pymeshlab泊松重建线程数与执行时间异常问题咨询

问题 #

使用pymeshlab库的generate_surface_reconstruction_screened_poisson滤波器对带方向点集进行watertight曲面重建时，多线程表现异常。该滤波器threads参数默认值为16，在4核CPU（Intel Core i5-7300HQ）上测试1、2、4、8、16线程数后，发现2线程时执行速度最快，线程数增至4及以上时执行时间反而大幅增加。

测试代码：

import pymeshlab
import time

for thread_number in [1, 2, 4, 8, 16]:
    ms = pymeshlab.MeshSet()
    ms.load_new_mesh('FullHead.obj')

    start_time = time.perf_counter()
    ms.apply_filter('generate_surface_reconstruction_screened_poisson', visiblelayer=True, preclean=True, threads=thread_number)
    elapsed_time = time.perf_counter() - start_time
    print(f"time taken for running with {thread_number} threads: {elapsed_time} seconds\n")
    
    ms.save_current_mesh(f'recons_output/{thread_number}_reconstructed_mesh.obj')

执行结果：

time taken for running with 1 threads: 7.891609824000625 seconds

time taken for running with 2 threads: 7.006016070998157 seconds

time taken for running with 4 threads: 10.419608506999793 seconds

time taken for running with 8 threads: 17.781056181996973 seconds

time taken for running with 16 threads: 31.617957017999288 seconds

异常原因分析 #

• 线程调度开销过高：Intel Core i5-7300HQ是4核4线程处理器，当线程数超过核心数量时，操作系统需要频繁进行线程上下文切换，每次切换都要保存和恢复线程状态，这部分额外开销会抵消多线程的并行收益，甚至导致整体耗时增加。2线程时未达到核心上限，调度开销小，并行效率最优。
• 算法并行瓶颈：Screened Poisson重建并非所有计算步骤都能完美并行化。部分核心步骤存在数据依赖或锁竞争，线程数增加时，线程间等待资源的时间会大幅上升，拖慢整体速度。
• 内存带宽限制：Poisson重建需要频繁读写大量点云数据，多线程同时访问内存会导致带宽饱和，引发内存访问冲突，线程等待数据的时间变长，总耗时随之增加。

速度提升方案 #

• 固定最优线程数：直接将threads参数设为2，沿用测试得出的最优配置。
• 预处理点云：
  • 使用pymeshlab的point_simplification类滤波器对输入点云降采样，减少点数量以降低计算量。
  • 提前清理点云噪声，将preclean设为False，避免重复预处理占用时间。
• 调整算法参数：
  • 降低depth参数（Poisson重建的细分深度），以牺牲少量曲面细节为代价，减少重建复杂度。
  • 关闭非必要的后处理选项，进一步压缩计算流程。
• 硬件优化：
  • 更换带超线程或核心数更多的CPU，提升并行计算的硬件基础。
  • 升级高频率DDR4内存，缓解内存带宽瓶颈。

内容的提问来源于stack exchange，提问作者Musabbir Arrafi