基于OpenMP的并行化水文分析算法研究与实现

水文模拟计算具有数据量较大、过程连续性较强的特点。随着数据采集技术的不断发展,大范围、高分辨率的地形数据使得传统串行算法难以满足性能要求,而并行化水文分析算法研究受到越来越多的关注。本文在对GIS空间分析算法并行化进行分析的基础上,对主要并行计算框架进行了对比,并选用OpenMP框架对水文分析若干过程进行了并行化算法的研究和实践。实验结果表明,基于OpenMP框架的并行化水文分析算法是在多核平台下进行性能优化的有效手段。     

数字高程模型(DEM)成果裁切探讨

随着计算机技术及测绘产品的不断发展,数字高程模型(DEM)已成为地理信息空间系统和"数字地球"的重要组成部分。在测绘技术蓬勃发展的今天,数字高程模型(DEM)的生产已成为各生产部门较关注的问题之一,特别是近年来数字龙江地理空间框架建设一期工程对数字高程模型(DEM)产品成果的要求有很大提高,数字高程模型(DEM)成果的裁切也显得尤为重要,本文从工作中遇到的DEM成果裁切问题入手,结合笔者多年的测绘生产经验,研讨DEM成果裁切问题。     

基于OpenMP的Li-Openshaw算法并行计算方法

随着网络地图、移动地图的发展,对地图自动综合效率的要求不断提高;并行计算技术已经在遥感图像处理、计算几何等方面显示出优势。本文尝试将地图综合算法与并行计算方法相结合,探讨地图综合算法效率提高的方法;并通过对Li-Openshaw线要素简化算法的分析,探讨了在多核处理器环境下该算法的并行计算策略,基于OpenMP实现了Li-Openshaw算法的并行计算,最后通过实验验证了基于OpenMP的Li-Openshaw线要素化简算法在效率上的提高。     

一种LiDAR点云生成格网DEM的快速算法

提出一种LiDAR点云快速生成DEM的算法。该算法首先将原始点云文件转换为点云流文件;然后对点云流文件的每个区块采用逐点内插法进行Delaunay三角剖分;最后对生成的三角网流文件进行格网划分,对每个格网点内插生成规则格网DEM。将原始点云文件转换为流文件后,可以对点云数据分块处理,处理完一个分块后即可释放内存,解决了普通计算机处理海量点云数据内存不足、效力低下的问题。     

基于MongoDB的海量空间数据存储和并行

目前在分布式环境下对于海量空间数据的存储和处理大部分是基于传统关系数据库的,对于二三维的海量空间数据存储效果不理想,其独有的关系模型制约了对海量空间数据快速访问和处理的能力。因此,分布式环境下如何利用非关系数据库和并行处理技术实现海量空间数据的高效存储和快速处理具有重要的研究意义。     

简述DEM的制作和裁切方法

本文主要以1:10000局任务DEM为例,详细阐述了DEM分别在航天远景(MapMatrix)和ArcGIS制作和裁切过程,并且通过实际操作及工作中的经验分析了两个软件在制作裁切DEM过程中需要注意的一些问题及优缺点。     

海量数据CDT快速建立及其实时更新

对海量地形数据快速整体CDT生成、实时更新等算法进行了研究，并在AutoCAd环境下研制了公路数字地面模型软件BID－Land,实现了与公路CAD的集成。190多公里国家重点公路工程勘察设计中的实际应用表明，程序算法具有很强的实用性、极高的效率和良好的地形模拟精度。     

基于OpenMP的高分三号数据并行转换算法

高分三号是我国首颗民用C波段多极化合成孔径雷达卫星。PolSARpro是欧空局支持下的一款极化SAR图像处理的开源软件,为了方便利用该软件处理高分三号数据,本文提出了一种基于OpenMP并按照PolSARpro软件的数据格式要求进行并行转换的算法,实现将高分三号极化数据快速精确转化为复数散射矩阵S2数据格式,并且通过KingMap V8.0平台实现了该算法并在实际数据中进行测试,验证了算法的可行性、高效性和正确性。     

基于ArcGIS的标准分幅裁切新方法

数据裁切是数据生产过程中相当重要的一个环节,也是耗时较长的一道工序。本文介绍了一种基于ArcGIS的简单实用的数据裁切新方法,可以进行批量生产,具有快捷、简单、实用的特点。     

基于格网重构等高线的DEM精度评估

基于重构等高线,本文提出了一种新的DEM精度指标-原始等高线与重构等高线间的面积差与原始等高线长度之比,研究基于重构等高线的DEM精度评估,评价DEM与实际地形吻合的情况。     

一种面向海量数字高程模型数据的洪水淹没区快速生成算法

常见种子点填充算法在实现DEM数据下的洪水淹没区生成时,具有难以处理大数据量以及过多的递归计算易导致算法效率较低等缺点。针对此问题,本文提出一种面向海量DEM数据的洪水淹没区生成算法分块压缩追踪法,该算法采用条带分块和实时栅格压缩存储技术,以解决海量地形数据下的淹没分析计算问题。最后,通过将本算法与常见种子点填充算法和分块种子点填充算法进行了对比测试,实验结果表明本算法不仅较好地解决了海量DEM数据下的洪水淹没区生成问题,与常规种子点填充算法和分块种子点填充算法相比亦具有较高的计算效率。     

一种采用OpenMP技术的3DGIS并行绘制模型

针对海量3DGIS数据绘制计算量大、耗时长的特点,在多核计算和程序设计的基础上,利用OpenMP并行开发技术设计了多核3DGIS并行绘制模型。此模型利用3DGIS数据的可并行性特征,充分利用计算机的多核计算资源,通过派生出多个同步线程对3DGIS非相关数据进行并行绘制,并采用OSG渲染引擎进行可视化。结合三维城市场景实例验证了多核并行绘制所带来的计算加速比。     

一种基于GPU的DEM并行插值算法

采用Open CL框架下的CPU/GPU平台,借助GPU在并行浮点运算方面的巨大优势,提出了DEM并行插值算法;同时以反距离加权插值算法为例,分析了传统插值算法和并行插值算法之间的优缺点与适应性。最后,通过对比实验对两类算法进行了比较。实验表明,当插值点数较少时,GPU并行插值算法效率低于传统算法;然而,当插值点数很高时,并行插值算法的计算效率较传统插值算法有了显著提高,加速的效果甚至高达137倍。实验证明GPU并行插值算法具有很强的可行性。     

基于多核CPU的大规模DEM并行三维渲染

采用数据分块进行地形数据组织,基于缓存策略进行数据调度,对各地形块采用四叉树LoD(level of detail)的细节简化算法,利用多核CPU的计算特性实现四叉树LoD的并行生成,在动态构造地形三角网后,让不同的CPU核心负责不同地形区域以实现并行渲染,基于OpenMP及OpenThreads建立原型系统。实验结果表明,并行化渲染具有明显的性能优势。     

顾及粒度控制的格网DEM洼地和平坦区预处理并行算法

针对现有格网DEM洼地和平坦区处理并行算法进行数据处理时未考虑并行粒度等问题,在分析了洼地和平坦区处理串行算法的基础上,基于消息传递接II并行化工具,构建了顾及粒度控制的格网DEM洼地和平坦区处理并行算法。在配置Linux操作系统的集群环境卜,利用不同大小的DEM数据,测试了算法的并行性能,结果表明:顾及粒度控制的并行M&V算法可以在任意并行粒度卜完成计算任务,具有较好的并行性能。而且,对于某一给定的DEM数据,存在一个合适的并行粒度使得M&V算法的并行性能最佳。     

云环境下海量空间矢量数据并行划分算法

空间数据划分是空间大数据索引方法及其数据存储的重要组成部分。针对Hadoop云计算平台在空间数据划分及其存储方面的不足,提出了基于Hilbert空间填充曲线的海量空间矢量数据并行划分算法。在数据划分阶段,充分考虑空间数据相邻对象的空间位置关系、空间对象的自身大小以及相同编码块的空间对象个数等影响因素;通过“合并小编码块,分解大编码块”的划分原则,实现了云环境下海量空间矢量数据的并行划分算法。试验表明,该算法不仅能够提高海量空间矢量数据的索引效率,同时也能够很好地解决空间矢量数据在Hadoop分布式文件系统（Hadoop distributed file system,HDFS）上的数据倾斜问题。     

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。