基于CPU/GPU的混合地形数据并行可视化方法研究

摘要

三维地形可视化技术作为三维地理信息系统(3D GIS)的重要研究方向之一，受到人们的广泛关注。传统大规模地形可视化系统通常采用规则格网(GRID)结构的数字高程模型(Digital Elevation Model)为数据基础表达三维地形，其数据结构简单但表达精度受地形特征影响较大，表达结果具有削峰填谷的“平滑”特征。而不规则格网模型（Triangulated Irregular Networks）可以保留地形特征，弥补规则格网的不足。由于大范围三维地形数据量庞大以及计算机硬件性能的制约，三维可视化时较难将地形数据一次性载入内存并参与渲染。与此同时，随着高性能计算软硬件的发展，并行计算技术为大范围地形可视化提供了新的软硬件技术基础。
　　基于以上背景，本文对于大范围的、具有高精度要求的地形三维可视化，采用嵌入矢量特征数据的不规则格网数据结构与规则格网结构相结合进行表达。以具有多核CPU与高性能计算GPU的计算机为实现平台，从大规模混合地形数据的实时动态简化算法、地形的并行渲染方法以及混合地形场景的组织调度方法等方面出发进行了探讨与研究。
　　研究内容和主要成果包括以下几个方面:
　　1)GRID/TIN混合地形数据连续动态简化算法
　　研究了基于GRID/TIN混合结构地形的视点相关地形动态简化算法。以一定误差阈值为约束，采用视点依赖算法对混合地形格网进行实时简化，通过降低地形场景复杂度提高渲染效率。
　　(1)混合地形的并行可视化方法
　　研究了针对矢量与栅格融合后的GRID/TIN混合结构表达的地形的并行可视化方法。利用多核CPU与高性能GPU并行计算加速特性各自的优点，将渲染过程中部分计算过程并行化，从而降低在计算时间上的消耗，进一步提升绘制速率。
　　(2)混合地形数据组织与调度
　　针对混合地形中GRID与TIN瓦片结构特点，设计了混合地形数据的内外存组织方法，以及基于多级缓冲的多线程分块数据预取调度机制。
　　结合研究内容，本文采用一种基于混合地形数据的并行可视化方法。该方法将分块地形数据以文件形式存储在外存，以基于多级缓冲的多线程调度技术进行数据读取。在地形渲染中，结合多核CPU对混合地形采用基于ROAM(Real-time Optimal Adaptation Mesh)和PM(Progressive Mesh)改进的并行简化算法进行地形实时简化，同时运用视锥体剪裁技术以及基于GPU通用计算的光照算法进一步提升可视化效率。并采用嵌入公路特征线的庐山5米分辨率混合DEM数据进行了实验。通过对实验结果的验证和分析，证明本文方法能够有效提高混合地形场景的实时渲染效率，实现混合地形的高效实时漫游。

目录

声明

论文说明

摘要

图目录

表目录

第一章 绪论

1．1 研究背景与意义

1．1．1 研究背景

1．1．2 研究意义

1．2 国内外研究现状及其分析

1．2．1 地形简化方法研究现状

1．2．2 地形并行渲染研究现状

1．2．3 地形数据组织与调度研究现状

1．2．4 研究现状分析

1．3 研究目标、内容和拟解决的关键问题

1．3．1 研究目标

1．3．2 研究内容

1．3．3 拟解决的关键问题

1．4 研究方法和技术路线

1．4．1 研究方法

1．4．2 技术路线

1．5 论文的组织结构

1．6 本章小结

第二章 大规模三维混合地形并行可视化基本原理与方法

2．1 地形LOD技术基本原理与方法

2．2 CPU与GPU并行计算架构

2．2．1 多核CPU并行计算架构

2．2．2 众核GPU并行计算架构

2．2．3 CPU架构与GPU架构对比

2．3 三维地形数据组织与调度

2．4 本章小结

第三章 GRID／TIN混合地形并行简化方法

3．1 GRID／TIN混合地形组织结构

3．1．1 GRID／TIN融合数据

3．1．2 地形瓦片拓扑关系的构建

3．2 基于ROAM的GRID地形并行简化方法

3．2．1 算法概述

3．2．2 数据结构

3．2．3 误差控制

3．2．4 裂缝处理

3．2．5 算法并行化分析

3．2．6 算法实现过程

3．3 基于PM的TIN地形并行简化方法

3．3．1 算法概述

3．3．2 PM算法详述

3．3．3 折叠代价计算

3．3．4 数据结构

3．3．5 算法改进

3．3．6 算法并行化分析

3．3．7 算法实现流程

3．4 裂缝消除

3．5 本章小结

第四章 GRID／TIN混合地形场景组织调度与并行加速渲染方法

4．1 地形数据外存组织方法

4．1．1 地形数据外存方法

4．1．2 地形数据组织方法

4．2 基于CPU多线程的并行数据调度方法

4．2．1 分块调度原理

4．2．2 缓冲区设计

4．2．3 多线程数据调度

4．3 基于CUDA的光照并行计算加速

4．3．1 光照计算原理

4．3．2 GPU光照并行计算加速

4．4 地形渲染方法

4．4．1 视锥体剪裁

4．4．2 基于OpenGL的并行渲染架构设计

4．5 本章小结

第五章 实验验证与分析

5．1 实验方法与环境

5．1．1 实验方法

5．1．2 数据准备

5．1．3 实验环境

5．2 实验可视化效果展示与效率分析

5．2．1 GRID简化效果与并行效果分析

5．2．2 TIN简化效果与并行效果分析

5．2．3 裂缝消除与视锥体剪裁效果展示

5．2．4 光照效果与并行效率分析

5．3．5 总体渲染效果与分析

5．3 本章小节

第六章 结论与展望

6．1 研究结论

6．2 研究展望

参考文献

致谢