Work in Progress: 202004

GPU-based mapping of multispectral images on huge 3D point clouds

(gl) Mapeo de imaxes multiespectrais sobre nubes de puntos 3D de alta densidad en GPU
(es) Mapeo de imágenes multiespectrales sobre nubes de puntos 3D de alta densidad en GPU

Estudiante

Juan Manuel Jurado Rodríguez

• Final year project, MSc in High Performance Computing, UDC
  (TFM Mestrado en Computación de Altas Prestacións (HPC), UDC)

Supervisión

Francisco Ramón Feito Higueruela (Universidad de Jaén)
Emilio José Padrón González (UDC)

Descripción

En este trabajo se aborda el estudio, desarrollo y evaluación en GPU de un algoritmo secuencial [1] basado en el mapeo de imágenes multiespectrales sobre extensas nubes de puntos. Se abordan problemas computacionalmente costosos tales como el manejo de nubes de puntos de alta resolución espacial (cientos de millones de puntos), la detección de oclusión, entre otros. Desde la perspectiva del HPC, se pretende detectar los principales cuellos de botella del código y aprovechar la potencia de cálculo en la GPU para acelerar el conjunto de cálculos realizados.

[1] Jurado, J. M., Ortega, L., Cubillas, J. J., & Feito, F. R. (2020). Multispectral Mapping on 3D Models and Multi-Temporal Monitoring for Individual Characterization of Olive Trees. Remote Sensing, 12(7), 1106.

Objetivos concretos

Los principales objetivos de este proyecto son:

1. la revisión y evaluación de los principales problemas que plantea el algoritmo de estudio
2. la aceleración del conjunto de cálculos referentes a la oclusión y mapeo 3D utilizando una o varias GPUs en un cluster.

Método de trabajo:

• Se producirán una o varias reuniones semanales entre el alumno y su tutor profesional para monitorizar su progreso y decidir los siguientes pasos a seguir.

• Se generará un informe quincenal sobre el trabajo realizado que además será compartido con el tutor académico.

• Se generará un informe final que resumirá las actividades realizadas por el alumno, que también será compartido con el tutor académico.

Fases principales del trabajo

1. Revisión bibliográfica.
2. Profiling y estudio previo del algoritmo secuencial.
3. Diseño y desarrollo del algoritmo acelerado por GPU.
4. Diseño y desarrollo de la versión multi-GPU del algoritmo en paralelo.
5. Análisis del rendimiento.

Herramientas y medios a utilizar

Acceso a un cluster que contenga varias tarjetas gráficas para cómputo en el mismo nodo.