数据扩展性实验 | 第47-54页 |
| ·CPU多核扩展性实验 | 第54-56页 |
| ·GPU并行算法移植性实验 | 第56-58页 |
| ·NVIDIA Tesla C2070 GPU上数据扩展性实验 | 第58-60页 |
| ·检测精度分析 | 第60-61页 |
| ·多张标准测试图像实验 | 第61-64页 |
| ·NVIDIA Tesla C2070 GPU上多张图像实验 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-68页 |
| ·本文主要工作总结 | 第67页 |
| ·未来工作展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |