1實驗背景
千眼狼研發工程師們，自主研發局部DIC-GPU算法，針對自研的DIC軟硬件生態深度優化。研發人員通過開展幾組經典實驗，并與開源GPU算法進行橫向對比。
2技術原理
自研局部DIC-GPU算法核心是將圖像數據、子區網格位置和寬高信息預加載至GPU顯存，利用數千核心并行處理所有子區的互相關計算。工程師們優化了線程調度，減少內存訪問冗余，并自研子區網格動態分配策略，以最大化調用GPU算力資源。
3實驗驗證
為驗證實際效果，千眼狼工程師設計了六組實驗，實驗基于同一測試環境GPU 4070開展：
場景1 仿真旋轉
數據規模：有效子區個數0.4W
計算結果：左 開源算法耗時160ms，右 自研算法耗時僅54ms
場景2 仿真輻射
數據規模：有效子區個數1.7W
計算結果：左 開源算法耗時696ms，右 自研算法耗時僅85ms
場景3 圓桿拉伸
數據規模：有效子區個數0.3W
計算結果：左 開源算法耗時826ms，右 自研算法耗時僅64ms
場景4 三點彎
數據規模：有效子區個數0.7W
計算結果：左 開源算法耗時2011ms，右 自研算法耗時僅109ms
場景5 孔洞拉伸
數據規模：有效子區個數3.2W
計算結果：左 開源算法耗時2755ms，右 自研算法耗時僅148ms
場景6 拉伸裂紋
數據規模：有效子區個數6.6W
計算結果：左 開源算法耗時3855ms，右 自研算法耗時僅217ms
六大實驗場景耗時對比
千眼狼自研GPU加速算法較開源GPU 提速3–18倍，且子區規模越大優勢越顯著。如圓桿拉伸0.3W子區提速3倍，6.6W子區拉伸裂紋場景提速18倍。
六大實驗場景精度對比
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，繪制自研GPU計算結果、開源GPU計算結果和位移真值曲線如下：
將兩組計算結果與真值的平均絕對誤差和均方根誤差如下：
4實驗結論
通過上述實驗對比，千眼狼自主研發的局部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、穩定性上有較大提升。
1）效率：實現了較開源算法同計算場景下的3~18倍的提升。
2）適用性：涵蓋從仿真到實拍不同場景，可高效處理萬級以上子區。
3）穩定性：計算結果與開源方案誤差≤0.03pixel，滿足科研級精度需求。
5實驗展望
微信公眾號
官方抖音
400-859-1866