MPI并行技术在测绘数据处理中的应用

发布时间：2020-07-25 11:56

【摘要】：随着科技发展,空间数据获取手段越来越丰富,测绘数据类型越来越多,数据量爆发式增长,如何快速、实时地处理海量数据成为测绘领域当前的研究热点。多核多处理器计算机是人类解决大规模科学计算的有力工具。随着并行技术不断发展,与并行计算机配套的并行系统、并行编程环境、并行处理算法等也日趋完善。其中,消息传递接口MPI(Message Passing Interface)作为并行计算领域消息传递编程模型的代表,已被广泛应用到各个学科及领域中。本文将MPI并行技术应用到测绘数据处理中,主要从以下3个方向具体展开研究:(a)物理大地测量学领域的格网重力场元并行计算;(b)摄影测量与遥感学领域的影像分块并行匹配;(c)激光点云领域的多幅点云数据并行配准。本文主要研究工作如下:(1)介绍了并行计算机体系,比较了消息传递、共享存储和数据并行三种并行编程环境,分析了MPI并行模式,总结了MPI常用调用接口的通信模式、功能特点和适用范围。(2)针对球谐综合法计算大规模格网重力场元耗时长问题,首先分析了求解地球重力场元的球谐综合计算公式,引入数组预存再调用方法来避免传统算法中对cosm?、sinm?及勒让德函数的递推系数的重复计算问题,再结合MPI并行技术来提高计算效率,并分别在DELL服务器和天河二号超算上进行了测试。实验结果表明,MPI并行技术能大幅度提高计算效率,大大减少计算耗时;系数预存再调用的方式在性能一般的服务器上,可显著提高计算效率,但在计算性能优异的超算平台上反而会拖慢计算速度。(3)SIFT(Scale Invariant Feature Transformation)算法匹配精度高,但实时性较差。本文利用MPI对图像进行分块并行处理,并针对图像分块匹配产生的裂缝问题,提出采用图像重叠分割并行处理。SIFT算法主要可分为两部分:特征提取和特征匹配,其中特征提取耗时占整个算法耗时的大部分,而特征匹配耗时占比较小。基于这个特点,实验设置了两个并行方案:并行方案1并行提取特征,再收集特征进行串行匹配;并行方案2并行提取特征后,将其中1幅图像的特征收集并广播给所有进程,实现了特征并行匹配。实验结果表明,利用MPI对图像进行分块并行处理可显著加快SIFT匹配速度;方案2的通信时间开销要多于方案1,但特征匹配耗时减少,整体效率比方案1更优。(4)点云精确配准一般采用ICP(Iterative Closest Point)算法,利用ICP算法对多幅点云进行逐对配准时,处理时间较长。本文引入分局变换矩阵作为过渡矩阵,通过MPI将一系列点云进行分段并行处理。实验结果表明,利用MPI对多幅点云进行分段处理可显著加快配准速度,减少执行时间;文本类型点云读取慢,利用MPI对多幅点云并行读取可大幅度减少耗时。
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：P208;TP274
【图文】：

纬度分,并行计算,纬度带

图 3-1 纬度分块并行计算Fig.3-1 Latitude block parallel computing用分布式内存数据存储模式，随着进程数 P 增加，各耗用倍增，尤其是方案 3 耗用内存较多，在一定程度优方案组合，遂对方案 1~3 均进行并行分析。由于三文以方案 3 为例进行说明，其并行算法伪代码描述如 ,& ; / * * /_ _ _ ,& ; / * _ _ _ ,&(; / * , co);/s n*s; /inm nm nmargc argv MPI size MPI COMM WORLD numProcs n rank MPI COMM WORLD ID IDnumProcms Nml 初始化进程总数进程标识号从预存、、、、为分配给每个进程的 * /% ; / * * /0 1;0; / * * /1 * ;t numProcs RemNl Nlg BeyongnumProcs Beyong Nl numProcs nlat 纬度带总数为未被分配的纬度带总数为分配纬度带总数超出实际纬度带部分

尺度空间,图像,组数,表示图

2G G ( x, y , k ) G ( x, y, )Gk 2 2G ( x, y , k ) G ( x, y , ) ( k 1) G塔构建如图 4-1 所示，由图可知，高斯金字塔由多组(Oct层(Interval)组成，高斯金字塔中每张图像的尺度空间可由0( , ) 2 [0, 1], [0, 1]o s o s k o O s S 斯金字塔组数，S 为一组图像包含的层数，( o, s )表示图像初始尺度。在同一组内，每层图像的大小一样（即长与宽不一样；后一组的第一层图像是由前一组倒数第三层图像组的第一层图像和前一组倒数第三层图像的尺度空间一样3 1 00 02 2o S ok k 得：132Sk 。

金字塔,高斯,差分,邻点

图 4-2 高斯差分金字塔的生成Fig.4-2 The generation of DoG pyramid特征点检测与定位DOG 尺度空间搜索极值点时，需要将每一个候选点与当前图像中 8 个个尺度图像各 9 个邻点共 26 个邻点相比较，如图 4-3 所示，若该点，则将其选为特征点。

【相似文献】