激光雷达数据是大量的随机数据，所以激光雷达数据投影栅格时将会有大量的访存。其一，激光雷达数据是随机的，无法确定激光雷达数据投影所在栅格的具体位置，因此无法利用合并访问来发挥GPU独有的优势；其二，无法确定激光雷达数据是栅格内第几个数据，需要通过累加来计算栅格内数据量，这将影响激光雷达数据之间的并行性，使得性能降低。所以，栅格投影并不适合放入GPU优化，我们采用NVIDIA Tegra X1 ARM处理器来处理该过程。

通过上述分析，本文结合ARM的运算特点，对该算法主要进行两方面优化。

1.减小运算强度

利用左/右移位操作代替乘/除2运算：乘以2的幂次方或除以2的幂次方通常都可以通过左移或右移n位来完成。实际上乘以任何一个整数都可以通过移位和加法来代替乘法。Tegra X1 ARM中加法和移位可以通过一条指令来完成，且执行时间少于乘法指令。例如：α=α×5可以用α=（α＜＜2）+α来代替。(www.daowen.com)

利用逻辑与运算代替求余运算：用逻辑与（AND）指令代替求余操作（%）来提高效率。例如：α=α&0×07可以用来代替α=α%8。

2.优化循环终止

Tegra X1 ARM中判断条件在一个循环结构中，循环的终止条件将严重影响循环的效率，再加上ARM指令的判断条件执行特性，所以在编写循环终止条件语句时应尽量使用count-down-to-zero结构。这样编译器可以用一条BNE（若非零则跳转）指令代替CMP（比较）和BLE（若小于则跳转）两条指令，既减小代码尺寸，又加快了栅格投影在Tegra X1 ARM上的运行速度。