基于GPU并行计算的巨幅遥感影像坐标转换研究与实现

随着航空航天遥感技术的不断发展,以遥感影像为代表的栅格数据分辨率越来越高,遥感影像处理呈现出数据量大、复杂度高的特点。近年来,通用GPU的运算性能不断提高为加速密集运算提供了新的途径,目前,采用GPU并行技术进行遥感影像处理成为新的研究热点。本文提出了基于GPU并行计算的巨幅遥感影像坐标转换方法,实践证明,相比于传统的转换方法基于GPU的算法有较为明显的提速。     

基于GPGPU的并行影像匹配算法

提出一种基于GPGPU的CUDA架构快速影像匹配并行算法,它能够在SIMT模式下完成高性能并行计算。并行算法根据GPU的并行结构和硬件特点,采用执行配置技术、高速存储技术和全局存储技术三种加速技术,优化数据存储结构,提高数据访问效率。实验结果表明,并行算法充分利用GPU的并行处理能力,在处理1280×1024分辨率的8位灰度图像时可达到最高多处理器warp占有率,速度是基于CPU实现的7倍。CUDA在高运算强度数据处理中呈现出的实时处理能力和计算能力,为进一步加速影像匹配性能和GPU通用计算提供了新的方法和思路。     

基于GPGPU的数学形态学LiDAR点云快速滤波方法

对机载激光雷达获取点云数据进行滤波时,因其数据量大,往往会耗费很多时间。在传统数学形态学LiDAR点云滤波方法基础上,提出利用基于GPU的并行技术,将大量密集运算分配到众多计算单元上并行执行,达到快速滤波的目的。通过相应的实验,验证了利用GPU并行计算技术实现的LiDAR点云快速滤波的正确性与可行性。     

基于GPU的大规模爆炸效果模拟

提出一种基于图形处理单元(GPU)的方法来模拟深空探测器撞击天体产生的大规模爆炸效果.利用基于GPU的多粒子系统方法模拟爆炸产生的3种喷射物,基于欧拉网格与漩涡粒子相结合的方法及GPU的通用计算能力解算流体动力学方程模拟了浓烟的翻腾与扩散.实验结果表明,用该方法能够产生具有较高逼真度的大规模爆炸效果.     

基于GPU的遥感影像加速处理算法

随着图形处理器(GPU)计算功能的日益强大,人们不再满足仅仅用它来做图形处理,而是越来越多地将其应用在通用计算方面。在遥感影像融合的很多算法中,影像数据都可以被并行的处理。本文针对融合处理中的遥感影像数据源为GPU设计了具有数据级并行性的输入流,介绍了利用OpenGL着色语言在GPU中实现融合算法的过程,实验结果表明基于GPU的IHS融合算法的处理速度在数据量较大时较之基于CPU的算法有明显的优势,而且这种优势随图像数据量的增加而越来越明显。     

基于CUDA的海量点云数据kNN查询算法

通过激光扫描技术获得的点云数据量十分巨大,如何利用k最近邻域(k-nearest neighbors,kNN)查询重建海量点云中各采样点间的拓扑关系,对点云数据的后续处理至关重要。在深入研究GPU编程技术的基础上,将GPU通用计算引入到点云数据的kNN查询问题中,提出一种通过CUDA实现的基于外存的双层查询结构。试验结果表明,该方法与传统算法相比在查询效率上有较大提升,最大增幅可达53.8%。     

一种基于GPU的实时水波模拟方法

大范围动态水面场景的实时三维仿真是虚拟海洋环境以及三维游戏中研究的难点和热点。由于水的动态性以及各种复杂的光照等效果,传统基于CPU的模拟很难达到实时交互的能力。近年来图形处理器(GPU)性能得到大幅度提高,尤其引人注意的是出现可编程特性,这使得人们可以充分利用GPU上提供的运算器来设计算法完成一定的任务。基于此,针对目前实时水波模拟的瓶颈及提倡的"解放CPU"(Offload CPU)的思想,本文对水波模拟的模型进行了研究,提出了一种基于GPU的水波模拟方法,充分利用GPU的并行运算及浮点运算能力.加快水面模拟的速度。文章给出了一定网格大小下,数量不同的点波源模拟水面的效果,并给出了单纯利用CPU和基于GPU两种方法的对比情况。     

基于GPGPU的全波形并行分解算法

针对EM(Expectation Maximization)波形分解算法具有多次迭代和大量乘、除、累加等高密集运算的特点,提出一套将EM算法在通用计算图形处理器GPGPU上并行化的方案。针对通用并行计算架构CUDA的存储层次特点,设计总体的并行方案,充分挖掘共享存储器、纹理存储器的高速访存的潜能;根据波形采样值采用字节存储的特征,利用波形采样值的直方图求取中位数,从而降低求噪音阈值的计算复杂度;最后,采用求和规约的并行策略提高EM算法迭代过程中大量累加的计算效率。实验结果表明,当设置合理的并行参数、EM迭代次数大于16次、数据量大于64 M时,与单核CPU处理相比,GPU的加速比达到了8,能够显著地提高全波形分解的效率。     

GPS信号FFT捕获的GPU实现

缩短GPS接收机冷启动时间一直是GPS领域的热点问题,而决定冷启动时间的关键是捕获速度。针对快速付里叶变换（FFT）捕获算法的并行运算特点和图形处理单元（GPU）适合于进行并行的优势,简单介绍了FFT捕获算法原理和对比了GPU与FPGA的特点,重点设计了各通道和各频点均进行并行计算的FFT捕获算法的GPU实现方案。利用实测的GPS中频数据初步验证了本文捕获方案的正确性和运行时间。试验结果表明：与基于CPU的捕获方案相比,本文的捕获方案对卫星PRN和CA码相位的捕获结果完全正确,而捕获时间大幅度缩短了。     

基于GPGPU技术快速提取数字表面模型

介绍一种基于通用计算图形处理单元（GPGPU）技术快速提取数字表面模型（DSM）的方法,探讨了使用LiDAR和摄影测量方法获取数字表面模型的不同特点,并通过分别使用CPU和GPU技术获取一个大面积山区数字表面模型的案例对比,证明了基于CUDA架构的数字表面模型提取方法是有效和可行的。