文档名：基于CUDA的DEM特征点提取并行算法
由于栅格DEM本身受采样误差和网格分辨率制约,且TIN的三角点、边以及拓扑关系结构较为复杂,传统的串行方法针对规则格网DEM数据直接插值成不规则三角网TIN,计算量大,其综合方法均受到限制,与DEM的高实时性处理需求具有突出矛盾.这严重制约了DEM可提供信息的高时效性及其更广泛的应用,该问题亟待有效解决.由GRID构建TIN最耗时也是最重要的一步就是特征点的提取,GPU比较适合处理大数据量、高并行性、低数据耦合、高计算密度、固定化流程的问题,而这正是DEM特征点提取的特点.目前更多的是针对图像及图片的特征点提取加速并行算法,以及针对地形特征的DEM的特征提取算法,比如坡度坡向等,还没发现有其他任何把GPU直接用于GRID生成TIN的特征点提取算法.现有的DEM特征点提取方法在效率和时间上都无法满足当前的需要,为解决算法时间过长及效率低下的瓶颈问题,因此本文通过研究已有串行算法的基础,结合并行技术一CUDA,提出一个新的基于CUDA的DEM特征点提取并行算法.针对典型DEM特征点提取方法中的VIP算法,对其串行算法进行并行性分析,然后对串行算法进行并行改造,并在每个阈值设置下,测试其算法精度及算法的加速比.研究结果表明,相对于串行方法,本文的方法在典型DEM特征点提取上具有很高的加速比,经过优化的VIP算法加速比可以达到13.2.
作者：曾菲 卢倩倩 杨帆
作者单位：西安测绘信息技术总站,西安710054随州市规划局,随州441300
母体文献：中国感光学会2017年学术年会暨第九届五次理事会论文集
会议名称：中国感光学会2017年学术年会暨第九届五次理事会
会议时间：2017年8月1日
会议地点：昆明
主办单位：中国感光学会
语种：chi
分类号：TP3TN9
关键词：数字高程模型 特征点提取 并行算法 统一计算设备架构
在线出版日期：2020年10月26日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.79 MB
- 下载次数:
- 60
-
高速下载
|
|
