基于GPU的HASM动态模拟与实时渲染方法

 基于微分几何曲面论的高精度曲面模拟(high accuracy surface modeling, HASM)需要大量的复杂密集计算,在CPU上模拟极为耗时,使得在现有的硬件条件下,实时动态模拟曲面并实时可视化极具挑战性。论文提出了GPU加速的HASM方法,充分利用现代显示适配器(graphic processor unit, GPU)技术,运用GPU最新发展起来的并行计算能力,使用并行化的预处理共轭梯度方法解算曲面,完成曲面模拟,并同时利用GPU的高速缓存架构,对渲染操作进行充分优化,以实现高效实时可视化。HASM需要的有限差分离散和高速解算操作,均充分利用现代GPU架构,所具有的多处理器和众多的流处理器所产生的强大并行计算能力,可视化也用GPU高速缓存技术和三角条带方法进行充分优化。数值实验和实际项目区高程模拟实验均表明, 在GPU为NVIDIA quadro 2000和CPU为DualCore Intel Core 2 Duo E8400的硬件配置下,GPU并行化的曲面模拟方法比普通方法速度提高了约10倍,使得动态模拟与可视化算法可以达到交互式的帧速及实时可视化的要求。     

一种综合考虑采样点水平和高程误差的DEM建模算法

为了降低采样点水平和高程误差对数字高程模型（digital elevation model,DEM）建模精度的影响,受总体最小二乘算法启发,以较高精度的多面函数（multiquadric function,MQ）为基函数,发展了整体最小二乘MQ算法（MQ-T）,并分别借助数值实验和实例分析验证模型计算精度。数值实验中,以高斯合成曲面为研究对象,设计了受不同误差分量影响的采样数据,借助MQ-T曲面建模,并将计算结果与传统MQ进行比较。结果表明,当采样点仅受高程误差分量影响时,MQ-T计算结果精度与MQ相当;当采样数据受水平误差分量影响时,MQ-T计算结果中误差小于MQ中误差。实例分析中,以全站仪获取的采样数据为研究对象,借助MQ-T构建测区DEM,并将计算结果与传统插值算法进行比较,如反距离加权（inverse distance weighted,IDW）法、克里金（Kriging）法和澳大利亚国立大学DEM专用插值软件（（Australian National University DEM,ANUDEM）法。精度分析表明,随着采样点密度降低,各种插值算法精度逐步降低;不管采样密度多少,MQ-T计算精度始终高于传统插值算法;对山体阴影图分析表明,MQ-T相比Kriging法有一定峰值削平现象。     

HASM解算的2维双连续投影方法

基于曲面论原理的高精度曲面建模方法（HASM）解决了长期困扰地理信息系统界的误差问题,但使用该方法需要求解大规模线性方程系统导致其计算效率较低并限制了其广泛应用。为提高HASM线性系统的解算速度和精度,本文基于二维双连续投影提出了一种解算HASM的新方法（HASM-DSPM）。为了提高收敛速度和解算精度,该方法采用选取优化的投影空间和两次校正策略。理论分析表明,使用该方法比使用高斯赛尔方法（Gauss-Seidel, GS）和改进的高斯赛德尔方法(Modified Gauss-Seidel, MGS)效率明显提高。分别用本文引入的方法、高斯赛德尔方法和效率较高的MGS方法分别进行了HASM方程组的解算,并对高斯合成曲面和实际项目区模拟进行了模拟试验。结果表明,和GS、MGS方法相比,本文提出的HASM-DSPM解算方法无论收敛速度和计算时间都有明显改善。