《表3 不同密度的点云数据三角化运行时间》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于GPU并行三角化的点云模型快速重建方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

s

在GPU平台上，通过并行方式进行点云三角化，首先需要进行点云数据的分块，本文采用并行方式的自适应分块方法实现了试验数据的划分。在进行数据分块时，通过对点云数据进行空间栅格划分，来实现点云的快速索引，本文采用200×200×200数量的空间栅格进行点云数据索引。根据建立的空间索引，将点云数据划分为许多个数据子集，并将数据子集按照划分方式构建空间二叉树结构；为了充分利用GPU并行运算的性能，点云数据分块的数量通常可以设置为2d个，则数据子集的二叉树深度为d。本文首先设置数据分块深度6，即数据子集数为64，7组试验数据三角化的运行时间如表3所示。