基于并行变换编码的大规模地形实时处理方法

admin · 发表于 2022-9-21 22:35:51

题目：

雅宝题库答案：

****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案

雅宝题库解析：
地形是虚拟环境的重要组成部分，在军事仿真、城市规划、国土管理等领域有着广泛的应用。随着地形规模的增加，地形数据迅速增长，使多用户的网络化服务难以完成。此外大规模原始地形数据无法一次性加载到内存，使得诸如全局态势表现、全局路径规划等功能难以实现。为解决这些题目，有必要对大规模DEM数据进行压缩处理；另外，为加速大规模地形的绘制速度，同样有必要对地形数据进行快速生成和简化、有效组织和调度、高效压缩和解压等处理。本文以大规模地形数据的并行变换编码压缩为核心，基于GPGPU和LOD等技术，开展了如下地形处理工作：1. 基于小波的自反馈DEM数据压缩方法：将地形高程值视为一张二维灰度图，针对相邻地形高程值数据间具有连续性的特点，对该灰度图进行小波变换，并用提取低频数据的方法对频域数据进行预处理，以实现高程值数据的压缩。本文计算预处理后的地形数据和原始数据的峰值信噪比(PSNR)，将峰值信噪比反馈于压缩参数进行自适应调整。兼顾解压速度和地形还原质量本文提出了速度优先和压缩比优先两种处理方法，利用该方法对大块地形进行分块压缩和解压还原，并利用平滑技术解决了分块处理导致边界陡变的题目。实验表明，在肉眼无法区分压缩前后地形差别的情况下，本方法对平坦、中等崎岖、高度崎岖的DEM数据分别能实现4940倍、1240倍和620倍左右的压缩比。2. 运用矩阵结构的可并行地形层次细节算法：针对ROAM算法因分块间的耦合关系不适合大规模地形渲染，以及算法递归实现导致绘制效率低下的题目，结合嵌套网格算法压缩比高的优点，提出一种运用矩阵结构的可并行计算的地形层次细节算法。该算法采用矩阵结构消除地形分块间的耦合关系，以解决大规模地形的分块渲染题目；同时，用对矩阵的遍历代替递归操作有效提高了算法的执行速度。3. 基于GPGPU的地形相关并行算法：利用GPGPU通用并行计算架构CUDA对算法进行加速处理。包括对基于矩阵结构的层次细节算法的加速处理，基于CUDA的小波变换，最后提出了一种GPU/CPU混合流水线，该方法在处理地形数据的解压计算时，可进一步充分利用资源，使得计算耗时进一步降低。最后本文对研究内容进行了实现。实验表明，本文的地形压缩算法对某真实大规模地形有1000倍的压缩比。此外，运用本文的连续层次细节算法，可实现大规模地形的实时解压绘制。

基于并行变换编码的大规模地形实时处理方法

天涯海角也要找到Ni：基于并行变换编码的大规模地形实时处理方法

相关帖子

QQ微信同步：1144766066。

服务

网站

战略合作