栅格探测／矢量计算法实现矢量数据求交的进一步改进

栅格探测／矢量计算法是GIS矢量数据求交中效率较高的算法之一。本文从节约存储空间、提高运算速度角度出发，在矢量栅格化过程中借鉴栅格数据压缩的游程编码法的思想，从而实现较大规模矢量数据求交。文中不仅描述了该方法的基本思想，还给出了具体的实现步骤和有关试验结果。     

改进的边标志栅格化算法

矢量多边形的栅格化算法是地理信息系统的基础算法之一。本文通过分析比较,认为边标志算法于众多栅格化算法中最为适合地理信息系统,并通过简化边界标志过程进行了改进,使得处理流程更为简单清晰,实现更为方便,算法更为精确有效。该改进算法使用统一的相加方法进行边界标志,无需对特殊顶点、尖锐多边形、带岛多边形等进行判断和边界转换,便可一次性正确标志,且无需顾及多边形边的存储顺序,更加适合地理信息系统矢量多边形的数据结构。     

CUDA和OpenCV图像并行处理方法研究

CUDA架构与传统GPU通用计算相比,编程更简单、应用领域更广泛,将CUDA架构引入到图像处理中可以提高图像的处理效率。本文提出了一种基于CUDA和OpenCV的图像并行处理方法,实现了图像二值化以及融合,经实验结果表明基于该方法可以提高图像处理效率;将该方法集成到MFC框架,能够应用到实际工程开发领域。     

基于栅格化思想的矢量电子地图几何变化检测

在检测不同版本矢量电子地图的变化时,通常采用要素遍历、坐标比较的方法,这种方法计算速度慢、效率较低。针对这一不足,提出一种基于栅格化思想的矢量电子地图几何变化统计比较检测方法(SCAG),即利用矢量电子地图进行栅格化处理时构造的统计数据对点、线、面等形状地物的几何变化进行变化统计分析和要素快速检测,其计算量比遍历的方法显著减少,效率提高。最后通过实验验证了SCAG检测方法的可行性、合理性和高效性。     

基于绘制-检出的矢量数据栅格化方法研究

对于前人提出但未被重视的绘制-检出栅格化方法进行了阐述,给出了其实现步骤与关键语句,并赋予其一个新的名称——基于绘制-检出的矢量数据栅格化方法。对该方法实现中的一些技术问题,如正确性、精度、内存位图大小限制、分块栅格化、栅格化效率等问题进行了深入的探讨。笔者认为,该方法可以成为一种普适的工业方法。     

贵州喀斯特山区矢量数据栅格化最佳尺度选择

针对GIS空间数据尺度效应问题,通过对贵州喀斯特山区的矢量数据栅格化最佳尺度选择研究,提出研究对象的复杂性、空间分析与制图的精度要求和实际运算效率是影响尺度选择的最主要因素,进行多要素、综合性的空间分析时,25 m～30m的栅格数据是最合适的转换尺度。     

GIS中面状要素矢量栅格化的面积误差分析

在探讨矢量栅格化的几种形式和产生误差原因的基础上,系统分析在面状要素矢量栅格化的误差分析方法研究方面所取得的进展,指出当前分析方法存在的主要问题,并提出利用结构性栅格数据进行面状要素矢量栅格化的误差分析方法,然后以土地利用数据的栅格化为例进行实证研究。研究表明,常规分析方法很大程度上低估了栅格化的误差,因为没有充分考虑栅格化误差存在空间上的"此消彼长"现象。建议采用结构性栅格数据来改善栅格化误差分析,对误差作基于格网的量化计算,并标记在单元格上。它能有效地区分"此消"与"彼长"导致的误差,使面状要素栅格化的误差分析更加全面、客观、准确,且容易进行误差的量化分析与表示。     

机器人栅格地图编码与索引方法

机器人的感知、行动及空间推理决策等与所处环境息息相关,需要各种类型的环境模型来帮助机器人认知环境。当前机器人领域主要聚焦于实时感知、环境建模与路径规划的研究,少有环境模型管理的相关研究成果。文中以机器人环境模型管理作为研究切入点,着重研究机器人栅格地图的形式化描述及栅格编码与索引方法,规范栅格地图的表达形式并实现栅格地图的高效编码索引与联动更新,最后通过实例验证文中方法的可行性。     

A Parallel Scheme for Large‐scale Polygon Rasterization on CUDA‐enabled GPUs

This research develops a parallel scheme to adopt multiple graphics processing units (GPUs) to accelerate large‐scale polygon rasterization. Three new parallel strategies are proposed. First, a decomposition strategy considering the calculation complexity of polygons and limited GPU memory is developed to achieve balanced workloads among multiple GPUs. Second, a parallel CPU/GPU scheduling strategy is proposed to conceal the data read/write times. The CPU is engaged with data reads/writes while the GPU rasterizes the polygons in parallel. This strategy can save considerable time spent in reading and writing, further improving the parallel efficiency. Third, a strategy for utilizing the GPU's internal memory and cache is proposed to reduce the time required to access the data. The parallel boundary algebra filling (BAF) algorithm is implemented using the programming models of compute unified device architecture (CUDA), message passing interface (MPI), and open multi‐processing (OpenMP). Experimental results confirm that the implemented parallel algorithm delivers apparent acceleration when a massive dataset is addressed (50.32 GB with approximately 1.3 × 10⁸ polygons), reducing conversion time from 25.43 to 0.69 h, and obtaining a speedup ratio of 36.91. The proposed parallel strategies outperform the conventional method and can be effectively extended to a CPU‐based environment.     

基于CUDA的核线影像并行生成技术

在现场直播式地理空间信息服务体系要求的背景下,提出一种快速的核线影像并行生成技术,该技术采用基于CUDA的GPU—CPU协同处理方法,并充分考虑到GPU的并行结构和硬件特点。基于NVIDIA Quadro Fx580显卡对1500像素×2300像素大小的灰度图像进行试验,试验结果表明,相对于串行方法本文方法获得了优于10倍的加速比。     

CUDA环境下地形因子的并行计算

为了满足栅格数据空间分析的高性能计算需求,本文以坡度计算为例,提出在CUDA环境下将串行地形因子算法进行并行优化的方法:根据地形因子计算过程中无数据相关性,适合进行数据并行计算的特点,将CPU上可以并行执行的计算任务通过CUDA并行处理机制映射到GPU线程块上,从而提高计算效率。试验测试了不同栅格规模下串行算法和并行算法的执行时间差异,测试结果表明,并行地形因子算法的性能明显优于串行算法,在网格规模为12800×11200时,获得最高串-并加速比24.39。     

基于CUDA的高效并行遥感影像处理

近年来,随着空间遥感技术的发展,使得遥感影像数据呈几何级数增长,遥感影像的处理面临数据量大、密集度高、计算复杂度高和运算量大等问题。在分析最新GPU（图形处理单元）的并行架构和统一计算设备架构（CUDA）灵活的可编程性的基础上,提出了一种基于CUDA的遥感影像的高效处理方法,以遥感影像处理中常用的快速傅里叶变换、边缘检...     

并行化矢量多边形叠加算法研究

正空间数据规模的快速增长对传统地学分析方法提出了更高的计算效率和处理规模要求。作为核心的空间分析算法之一,矢量多边形叠加分析具有典型的高算法复杂性和计算密集性特征。随着计算机硬件和软件技术的进步,并行计算为提高多边形叠加分析的计算效率,扩大问题处理规模提供了有效手段。研究面向新型计算架构的多边形并行叠加分析算法对完善高性能GIS理论研究和实现方法,提升传统地学分析算法的计算效率具有重要的理论价值和实践意义。本论文针对多边形非拓扑叠加算法的并行化问题,在多种高性能计算环境下解决了     

矢量化多边形优化方法

从地理空间数据不确定性理论出发,提出了矢量化多边形的优化方法。该方法通过对矢量多边形进行"磨角插值"和基于可接受域限定的自适应滤波平滑处理,以此来削弱由空间数据表示不确定性造成的误差,使矢量化多边形最大限度地逼近地理实体真实轮廓。采用基于全局阈值的DP算法进行压缩处理,消除了数据冗余。从压缩比、位置误差及处理效率3个方面进行对比实验,验证了所提方法的有效性。     

基于Polygon之间相互切割的算法描述与实现

在地理信息系统(GIS)或一些图形处理中,经常会碰到地理图形切割,以及对切割后的数据进行处理。文章主要讨论了由Polygon切割Polygon生成Polygon算法的现实意义,以及如何实现切割后的Polygon自动生成算法的问题。     

基于云计算的空间矢量数据并行处理

研究了提高空间矢量数据运算效率的分布式并行处理方法, 基于微软Azure云平台设计了适用于矢量数据并行处理的3种架构方式:中心负载均衡架构、分布式静态负载均衡架构、分布式动态负载均衡架构, 并分别搭建原型系统对小规模偏态分布数据和大规模数据进行叠置分析测试。试验结果表明, 基于Azure云的分布式动态负载均衡架构版本原型系统可大幅度提高计算效率, 对小规模偏态分布数据集可以达到超过10倍的加速比, 对大规模数据集的分析计算更是达到了超过40倍的加速比, 证明基于Azure云的分布式动态负载均衡架构方法是提高空间矢量数据分析效率的有效方法。     

基于ArcGIS Python的地表覆盖栅格化技术

为提高地表覆盖栅格化的生产效率,对地表覆盖数据栅格化处理技术进行了研究。介绍了一种基于ArcGIS Python脚本编程的地表覆盖栅格化技术;并以福建省2016年基础性地理国情监测数据为例,验证了该技术实现地表覆盖数据批量自动栅格化的可行性。