在這里了解千眼狼最新動(dòng)態(tài)
1實(shí)驗(yàn)背景
千眼狼研發(fā)工程師們，自主研發(fā)局部DIC-GPU算法，針對自研的DIC軟硬件生態(tài)深度優(yōu)化。研發(fā)人員通過開展幾組經(jīng)典實(shí)驗(yàn)，并與開源GPU算法進(jìn)行橫向?qū)Ρ取?/p> 2技術(shù)原理 自研局部DIC-GPU算法核心是將圖像數(shù)據(jù)、子區(qū)網(wǎng)格位置和寬高信息預(yù)加載至GPU顯存，利用數(shù)千核心并行處理所有子區(qū)的互相關(guān)計(jì)算。工程師們優(yōu)化了線程調(diào)度，減少內(nèi)存訪問冗余，并自研子區(qū)網(wǎng)格動(dòng)態(tài)分配策略，以最大化調(diào)用GPU算力資源。
3實(shí)驗(yàn)驗(yàn)證
為驗(yàn)證實(shí)際效果，千眼狼工程師設(shè)計(jì)了六組實(shí)驗(yàn)，實(shí)驗(yàn)基于同一測試環(huán)境GPU 4070開展：
場景1 仿真旋轉(zhuǎn)
數(shù)據(jù)規(guī)模：有效子區(qū)個(gè)數(shù)0.4W
計(jì)算結(jié)果：左 開源算法耗時(shí)160ms，右 自研算法耗時(shí)僅54ms
場景2 仿真輻射
數(shù)據(jù)規(guī)模：有效子區(qū)個(gè)數(shù)1.7W
計(jì)算結(jié)果：左 開源算法耗時(shí)696ms，右 自研算法耗時(shí)僅85ms
場景3 圓桿拉伸
數(shù)據(jù)規(guī)模：有效子區(qū)個(gè)數(shù)0.3W
計(jì)算結(jié)果：左 開源算法耗時(shí)826ms，右 自研算法耗時(shí)僅64ms
場景4 三點(diǎn)彎
數(shù)據(jù)規(guī)模：有效子區(qū)個(gè)數(shù)0.7W
計(jì)算結(jié)果：左 開源算法耗時(shí)2011ms，右 自研算法耗時(shí)僅109ms
場景5 孔洞拉伸
數(shù)據(jù)規(guī)模：有效子區(qū)個(gè)數(shù)3.2W
計(jì)算結(jié)果：左 開源算法耗時(shí)2755ms，右 自研算法耗時(shí)僅148ms
場景6 拉伸裂紋
數(shù)據(jù)規(guī)模：有效子區(qū)個(gè)數(shù)6.6W
計(jì)算結(jié)果：左 開源算法耗時(shí)3855ms，右 自研算法耗時(shí)僅217ms
六大實(shí)驗(yàn)場景耗時(shí)對比
千眼狼自研GPU加速算法較開源GPU 提速3–18倍，且子區(qū)規(guī)模越大優(yōu)勢越顯著。如圓桿拉伸0.3W子區(qū)提速3倍，6.6W子區(qū)拉伸裂紋場景提速18倍。
六大實(shí)驗(yàn)場景精度對比
千眼狼工程師們使用帶有位移真值的仿真素材做精度對比，素材位移真值為振幅衰減的正弦函數(shù)，繪制自研GPU計(jì)算結(jié)果、開源GPU計(jì)算結(jié)果和位移真值曲線如下：
將兩組計(jì)算結(jié)果與真值的平均絕對誤差和均方根誤差如下：
4實(shí)驗(yàn)結(jié)論
通過上述實(shí)驗(yàn)對比，千眼狼自主研發(fā)的局部DIC-GPU算法與開源GPU算法在精度一致的前提下，在效率、適用性、穩(wěn)定性上有較大提升。
1）效率：實(shí)現(xiàn)了較開源算法同計(jì)算場景下的3~18倍的提升。
2）適用性：涵蓋從仿真到實(shí)拍不同場景，可高效處理萬級以上子區(qū)。
3）穩(wěn)定性：計(jì)算結(jié)果與開源方案誤差≤0.03pixel，滿足科研級精度需求。
5實(shí)驗(yàn)展望
電話：400-859-1866
郵箱：sales@agiledevice.com
地址：安徽省合肥市包河富煌新視覺大廈
微信公眾號
官方抖音
400-859-1866