[發明專利]一種基于Hadoop和CUDA的光線投射可視化多用戶交互處理方法

有效

• 申請號: 201610860044.0
• 申請日: 2016-09-28
• 公開（公告）號: CN106530385B
• 公開（公告）日: 2017-07-21
• 發明（設計）人: 彭延軍;于佳瑋;王元紅;賈瑞生;盧新明
• 申請（專利權）人: 山東科技大學
• 主分類號: G06T15/08
• 分類號: G06T15/08;G06T1/20
• 代理公司: 青島智地領創專利代理有限公司37252
• 代理人: 肖峰

技術領域

本發明涉及科學計算可視化技術領域，特別是涉及一種基于Hadoop和CUDA的光線投射可視化多用戶交互處理方法。

背景技術

隨著MRI、PET、CT等現代醫療設備應用的快速發展，三維醫學可視化已經廣泛應用于醫學診斷、輔助治療、手術規劃等領域。三維醫學可視化體繪制技術因為其良好的“保真性”，具有很好的應用價值與前景。但隨著醫學數字圖像精度和分辨率的顯著提高，醫學影像數據量快速增加，其超大規模的醫學影像數據和超大計算量成為了計算機實現三維醫學體繪制的瓶頸。目前，為了滿足大規模的醫學影像數據體繪制的超大計算量、多用戶交互需要，近年來的研究主要集中于并行體繪制、基于GPU的硬件加速和GPU嵌入MapReduce的高效并行計算等幾方面。S.Eilemann等通過設計并行體繪制來滿足快速繪制的要求。南方醫科大學生物醫學工程學院董現玲等和浙江工業大學計算機科學與技術學院秦緒佳等設計的基于CUDA(Compute Unified Device Architecture)技術進行數據的存儲和處理，實現了并行化的Ray-casting算法。Vo H T等設計的基于MapReduce的計算框架，實現了基于MapReduce的z-buffer繪制、并行網格簡化以及等值面抽取等基礎圖形學算法。

雖然上述幾種方法都達到了一定加速繪制效果，但均有一定的不足和缺點，例如：單一的CUDA處理，必須依靠NVIDIA顯卡硬件提供支持，增加成本，并且單機繪制對速度提升有限；另外，大量重復數據的計算也增加了系統處理負擔，浪費系統資源。

發明內容

本發明的目的在于提出一種基于Hadoop和CUDA的光線投射可視化多用戶交互處理方法，能夠快速、高效的實現三維可視化成像。

為了實現上述目的，本發明采用如下技術方案：

一種基于Hadoop和CUDA的光線投射可視化多用戶交互處理方法，包括如下步驟：

步驟1：不同用戶在本地處理前，需先獲取繪制圖像的數據信息；

其中，圖像的數據包括如下參數：查詢重復標識CX、切片數C、開始編號D、結束編號E、視線方向F、視點位置G、生成圖像寬W、生成圖像高H、重復類型CTYPE、重復切片數量CC、重復開始編號CD、重復結束編號CE和數據DATA；

步驟2：集群服務器master機器獲取圖像的數據，然后將該圖像的數據與master機器中避免重復計算存儲的數據比對，查詢集群服務器是否有需要計算的數據結果；

其中，避免重復計算存儲的數據包括如下參數：開始編號X、結束編號Y、視線方向L、視點位置M、使用次數N、時間T、禁替換標識NOREP和數據DATA0；

步驟2.1：判斷集群中有無重復數據結果；

若：判斷結果是有重復數據，則設置重復類型CTYPE為部分重復，數值為1，禁替換標識NOREP值加1，并執行步驟2.2；

或判斷結果是無重復數據，則執行步驟3；

步驟2.2：判斷數據結果是否為完全重復；

若：判斷結果是完全重復，則重復類型CTYPE為完全重復，數值為2，并執行步驟11；

或判斷結果是部分重復，則執行步驟3；

步驟3：讀取對應不重復圖像切片，建立三維數據場；

步驟4：使用AABB包圍盒對三維數據場無效體素進行裁剪；

步驟5：使用NVIDIA CUDA對梯度進行處理；

步驟6：將處理完的數據傳輸至集群服務器master機器；

其中，處理完的數據包括如下參數：查詢重復標識cx、切片數c、開始編號d、結束編號e、視線方向f、視點位置g、生成圖像寬w、生成圖像高h、重復類型ctype、重復切片數量cc、重復開始編號cd、重復結束編號ce和數據data；

步驟7：將接收到的步驟6中的數據與master機器中避免重復計算存儲的數據進行對比，查詢集群服務器中是否有接收到數據的計算結果；

其中，避免重復計算存儲的數據包括如下參數：開始編號x、結束編號y、視線方向l、視點位置m、使用次數n、時間t、禁替換標識norep和數據data0；

步驟7.1：判斷集群中有無重復數據結果；

若：判斷結果是有重復數據，則讀取對應存儲的重復數據data0，禁替換標識norep減1，執行步驟7.2；

或判斷結果是不含重復數據，則執行步驟8；

步驟7.2：判斷數據結果是否為完全重復；