基于GPU的PIV并行计算技术研究

《基于GPU的PIV并行计算技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于GPU的PIV并行计算技术研究StudyofPIVParallelComputingTechnologyBasedonGPU学号：21109135大连理工大学DalianUniversityofTechnology大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外，本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。学位论文题目

2、：赶鱼E竺笪￡兰鳢筮丝遨丛窒作者签名：童塑圣日期：垫!垒年—￡月二1日大连理工大学硕士学位论文摘要粒子图像测速技术(PIV)是流体力学的重要实验手段。但是目前为止一些对流场的流速的研究还无法完全实现实时测量，尤其是在对流场图像做互相关分析时所做的处理都是在CPU中进行的。特别是图像中的像素点很多的时候，这就需要多线程来处理，：而多线程对每个点的操作都是一样的，多线程只是重复了对每个点的运算过程。而且在速度矢量图的绘制方面，GPU更有其优于CPU的优势，GPU的研制初衷就是用于图像的绘制及显示的。调用CPU绘图最终还是要经过GPU显示出来，这就又减慢了整个系统的

3、处理速度。所以在这方面CPU相比于GPU并没有什么优势可言。本文所研究的基于GPU的PIV并行计算技术研究就是通过多线程对图像中的像素点进行运算的。GPU可以同时执行多个线程中的任务，这可以极大地提高整个系统地处理速度，同时结合CUDA和OpenGL进行图形的绘制，也加快了系统的图形绘制及显示速度。本文主要做了基于GPU的PIV技术中的互相关算法的实现以及GPU与OpenGL结合进行的流场显示工作。GPU强大的并行处理能力大大的加快了对图像的互相关算法的运行速度。同时，OpenGL与GPU下的CUDA架构的互操作也加快了所绘制图像的刷新频率和显示速度。本文主要

4、内容是对两帧图像在GPU上进行互相关算法的优化设计，然后结合OpenGL和CUDA技术，绘制出流场的速度矢量图。相比于CPU下的PIV技术的研究，基于GPU的PIV并行计算技术的研究极大地加快了图像处理的速度，并最终得到了流场的速度矢量分布图，取得了良好的实验效果。此方法为进一步完善PIV处理技术提供了一个良好的基础。关键词：流场测速；粒子图像测速技术；互相关算法；GPU；0penGL基于GPU的PIV并行计算技术研究StudyofPIVParallelComputingTechnologyBasedonGPUAbstractParticleimagevelo

5、cimetry(PⅣ)isallimportantexperimentalmethodoffluidmechanics．ButSOfarsomeoftheresearchofthevelocityofflowfieldarenotfullyrealizedinthereal．timemeasuremem，especiallythecross．correlationwhichwasdidintheflowfieldimagesduringanalysisingofprocessingiscarriedoutintheCPU．Especiallytherearem

6、anypixelsintheimage．thiswillrequireamulti．threadedtohandle，andinthemultithreadingtheoperationoftheeachpointarethesame，multithreadingisrepeatedforeachpointofoperationprocess．Andintermsofthevelocityvectordiagram．theGPUishasthemoreadvantageofitssuperiortotheCPU，thedevelopmentoftheGPUis

7、usedforimagerenderinganddisplay．ThedisplayingofdrawingwhichWasdidbyCPUisonlyunderGPU，italsoslowsdownthespeedofthewholesystem．SointhistermscomparedtotheGPUCPUisnoadvantage．ThisPⅣbasedonGPUparallelcomputingtechnologyresearchingismadethroughthemultithreadedoperationsonthepixelintheimag

8、e．GPUcanimplementth