混合并行框架下LiDAR点云插值生成DEM
空间插值作为GIS空间分析的一项重要技术,传统串行空间插值算法已经难以满足海量空间数据分析的效率要求.借助并行计算技术加速海量空间数据分析已成为当前地理信息科学发展趋势之一.基于多核CPU或众核GPU的并行插值技术已经可以为海量数据空间插值带来成倍的效率提升. 本文以薄板样条插值算法(Thin Plate Spline)为例，在分析CPU-GPU异构平台协同计算现状的基础上设计并实现了一种混合并行空间插值框架。该框架首先对LiDAR点云数据进行空间剖分，将大规模数据化整为零，形成众多相互重叠的子数据块，然后利用多线程主动抓取数据块并交给GPU和CPU执行并行插值计算。实验结果表明，在配备了Intel(R)Xeon(R)E5-2620和NVIDIA Tesla C2050的高性能计算机上，本文设计的混合并行框架能在0.5小时内完成0.59亿个点的空间插值并输出一幅大小为10254*9452的栅格DEM，相比串行CPU方法实现了最大约15倍的加速比，相比仅使用多核CPU和GPU的方法，其性能提升分别可达36％和64%，充分证明了该框架的高效性。
激光雷达 点云数据 空间插值 混合并行框架 薄板样条插值算法 数字高程模型
王鸿琰 关雪峰 吴华意
武汉大学测绘遥感信息工程国家重点实验室,武汉,430079
国内会议
徐州
中文
50-50
2014-10-11（万方平台首次上网日期，不代表论文的发表时间）