Reconstrução digital massivamente paralela de corpos de prova de concreto a partir de tomografia industrial

Abstract

Resumo: Ensaios nao destrutivos sao importantes para a analise de estruturas de concreto. Sua realizacao, entretanto, necessita de amostras que devem ser retiradas das estruturas a serem analisadas, tais como barragens e usinas. A tomografia industrial, mediante a obtencao de mapas de densidade, aliada a modelos e ferramentas de simulacao, tem um papel relevante no contexto de ensaios nao destrutivos. Como as ferramentas de simulacao atuais fazem uso de modelos geometricos poligonais, torna-se necessario extrair superficies mediante a geracao de malhas poligonais, a partir do volume de dados, usando tecnicas tais como o algoritmo Marching Cubes. Este trabalho trata da geracao de malhas poligonais de alta definicao a partir de testemunhos de concreto, os quais apresentam dimensoes que normalmente impactam o desempenho, o consumo de memoria e ate mesmo a factibilidade do processamento. Para a solucao destes desafios, foi contemplada a solução utilizando uma implementacao massivamente paralela do algoritmo Marching Cubes. Foi implementada uma versao paralela deste algoritmo utilizando a linguagem CUDA/C para programacao da GPU de forma a conseguir ganho de tempo de processamento na geracao de malhas de alta definicao para imagens tomográficas de corpos de prova de concreto. A avaliacao do ganho de velocidade de processamento foi realizada comparando-se a solucao paralelizada com um prototipo desenvolvido em MATLAB. Foram desenvolvidos modulos de software em codigo prototipo para auxiliar na analise da solucao. As analises realizadas mostram que o uso de paralelismo massivo mediante GPU tem grande potencial para esse tipo de aplicacao, nao obstante o aumento no consumo de memoria devido a necessidade de controle mais sofisticado na transferencia de dados no processamento. A reducao do tempo de processamento obtida como resultado neste estudo foi significativa, a saber, de doze horas na arquitetura serial para pouco mais de quarenta segundos na arquitetura paralela. Palavras-chave: GPU, CUDA, Marching Cubes, Tomografia Industrial, Geracao de Isossuperficies Poligonais, concreto

Abstract: Non-destructive testing is an important procedure for the analysis of concrete structures. It requires, however, structural samples to be extracted from buildings such as dams or bridges. In order to acquire data regarding the geometry and the topography of both surface and internal structures, industrial tomography can be used, through the acquisition of density maps. This data can be used with simulation software applications and models. However, the aforementioned procedures require polygonal meshes, hence, the necessity to extract surfaces from the volumetric data. In order to create such models, algorithms must be used, such as the Marching Cubes algorithm, with the purpose of generating a virtual model corresponding to the real object in a given density. The purpose of this document is to detail the creation of high density polygonal meshes from concrete samples that generate density maps with dimensions that pose a challenge to both processing time and memory consumption, posing a problem to the feasibility of the solution. To overcome these challenges, the CUDA/C language was used for programming a Graphics Processing Unit (GPU) to decrease the processing time required to extract polygonal surfaces from tomographic images. To evaluate the speed increment of the algorithm, the execution time of the parallelized version was compared with the initial serial MATLAB implementation. Additionally, auxiliary code was implemented aiming a robust memory management. The results confirm that massive parallel GPU programming can be used to reduce the processing time, even though memory consumption, due to the more sophisticated management techniques implemented for data transfer, was higher. As an overall result, the processing time decreased from approximately twelve hours on the serial implementation to approximately forty seconds on the massive parallel approach, with a corresponding increase in memory consumption. Keywords: GPU, CUDA, Marching Cubes, Industrial Tomography, Polygonal Isossurfaces generation