發(fā)布時(shí)間：2018-09-04 19:50

【摘要】：為了進(jìn)一步解決大數(shù)據(jù)量帶來的平差效率低下的問題,引入GPU并行計(jì)算技術(shù),同時(shí)使用預(yù)條件共軛梯度法以及不精確牛頓解法求解區(qū)域網(wǎng)平差過程中的法方程,構(gòu)建了適用于GPU并行計(jì)算的全新的區(qū)域網(wǎng)平差技術(shù)流程。本文方法避免了存儲(chǔ)法方程系數(shù)矩陣,而是在需要的時(shí)候?qū)崟r(shí)的計(jì)算該矩陣,使得本文算法相較于傳統(tǒng)的算法所需的計(jì)算機(jī)內(nèi)存空間大幅減少(僅需要存儲(chǔ)平差原始數(shù)據(jù)即可),平差計(jì)算速度明顯提升,同時(shí)計(jì)算精度與傳統(tǒng)方法相當(dāng)。初步試驗(yàn)證明,本文的方法在普通電腦上僅需要約1.5min即可完成對(duì)4500張影像、近900萬像點(diǎn)數(shù)據(jù)的平差計(jì)算,且計(jì)算精度達(dá)到子像素級(jí)。
[Abstract]:In order to solve the problem of low adjustment efficiency caused by large amount of data, GPU parallel computing technique is introduced, and the normal equations in the adjustment process of regional network are solved by using preconditioned conjugate gradient method and imprecise Newton method. A new area network adjustment technology flow is constructed for GPU parallel computing. Instead of storing the coefficient matrix of the equation, the method in this paper computes the matrix in real time when needed. Compared with the traditional algorithm, the computer memory space of this algorithm is greatly reduced (only need to store the original data of adjustment), the speed of adjustment calculation is obviously improved, and the accuracy of calculation is similar to that of the traditional method. The preliminary test shows that the method in this paper only needs about 1.5min to complete the adjustment calculation of 4500 images and nearly 9 million image points on the common computer, and the calculation accuracy reaches sub-pixel level.
【作者單位】： 中國(guó)地質(zhì)大學(xué)(武漢)國(guó)家地理信息系統(tǒng)工程技術(shù)研究中心;北京中測(cè)智繪有限責(zé)任公司;
【基金】：國(guó)家自然科學(xué)基金(41601502) 中國(guó)博士后科學(xué)基金面上項(xiàng)目(2015M572224) 中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金(CUG160838;CUG170664)~~
【分類號(hào)】：TP338.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 頭重腳輕;;GPU的華麗變身 通用計(jì)算帶來更大方便[J];電腦迷;2009年20期

2 本刊編輯部;;加州大學(xué)圣地亞哥分校使用GPU超級(jí)計(jì)算機(jī)實(shí)現(xiàn)千萬億次級(jí)地震模擬[J];科研信息化技術(shù)與應(yīng)用;2013年02期

3 技術(shù)宅;;GPU通用計(jì)算解密[J];電腦愛好者;2014年02期

4 張浩;李利軍;林嵐;;GPU的通用計(jì)算應(yīng)用研究[J];計(jì)算機(jī)與數(shù)字工程;2005年12期

5 丁鵬;賈月樂;張靜;張巖;;GPU結(jié)構(gòu)與通用計(jì)算探析[J];技術(shù)與市場(chǎng);2009年09期

6 AZ521;;GPU的革命 解析通用計(jì)算技術(shù)[J];電腦迷;2009年15期

7 ViVi;楊原青;;新計(jì)算時(shí)代:GPU通用計(jì)算展望[J];數(shù)碼先鋒;2007年10期

8 Dr.BT;;物理運(yùn)算,有了GPU,還需要PPU 嗎?[J];電腦自做;2007年05期

9 ;揭示顯卡的秘密:探討GPU能耗比之謎[J];現(xiàn)代計(jì)算機(jī);2011年02期

10 蜻蜓點(diǎn)水;;主流顯卡何去何從 傾聽GPU背后的故事[J];現(xiàn)代計(jì)算機(jī)(普及版);2009年04期

相關(guān)重要報(bào)紙文章 前2條

1 諸玲珍;NVIDIA推0.13微米GPU[N];中國(guó)電子報(bào);2002年

2 網(wǎng)絡(luò)世界記者 周源;曙光三款GPU服務(wù)器問世[N];網(wǎng)絡(luò)世界;2013年

相關(guān)博士學(xué)位論文 前1條

1 白洪濤;基于GPU的高性能并行算法研究[D];吉林大學(xué);2010年

相關(guān)碩士學(xué)位論文 前7條

1 田寧;GPU加速的矩陣計(jì)算的研究[D];黑龍江大學(xué);2015年

2 何紀(jì)澎;基于GPGPU-Sim模擬的GPU功耗研究[D];西北師范大學(xué);2015年

3 彭紹鑫;基于GPU的硬件加速方法及其在積分方程數(shù)值解中的應(yīng)用[D];電子科技大學(xué);2008年

4 曾敬翔;GPU集群的并行編程通信接口研究[D];華中科技大學(xué);2012年

5 劉宇;基于GPU的近似字符串匹配并行算法的研究[D];黑龍江大學(xué);2012年

6 黃敬磊;GPU通用計(jì)算中的數(shù)據(jù)結(jié)構(gòu)組織與應(yīng)用研究[D];解放軍信息工程大學(xué);2007年

7 劉德波;基于YARN的GPU集群系統(tǒng)研究[D];中山大學(xué);2014年

，

本文編號(hào)：2223162