Алгоритмы формирования геометрических моделей в системах виртуального окружения

• Автор: Астахов, Юрий Сергеевич
• Шифр специальности: 05.01.01
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Москва - Нижний Новгород
• Количество страниц: 123 с. : ил.

Оглавление
Введение
Г лава 1. Программно-технический комплекс виртуального окружения различного назначения
1.1. Общее описание системы
1.2. Системы визуализации и виртуального окружения
1.3. Назначение систем виртуального окружения
1.4. Архитектура систем виртуального окружения
1.4.1. Cave
1.4.2. iCONE
1.5. Инструментальные программные средства
1.5.1. Платформа CUDA C/C++
1.5.2. Платформа OpenCL
1.5.3. Платформа C++ АМР
1.6. Выводы первой главы
Глава 2. Визуализация полигональных моделей высокой сложности в системах виртуального окружения
2.1. Методы обработки сцен высокой сложности
2.2. Смешанные полигональные модели
2.3. Системы виртуального окружения
2.4. Среда виртуального окружения “Аванго”
2.5. Реализация смешанных полигональных моделей
2.5.1. Формат хранения данных модели
2.5.2. Узлы сетки базовой модели (CHUNK_NODES)
2.5.3. Топология базовой модели (CHUNK_INDEXED_CELLS)
2.5.4. Шаги анимации (CHUNK_TIMESTEP)

2.5.5. Скалярные параметры узлов сетки
(СНЦ№С_НООЕ_8САЬАК_ОАТА_8ЕТ)
2.5.6. Хранение прогрессивных сеток (С1 ГС N КР КОС И Е 8 81 УЕ_ОЕТЛ I Г) • ■
2.5.7. Реализация алгоритма разделения вершины для смешанных моделей.
2.5.8. Схема работы объекта визуализации
2.6. Результаты
2.7. Выводы второй главы
Глава 3. Корректировка САХ)-моделей, полученных из облака точек сканирования
3.1. Формализация входных данных
3.2. Существующие решения
3.3. Представление мостов
3.4. Представление поля недостающей поверхности
3.4.1. Основные положения
3.4.2. Формализация напряжённости поля
3.4.3. Разновидности реализаций ПНП
3.4.4. Определение силовой линии ПНП
3.4.5. Связь представления ПНП с другими подходами
3.4.6. Отслеживание силовых линий ПНП
3.5. Практические реализации ПНП
3.5.1. Общие положения
3.5.2. ПНП, интерполирующее границы РП
3.5.3. Интерполирующее сплайновое ПНП
3.5.4. Радиальное ПНП свободных точек
3.6. Реализация и тесты
3.7. Выводы третьей главы

Глава 4. Приложение разработанных методов и алгоритмов к анализу больших объемов данных
4.1. RFB-метамодель
4.2. Анализ надёжности
4.2.1. Метод анализа надёжности первого порядка (FORM)
4.2.2. Метод анализа надёжности второго порядка (SORM)
4.2.3. Определение доверительных пределов методом Монте-Карло (CL-MC)
4.2.4. Монте-Карло в сочетании с RFB-метамоделью (MC-RFB)
4.3. Анализ причинно-следственных связей
4.4. Примеры
4.4.1. Ударопрочность стойки кузова (Audi)
4.4.2. Ударопрочность полного автомобиля (Ford Taurus)
4.5. Выводы четвёртой главы
Заключение
Благодарности
Список литературы
Приложение 1. Результаты тестовых испытаний алгоритмов корректировки
моделей
Приложение 2. Примеры анализа ударопрочности и темпоральной кластеризации

Приложение 3. Глоссарий: словарь сокращений и терминов

нанометровый процесс архитектура Kepler), в том числе GK104, содержащий 1536 ядер CUDA. В 2014 году ожидается отложенное с 2013 года появление архитектуры Maxwell (20-нанометровый процесс) с дальнейшим увеличением числа ядер и многими другими усовершенствованиями.
Рост вычислительных возможностей (не только числа операций с плавающей точкой в единицу времени) позволил постепенно снять целый ряд ограничений на организацию процесса параллельных вычислений. В свою очередь это выразилось в росте возможностей API CUDA для программистов.
Первоначально программы в CUDA создавались на немного модифицированном языке С, с некоторыми дополнениями и ограничениями, которые постепенно устранялись. Так, если версия CUDA 3.2 получила отсутствовавшую в предшествовавших версиях поддержку работы со свободной памятью (операции malloc() и free(), [36]), то версия CUDA 4 уже содержала поддержку таких возможностей C++ как виртуальные функции [37].
Постепенно язык CUDA всё больше мигрирует в сторону C++. В последних версиях уже используют два вида полиморфизма - на основе виртуальных функций и на основе шаблонов (полиморфизм наследования и параметрический полиморфизм).
Наиболее существенные улучшения процесса разработки кода связаны с выходом CUDA 4, в котором облегчено взаимодействие между несколькими GPU, копирование данных между GPU, усилена поддержка возможностей C++. В частности, каждый GPU может использоваться несколькими CPU-потоками, один поток CPU получил доступ ко всем GPU. В CUDA 4 появилась поддержка таких важнейших средств C++ как вызов конструкторов, операции new и delete, полиморфизм на основе виртуальных функций, стандартная библиотека шаблонов для CUDA (по аналогии с STL). Появился целый ряд улучшений и новых библиотек для матричных вычислений, усовершенствована работа с текстурами и т.д. [37].
По состоянию на март 2013 года актуальна версия CUDA 5, в которой реализуются новые возможности аппаратной архитектуры Kepler [38]. Среди новых возможностей API CUDA 5 наиболее существенны такие, как динамический па-