一种快速有效的大数据区域网平差方法

针对摄影测量影像来源多样化、复杂化、大数据化等趋势,传统区域网平差算法在应对当前复杂多变的数据来源,矩阵排列毫无规律的法方程结构以及大数据量带来的高内存需求和低计算效率等问题上,遇到了前所未有的挑战,为了解决上述难题,本文引入了预条件共轭梯度法以及不精确牛顿解法求解区域网平差过程中的法方程,同时使用一种块状法方程系数矩阵压缩存储格式,构建了全新的区域网平差技术流程。本文方法避免了直接对法方程系数矩阵的求逆,压缩了法方程系数矩阵所需的内存空间,使得本文算法比传统算法所需计算机内存空间大幅减少,平差计算速度明显提升,同时保证了计算精度与传统方法相当。初步试验证明,本文方法对4500张影像、近900万像点数据的平差计算在普通电脑上仅需要约15min,且计算精度达到子像素级。     

LM算法在稀疏矩阵光束法区域网平差中的应用

通过介绍光束法区域网平差的误差方程和法方程的建立,针对解算法方程的算法进行了对比分析。针对高斯牛顿法在解算非线性模型最小化中存在的问题,提出将LM算法应用于非线性模型的最小化解算,并通过算例验证了LM算法的优越性。为了提高区域网平差的效率和实用性,相对于传统LM算法解算的稠密性,提出了在LM算法中采用稀疏矩阵的方法来解算光束法区域网平差的法方程,验证了将LM算法应用于稀疏矩阵光束法区域网平差的可行性。     

基于稀疏矩阵技术的光束法平差快速算法设计

首先给出光束法平差法方程式及其改化形式的一般化公式,并说明各系数矩阵的实际意义,从而可以方便地借助稀疏矩阵技术直接组建并存储各系数矩阵。其次,详细介绍如何设计一种可行的、高效的,集一般的光束法区域网平差、多片空间后方交会、多片前方交会和自由网平差于一体的快速平差算法。最后通过多组数据说明算法的可行性和高效性。     

无人机遥感影像大规模光束法平差快速解算

为实现对无人机遥感影像大规模光束法区域网平差的快速解算,采用逐点消元法并利用分块稀疏矩阵保存消元后的法方程,以减少内存的使用量;利用预处理共轭梯度算法实现快速解算,利用OpenMP技术实现预处理共轭梯度迭代计算多核并行处理。结果表明,将消元法和预处理共轭梯度算法用于无人机遥感影像大规模光束法区域网平差解算,既可节省内存,又可提高计算效率。     

利用垂线偏差计算高程异常差法方程的快速构建方法

利用垂线偏差等重力格网数据平差计算高程异常差时,施加少量GPS/水准点进行控制,可以确定区域似大地水准面,但是采用传统方法在构造法方程时,需要对系数阵的每个元素逐一进行操作,并全部或者对角存储系数阵,具有计算速度慢、占用内存高等问题。为此提出了在平差解算中对系数阵先进行矩阵分块(操作单元为分块矩阵),再稀疏化处理(仅存非零元素),最后拼接的方法,实现了法方程阵的快速构建及解算。实验表明,相比于传统方法,该方法的计算效率提高了至少两个数量级,并且可快速解算传统方法在一般计算机上难以解算的平差问题,对于解算比较规则的格网数据平差问题具有一定的参考与借鉴意义。     

总体最小二乘用于线阵卫星遥感影像光束法平差解算

顾及像点观测方程的系数矩阵中存在随机误差,提出了基于总体最小二乘的线阵卫星遥感影像光束法平差模型。在假定像点观测误差和系数矩阵误差均为独立、等精度分布的基础上,利用拉格朗日条件极值法推导了包含外方位元素虚拟观测方程和控制点误差方程的总体最小二乘光束法平差算法的具体公式和计算方法。该方法利用方差分量估计确定各类虚拟观测值的方差,可求解包含多类虚拟观测量的平差问题,并可用先验信息或岭迹法确定系数矩阵观测值的权比例系数,从而克服了现有总体最小二乘虚拟观测方法不能处理多类虚拟观测值的不足,确保了光束法平差可正确有效求解。分别利用模拟算例与两组真实影像进行了试验验证。结果表明,相比于常规最小二乘虚拟观测法以及现有总体最小二乘虚拟观测方法,本文方法具有更高的求解精度与适应性。相较于传统线阵卫星遥感影像光束法平差方法,本文方法可以获得更高的平差计算精度。     

导线网间接平差算法分析与实现

本文基于间接平差模型,定义了导线网平差程序设计中数据格式,分析了近似坐标自动概算、误差方程构建以及法方程生成3个关键问题,给出了构建法方程的两种方法:基于误差方程系数矩阵B、常数项矩阵L及权阵P的间接法与逐观测值法化的直接法。结合定义的数据格式,设计了近似坐标自动概算与法方程生成的程序实现算法,用实例验证了算法的正确性及可行性,并对两种方法在计算中所耗费的计算资源进行了分析。     

大序列无人机影像畸变差快速修正方法

分析了数字影像畸变差修正模型与GPU并行计算技术,提出一种大序列无人机影像畸变差快速修正方法。通过GPU线程格网选择配置与多层次性存储等优化措施,本方法较传统CPU串行算法效率提升了6.25倍,节约了大序列无人机影像的畸变差修正的时间。     

基于附加参数模型的自检校光束法区域网平差算法运行结果对比

像点偏移是影响光束法区域网平差结果精度的主要因素之一。克服平差过程中像点偏移的影响,以提高区域网平差精度,一直受到业界高度重视。当前,克服像点偏移的常规做法是借助特定的参数模型对其进行描述,构建基于附加参数模型的自检校光束法区域网平差模型,在区域网平差的同时求解引入的参数,进而实现对系统误差的补偿。Bauer模型、Ebner模型、Brown模型、光学畸变模型是现有算法中描述像点偏移的常用模型。为了对上述4种模型的系统误差进行验证,本文首先在经典的光束法区域网平差模型基础上分别设计了与4种模型相对应的自检校光束法区域网平差模型,并予以编程实现;然后通过实例对上述4种模型的算法运行结果进行了验证、比较及分析。试验结果表明,Ebner模型和Brown模型的引入可有效提高光束法区域网平差的精度;Bauer模型的引入对小型区域网平差精度的提升更加有效;光学畸变模型的引入对区域网平差结果的精度提升作用相对较小。     

空中三角测量中像片连接点拓扑关系的矩阵表示算法及应用研究

主要研究了空中三角测量中像片及像片连接点拓扑关系的矩阵表示算法及其应用。像片连接点自动匹配和区域网平差是空中三角测量的主要内容,像片及像片连接点的拓扑关系是自动匹配和区域网平差高效处理的关键。据此,从导航GPS数据生成的航线图出发,提出并研究了基于8邻域算法的像片连接点矩阵生成方法,完成了用二维矩阵表示像片连接点点号和点名,并通过该矩阵完成了像片连接点自动匹配中同名像点自动查找和区域网平差中地面加密点自动查找的方法。研究成果对于提高自动空中三角测量存储效率和区域网平差速度有积极意义。     

一种无人机影像实时增量平差镶嵌算法

当前无人机已成为空间信息获取的重要手段,可作为航空摄影测量系统的有益补充。但无人机数据量大、姿态稳定性差、排列不规则等缺点给快速处理带来较大难题。本文利用运动恢复结构SFM方法中的增量平差技术,借助初始POS实现无人机影像的快速实时处理,并利用GPU技术对平差后影像进行实时纠正和虚拟镶嵌展示。试验表明,增量平差和实时纠正镶嵌技术能大大缩短影像处理时间,可满足灾害应急响应时对影像进行实时处理、快速获取现场灾情信息的需求。     

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。     

GPU-CA模型下的溃坝洪水演进实时模拟与分析

基于元胞自动机(CA)的局部并行计算特性和统一计算设备架构(CUDA)并行计算架构,提出了GPU-CA的溃坝洪水演进计算模型,重点探讨了溃坝洪水演进元胞自动机模型、GPU模型映射、计算优化、CPU/GPU协同的溃坝洪水演进模拟与分析等关键问题,研发了原型系统,并选择了案例进行初步试验。试验结果表明,在保证溃坝洪水演进模拟结果有效性的情况下,与基于CPU-CA串行计算模式相比,基于GPU-CA的溃坝洪水演进模型计算可提高计算效率,加速比随着元胞格网分辨率的提升而增加,当元胞格网的大小为10m时,模型计算效率的加速比可以达到15.9倍,可支持实时溃坝洪水演进模拟分析与风险评估。     

一种面向CPU/GPU异构环境的协同并行空间插值算法

CPU/GPU异构混合系统是一种新型高性能计算平台,但现有并行空间插值算法仅依赖CPU或GPU进行加速,迫切需要研究协同并行空间插值算法以充分利用异构计算资源,进一步提升插值效率。以薄板样条函数插值为例,提出一种CPU/GPU协同并行插值算法以加速海量激光雷达（light detector & ranger,LiDAR）点云生成数字高程模型（DEM）。通过插值任务的分解与抽象封装以屏蔽底层硬件执行模式的差异性,同时在多级协同并行框架基础上设计了Greedy-SET动态调度策略,策略顾及底层硬件能力的差异性,以实现异构并行资源的充分利用和良好负载均衡。实验表明,协同并行插值算法在高性能工作站上取得19.6倍的加速比,相比单一CPU或GPU并行算法,其效率提升分别达到54%和44%,实现了高效的协同并行处理。     

一种利用GPU加速的轨迹线热力图生成显示方法

为解决大数据量带来的热力图生成效率低的问题,引入基于图形处理器(graphic processing unit,GPU)的并行计算方法,并结合轨迹线模型,提出了一种利用GPU加速的轨迹线热力图生成显示方法。首先,针对轨迹点分布不均、邻域半径设置不合理等条件下产生的热力值不连续、不均等问题,采用轨迹线模型提升了热力图的效果。其次,针对大规模数据计算产生的热力图生成效率低的问题,通过GPU并行计算并配合内核函数参数调优、循环展开、像素缓冲对象显示等策略大幅提升算法计算效率。实验结果表明,所提方法较传统的基于中央处理器（central processing unit, CPU）的方法计算效率提升了5~30倍,且随着图像分辨率和轨迹数据的增加,算法加速比有逐步上升的趋势。     

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。     

GPS辅助光束法平差的理论精度

采用一组带ＧＰＳ导航数据的实际航摄资料,通过平差计算出精度矩阵Ｑｘｘ的数值,对ＧＰＳ辅助光束法平差的理论精度变化规律进行了全面讨论。以此为基础,从理论上给出最佳区域网的大小、地面控制点的布设等实用技术要求。此外,还探讨了ＧＰＳ用于单航线航空摄影测量加密的可行性和具体实施方案。     

云计算核心技术分布式计算及应用于地理国情普查的思考

分布式计算源于并行计算。并行计算是同时使用多种计算资源,执行多个指令,协同解决大规模计算问题的过程。分布式计算是把一个需要巨大计算能力才能解决的问题分解成许多小的部分,然后,将其分配给许多计算机去处理,最后,把这些计算结果综合起来以服务用户。采用分布式计算的工作方式,其可用性和系统容错能力明显提高。在地理国情普查中,对地表覆盖影像分割时,利用分布式计算技术,既可提高分割的正确率,又可提高分割速度。利用分布式计算方法,还可以更好地解决地理国情大数据存储和文件处理,以及动态调整、协议和应用接口访问等诸多服务问题。     

局部地形改正快速计算的GPU并行的棱柱法

在重力归算中,局部地形改正在重力勘探、地壳结构分析和大地水准面计算等领域有着重要意义,但严格棱柱体积分公式计算效率低,而快速计算公式则会降低计算精度。本文利用CUDA并行编程平台,提出一种地形格网重新编码和严格棱柱体积分八分量拆解方法,实现了基于CPU+GPU异构并行技术的严格棱柱体积分计算地形改正快速并行算法,克服了GPU各个线程计算任务分配和线程计算超载问题,解决了局部地形改正的高分辨率、高精度严密公式的快速计算难题。通过试验,在显卡型号为Tesla V100的计算机上进行4°×6°范围,积分半径40'和分辨率1'的局部地形改正计算仅需1.5 s;分辨率10″的局部地形改正计算仅需14.6 min;进行分辨率3″的地形改正计算耗时45.7 h,而传统串行算法则难以完成计算。在保证微伽级以上计算精度的条件下,计算加速比最高达到850倍以上,有效缩短了计算耗时,提高了计算效率。本文还依据上述并行算法对全国范围地形改正量进行计算。结果表明,我国地形改正量普遍低于80 mGal（1 Gal=10^-2 m/s²）,平均值1.83 mGal,最大值达到196 mGal。