[发明专利]基于CUDA的多边形栅格化GPU并行计算方法

权利要求书

1.一种基于CUDA的多边形栅格化GPU并行计算方法，其特征在于：由CPU和GPU协同并行处理多边形栅格化；

CPU的执行过程包括第一次执行调度和循环执行调度，其中第一次执行调度包括以下步骤：

S101、计算各多边形的多边形节点数目PNN，对所有多边形根据PNN进行升序排序，形成第一多边形队列；

S102、计算第一多边形队列中各多边形的占用内存MU；

S103、按照CUDA中grid、block和thread的层次结构进行多边形的划分：

1)grid层划分

当GPU内存限制为MU_limit时，从第一多边形队列首端开始依次划分成若干批次多边形数据，每一批次多边形数据的MU总数小于GPU内存，即每一批次多边形数据的数目满足

其中，MU_gpuresult为GPU栅格化结果所占内存，N_max为最大多边形数目；

2)block层划分：

在每一批次多边形数据中包含按PNN升序排列的第二多边形队列，每次从第二多边形队列的首端和末端各取一个多边形分配给一个block处理，直至第二多边形队列分配完毕，即完成了block层的划分；

3)thread层划分：

在block内部采用循环分配的方式将待处理多边形分给各线程并行处理：首次给各线程分配一个多边形进行处理；当有线程处理完毕后，则继续分给其一个多边形进行处理，直至该block中多边形处理完毕，即完成了thread层的划分；

S104、读取第一批次多边形数据并传递给GPU处理，在GPU执行过程中读取第二批次多边形数据，然后接收GPU的处理结果；

循环执行调度包括以下步骤：

S201、依次读取每一批次多边形数据并传递给GPU处理；

S202、开辟两个线程，分别用于写入上一次GPU的处理结果和读取下一批次多边形数据；

S203、接收GPU的处理结果；

S204、重复步骤S201-S203，直至所有多边形处理完毕；

GPU的处理过程包括以下步骤：

S301、接收CPU传递的多边形数据；

S302、将多边形数据分配给各block及thread；

S303、各thread分别调用BAF算法执行栅格化计算；

S304、将栅格化结果传递回CPU。

2.根据权利要求1所述的基于CUDA的多边形栅格化GPU并行计算方法，其特征在于：在GPU处理过程中，每个多边形的X坐标、Y坐标、属性值及栅格化结果存储在global memory中，在shared memory中给各thread分配唯一的存储地址，利用shared memory先后存储不同多边形的属性值，各thread执行过程中产生的临时变量及数据存储在registers和localmemory中。

3.根据权利要求1或2所述的基于CUDA的多边形栅格化GPU并行计算方法，其特征在于：在GPU多边形栅格化的过程中，L2 cache存储从global memory最近读取的数据。

4.根据权利要求3所述的基于CUDA的多边形栅格化GPU并行计算方法，其特征在于：CPU在执行步骤S101前，CPU将节点个数超过预设数量的大多边形切割成若干小多边形，切割后的小多边形节点个数Node_s根据L2 cache尺寸及设定的线程数目确定，具体计算公式如下：

其中，M_cache为L2 cache存储尺寸，N_t为设定的线程总数目，N_tpp为每个multiprocessor允许的最大线程数，N_p为最大multiprocessor数。