基于多核CPU+GPU运算的电磁场高效体绘制算法研究

doi:10.3778/j.issn.1002-8331.1706-0035

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (18): 218-222.DOI: 10.3778/j.issn.1002-8331.1706-0035

基于多核CPU+GPU运算的电磁场高效体绘制算法研究

陈宇峰，张铂，李林

北京理工大学计算机学院，北京 100081

出版日期:2018-09-15 发布日期:2018-10-16

Research of high-efficient volume rendering algorithm for electromagnetic field based on multi-core CPU+GPU parallel computing

CHEN Yufeng, ZHANG Bo, LI Lin

School of Computer Science, Beijing Institute of Technology, Beijing 100081, China

Online:2018-09-15 Published:2018-10-16

摘要/Abstract

摘要： 雷达探测范围作为电磁场的一个典型代表，由于其在军事决策时扮演着重要的作用，所以对探测范围可视化的准确性和实时性的要求很严格。传统的面绘制三维数据场信息会造成大量的空间信息丢失。因此，采用体绘制技术来获取电磁场中的三维数据场信息。针对传统体绘制技术算法执行效率较低的问题，提出使用多核CPU+GPU的架构来加速体绘制，从而实现实时处理。实验表明，采用提出的方法可以大幅减少体绘制中光线绘制的时间，充分利用CPU的空闲存储资源和计算资源。

关键词: 电磁场, 体绘制, 多核CPU+GPU, 并行计算

Abstract: As a typical representative of the electromagnetic field, the detection range of radar plays an important role in military decision making. So the requirement of the accuracy and real-time of the radar detection range is very strict. The traditional surface rendering of 3D data field will cause a lot of loss of spatial information. Therefore, the volume rendering technology is adopted to obtain three dimensional radar data field information. Aiming at the problem of low efficiency of traditional volume rendering algorithm, a multi-core CPU+GPU architecture is proposed to accelerate volume rendering, so as to realize real-time processing. The experimental results show that the proposed method can greatly reduce the time of ray rendering in volume rendering, and make full use of CPU’s free storage resources and computing resources.

Key words: electromagnetic field, volume rendering, multi-core CPU+GPU, parallel computing

陈宇峰，张铂，李林. 基于多核CPU+GPU运算的电磁场高效体绘制算法研究[J]. 计算机工程与应用, 2018, 54(18): 218-222.

CHEN Yufeng, ZHANG Bo, LI Lin. Research of high-efficient volume rendering algorithm for electromagnetic field based on multi-core CPU+GPU parallel computing[J]. Computer Engineering and Applications, 2018, 54(18): 218-222.

[1]	冯凯，李婧. k元n方体网络的子网络可靠性[J]. 计算机工程与应用, 2021, 57(16): 83-89.
[2]	李健，张大伟，姜晓明，向立云. 并行化洪水演进模拟研究综述[J]. 计算机工程与应用, 2021, 57(13): 1-7.
[3]	孙明，陈昕. 面向卷积神经网络的硬件加速器设计方法[J]. 计算机工程与应用, 2021, 57(13): 77-84.
[4]	叶颖诗，魏福义，蔡贤资. 基于并行计算的快速Dijkstra算法研究[J]. 计算机工程与应用, 2020, 56(6): 58-65.
[5]	杜伟，傅游. 基于GPU的最小二乘蒙特卡罗算法期权定价[J]. 计算机工程与应用, 2020, 56(4): 225-229.
[6]	金之雁，杨磊，林隽民，王哲. 广义共轭余差法的通信避免算法[J]. 计算机工程与应用, 2020, 56(3): 74-79.
[7]	刘家华，陈靖宇. 多核并行脉冲神经网络模拟器的设计[J]. 计算机工程与应用, 2020, 56(22): 244-250.
[8]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[9]	刘军，李威，吴梦婷，陈起凤. Hadoop平台下新型图像并行处理模型设计[J]. 计算机工程与应用, 2019, 55(6): 186-190.
[10]	刘洋，陈经纬，冯勇，吴文渊. 并行LLL算法研究综述[J]. 计算机工程与应用, 2019, 55(16): 36-41.
[11]	曾有灵，陈耿铎，熊威，李喆. 基于Spark的CT图像FBP重建算法程序并行设计[J]. 计算机工程与应用, 2019, 55(10): 218-224.
[12]	姜悦宁1，2，3，贾宏光1，3，厉明1，3. 基于多核并行计算的无人机CFD数值模拟[J]. 计算机工程与应用, 2018, 54(7): 221-225.
[13]	魏子衿1，2，3，肖丽2，3. 基于区域分解的并行动态LOD构建算法[J]. 计算机工程与应用, 2018, 54(6): 168-177.
[14]	覃金帛1，曾志强1，2，梁藉1，杨明祥2，张健1. GPU并行优化技术在水利计算中的应用综述[J]. 计算机工程与应用, 2018, 54(3): 23-29.
[15]	魏子衿1，2，3，肖丽2，3. 改进顶点聚类方法的并行核外模型简化算法[J]. 计算机工程与应用, 2018, 54(13): 181-190.

基于多核CPU+GPU运算的电磁场高效体绘制算法研究

Research of high-efficient volume rendering algorithm for electromagnetic field based on multi-core CPU+GPU parallel computing

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics