采用动态负载均衡的LiDAR数据生成DEM并行算法
本文选题:LiDAR + DEM ; 参考:《地球信息科学学报》2015年05期
【摘要】:随着高性能计算的发展,并行技术已经广泛应用于Li DAR数据的分析处理。本文针对现有Li DAR数据生成DEM并行算法所存在的负载不均衡问题,设计并实现了动态负载均衡的Li DAR数据生成DEM并行算法。该算法采用主从式并行策略,管理进程负责Li DAR点云的高效自适应条带划分,计算进程负责Li DAR点云生成DEM的计算。本文设计了任务量的动态调度策略:首先,由所有进程并行创建任务量由大到小排列的待处理任务队列;然后,管理进程根据计算进程的反馈对待处理任务进行动态分配,以达到负载均衡。在24核集群环境下,用30 GB(约12亿点)Li DAR数据对本文算法进行测试,生成分辨率为1 m的格网DEM,算法加速比峰值达到15.16;同时,与静态调度策略进行对比实验,结果显示本文的动态负载均衡策略可更好地保证进程间的负载均衡,有效地提高了Li DAR生成DEM并行算法的整体效率。
[Abstract]:With the development of high performance computing, parallel technology has been widely used in the analysis and processing of Li Dar data. In this paper, we design and implement a dynamic load-balancing parallel algorithm for generating Dem data from Li Dar data, aiming at the problem of load imbalance existing in the existing parallel algorithms for generating Dem from Li Dar data. The algorithm adopts a master-slave parallel strategy, the management process is responsible for efficient adaptive strip partition of the Li Dar point cloud, and the computing process is responsible for the Dem generation of the Li Dar point cloud. In this paper, a dynamic scheduling strategy for task quantity is designed: firstly, all the processes parallel create the queue of tasks to be processed from large to small, and then the management process dynamically allocates processing tasks according to the feedback of the computing process. To achieve load balancing. In the 24-core cluster environment, the algorithm is tested with 30 GB (about 1.2 billion points) Li DAR data, and the grid DEM with a resolution of 1 m is generated, and the speedup peak of the algorithm reaches 15.16. At the same time, the algorithm is compared with the static scheduling strategy. The results show that the proposed dynamic load balancing strategy can better ensure the load balance between processes and effectively improve the overall efficiency of the parallel algorithm for the generation of Dem by Li DAR.
【作者单位】: 江苏省地理信息技术重点实验室;
【基金】:国家“863”计划项目(2011AA120301) 地理空间信息工程国家测绘地理信息局重点实验室开放课题(200712)
【分类号】:TP338.6
【参考文献】
相关期刊论文 前3条
1 张靖;高伟;;LAS格式解析及其扩展域的应用[J];测绘科学;2008年03期
2 齐琳;沈婕;郭立帅;周侗;;面向D-TIN并行构建的动态条带数据划分方法与实验分析[J];地球信息科学学报;2012年01期
3 钱辰;窦万峰;杨坤;汤国安;;基于时间均衡的并行插值数据划分方法研究[J];地理与地理信息科学;2013年04期
【共引文献】
相关期刊论文 前10条
1 周晓明;唐德瑾;马秋禾;杨靖宇;;LAS Version 2.0数据格式解析[J];测绘工程;2010年04期
2 周晓明;马秋禾;许晓亮;杨靖宇;王楠;;LIDAR点云滤波算法分析——以ISPRS测试实验为参考[J];测绘工程;2011年05期
3 赵自明;史兵;田喜平;赵松;;LAS格式解析及其数据的读取与显示[J];测绘技术装备;2010年03期
4 沈婕;郭立帅;朱伟;顾乃杰;;消息传递接口环境下等高线简化并行计算适宜性研究[J];测绘学报;2013年04期
5 张震;张硕;马召恒;;基于VTK的机载LiDAR点云数据的可视化[J];城市勘测;2013年03期
6 刘二永;;基于双线性插值的DEM误差传播的3维可视化模型[J];测绘与空间地理信息;2013年12期
7 王鹏;黄焱;刘峰;安俊秀;;大数据技术中计算与数据的协作机制[J];成都信息工程学院学报;2014年01期
8 张留民;吕宝奇;林蒙恩;;LIDAR标准数据格式(LAS)的解析与处理[J];测绘与空间地理信息;2014年05期
9 徐国庆;顾钰培;高雪梅;;LAS格式解析与信息提取[J];测绘与空间地理信息;2014年07期
10 吴晨;朱庆;张叶廷;许伟平;;基于混合瓦片的海量DEM/DOM数据高效存储管理方法——以应急救灾数据库为例[J];地理信息世界;2014年03期
相关博士学位论文 前7条
1 骆社周;激光雷达遥感森林叶面积指数提取方法研究与应用[D];中国地质大学(北京);2012年
2 穆超;基于多种遥感数据的电力线走廊特征物提取方法研究[D];武汉大学;2010年
3 宋效东;基于DEM的可视性分析综合模型及其并行算法研究[D];南京师范大学;2013年
4 刘灿由;电子海图云服务关键技术研究与实践[D];解放军信息工程大学;2013年
5 刁莹;用数学建模方法评价存储系统性能[D];哈尔滨工程大学;2013年
6 杨典华;协作式大规模地理栅格数据并行处理方法研究[D];首都师范大学;2014年
7 石峰;南汀河断裂带构造地貌研究[D];中国地震局地质研究所;2014年
相关硕士学位论文 前10条
1 滕志远;大数据量机载激光点云快速浏览技术研究[D];首都师范大学;2011年
2 邓爱民;车载激光扫描点云数据流处理抽稀方法研究[D];西南交通大学;2011年
3 李r,
本文编号:2073961
本文链接:https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/2073961.html