基于GPU加速的三维空间分析【转】

基于GPU加速的三维空间分析

标签:supermap地理信息系统gisit

文:李凯

随着三维GIS 的快速发展和应用普及,三维空间分析技术以其应用中的实用性成为当前GIS技术研究的热点领域。面对日益庞大的三维数据处理现状,为满足GIS各行业对专业化三维空间分析的实用性需求,SuperMap GIS 7C(2015)提供了丰富且实用的基于GPU图形硬件加速的三维空间分析功能,做到“即时分析、即时完成”的超强性能,具体包括通视分析、可视域分析、动态可视域分析、阴影率统计分析、天际线分析、剖面线分析、等高线图分析、坡度坡向分析等。这些分析功能极大的提高了三维GIS的实用性,使得其在三维场景中不仅展示了绚丽的可视化效果而且提供了极具实用性的操作体验,推动了三维GIS在行业应用中的快速发展。

 

三维空间分析技术

1、通视分析 

通视分析是指以某一点为观察点,其余点为目标点,分析观察点到目标点是否被障碍物阻挡的分析能力。通视分析功能如图1所示,可判断两点之间的通视性,利用不同颜色显示策略来分析观察点到目标点是否被障碍物阻挡,并在障碍物处获取障碍点,使得用户的分析更加方便直观

通视分析可广泛应用于旅游风景评价,建筑物视线遮挡判断,监控覆盖率、通讯信号覆盖、军事设施布设、军事火力覆盖等多方面。

通视分析

2、可视域分析/动态可视域分析 

可视域分析是对于给定的一个观察点,基于一定的相对高度,查找给定的范围内观察点是否在可见覆盖的区域,以及给定点的可见区域范围。可视域分析功能如图2所示,可指定一个观察点,查看此观察点范围内的可视效果;也可指定一条路径,查看此路径的实时动态可视效果。

可视域在观光浏览道路选择、森林防火、瞭望塔布设、航海导航、航空以及军事方面有重要的应用价值。

可视域分析/动态可视域分析

3、阴影率统计分析(日照分析)

阴 影率统计分析是指在特定时间段内统计指定物体被阴影覆盖的时长所占比例。阴影率统计分析功能如图3所示,可在三维场景中指定某个区域,根据设置间隔自动插 入离散点并计算每个点在指定时间段的阴影率,通过分层设色策略显示与分析该区域内的阴影率现象,并支持单点阴影率的查询。

阴影率统计分析可广泛应用在城市规划、建筑物设计、景观分析等方面。比如规划中的建筑是否严重影响周边建筑的光照,影响的区域有多大,如何调整建筑的高度,才不会影响周边建筑的采光。

阴影率分析

4、天际线分析

天际线,又称城市轮廓或全景,是由各种地形地貌和标志性地物等构成的以天空为背景的轮廓线。城市天际线很久以来就是城市设计中的一个重要因素。随着高层建筑出现,高层建筑和超高层建筑已经成为了影响城市天际线的决定性因素。天际线绘制与分析功能,如图4所示,从任意视角快速绘制天际线,根据天际线轮廓对规划建筑的位置和高度进行调整,使城市规划工作省时省力。在滨水城市,由于自水面观察城市的视野较为开阔,沿河(湖)岸、海岸的城市滨水天际线尤为醒目,天际 线分析对表达和识别城市特色起到了重要的作用。

天际线分析

天际线分析

5、剖面线分析

剖 面表示表面高程沿某条线(截面)的变化,传统的剖面分析是研究某个截面的地形剖面,包括研究区域的地势、地质和水文特征以及地貌形态、轮廓形状等。剖面线分析功能可以针对三维场景中的任意物体(包括建筑物、地下管道等), 如图5所示,在任意方向上画出一条切线,自动生成剖面线图,并且支持在剖面线图上进 行量算、位置查询等功能。

剖面线分析广泛应用于变形监测、土地利用规划、工程选线、设施选址、管道布设、煤矿开采等方面。

剖面线分析

6、等高线图分析

等 高线指的是地形图上高程相等的相邻各点所连成的闭合曲线,在水系水文特征、气候特征、地形概况与区位选址等方面有重要的应用价值。等高线分析功能如图6所 示,用户可在地形上任意指定某一范围,自动获取并通过分层设色策略实时绘制此范围内的等高线。用户可根据显示需求,自定义设置等高线的密度、颜色、填充等属性。

等高线分析

7、坡度坡向分析

坡度和坡向是两个重要的地形特征因子,在地形表面分析中起到重要作用。其中,坡度表示地球面某一位置的高度变化率的量度;而坡度变化的方向称为坡向,表示地表面某一位置斜坡方向变化的量度。坡度坡向分析在土地利用、植被分析、环境评价、景观分析等领域有重要的应用价值。

坡度坡向分析功能如图7所示,用户可在地形上任意指定某一范围,自动获取并通过分层设色策略绘制坡度坡向图,生成坡度坡向指示箭头,使用户根据颜色和箭头指向直观的查看地形的起伏方向和起伏大小。还可支持单点的坡度坡向数值查询等功能。

随 着可编程图形硬件性能的不断提高,以及高级硬件绘制语言的完善和算法的成熟,GPU加速将在三维GIS领域发挥越来越重要的作用。 SuperMap GIS 7C(2015)提供了基于GPU图形硬件加速的通视分析、可视域分析、阴影率统计分析等三维分析功能,具备快速实时显示、不依赖数据来源、所见即可得、可直接移植到移动端和客户端等优势。在普通硬件配置的PC上,通过利用GPU的运算能力和可编程能力,保证了三维分析结果实时 的绘制速度和显示。

坡度坡向分析

时间: 2024-07-28 13:07:28

基于GPU加速的三维空间分析【转】的相关文章

深度学习“引擎”之争:GPU加速还是专属神经网络芯片?

深度学习“引擎”之争:GPU加速还是专属神经网络芯片? 深度学习(Deep Learning)在这两年风靡全球,大数据和高性能计算平台的推动作用功不可没,可谓深度学习的“燃料”和“引擎”,GPU则是引擎的引擎,基本所有的深度学习计算平台都采用GPU加速.同时,深度学习已成为GPU提供商NVIDIA的一个新的战略方向,以及3月份的GTC 2015的绝对主角. 那么,GPU用于深度学习的最新进展如何?这些进展对深度学习框架有哪些影响?深度学习开发者应该如何发挥GPU的潜力?GPU与深度学习结合的前景

Python基于pyCUDA实现GPU加速并行计算功能入门教程

https://www.jb51.net/article/142212.htm 这篇文章主要介绍了Python基于pyCUDA实现GPU加速并行计算功能,结合实例形式分析了Python使用pyCUDA进行GPU加速并行计算的原理与相关实现操作技巧,需要的朋友可以参考下 目录 pyCUDA特点 pyCUDA的工作流程 调用基本例子 具体内容 本文实例讲述了Python基于pyCUDA实现GPU加速并行计算功能.分享给大家供大家参考,具体如下: Nvidia的CUDA 架构为我们提供了一种便捷的方式

【转载】GPU 加速下的图像处理

Instagram,Snapchat,Photoshop. 所有这些应用都是用来做图像处理的.图像处理可以简单到把一张照片转换为灰度图,也可以复杂到是分析一个视频,并在人群中找到某个特定的人.尽管这些应用非常的不同,但这些例子遵从同样的流程,都是从创造到渲染. 在电脑或者手机上做图像处理有很多方式,但是目前为止最高效的方法是有效地使用图形处理单元,或者叫 GPU.你的手机包含两个不同的处理单元,CPU 和 GPU.CPU 是个多面手,并且不得不处理所有的事情,而 GPU 则可以集中来处理好一件事

基于GPU的图像处理平台

基于GPU的图像处理平台 1.  (309)英伟达推Jetson TX1 GPU模块力推人工智能 1.1 产品概述 Jetson TX1 GPU模块,主要针对近年来蓬勃发展的人工智能市场,包括无人机.机器人等设备. 1.2 处理板技术指标 1. Jetson TX1 GPU模块包括一颗浮点运算达到teraflop级的 2.  基于Maxwell架构的256核心GPU,64位ARM A57芯片组 3.  4GB LPDDR4 RAM内存(每秒带宽速度达25.6GB) 4.  5GB本地存储模块.8

基于GPU的图像处理平台解决方案

基于GPU的图像处理平台 1.  (309)英伟达推Jetson TX1 GPU模块力推人工智能 1.1 产品概述 Jetson TX1 GPU模块,主要针对近年来蓬勃发展的人工智能市场,包括无人机.机器人等设备. 1.2 处理板技术指标 1. Jetson TX1 GPU模块包括一颗浮点运算达到teraflop级的 2.  基于Maxwell架构的256核心GPU,64位ARM A57芯片组 3.  4GB LPDDR4 RAM内存(每秒带宽速度达25.6GB) 4.  5GB本地存储模块.8

Python GPU加速

https://blog.csdn.net/weixin_41923961/article/details/83687809 Numba:高性能计算的高生产率 在这篇文章中,笔者将向你介绍一个来自Anaconda的Python编译器Numba,它可以在CUDA-capable GPU或多核cpu上编译Python代码.Python通常不是一种编译语言,你可能想知道为什么要使用Python编译器.答案当然是:运行本地编译的代码要比运行动态的.解译的代码快很多倍.Numba允许你为Python函数指

基于GPU的高分一号影像正射校正的设计与实现

一 RPC正射校正的原理 影像正射校正的方法有很多,主要包含两大类:一类是严格的几何纠正模型,另一类是近似几何纠正模型.当遥感影像的成像模型和有关参数已知时,可以根据严格的成像模型来校正图像,这种方法属于严格几何纠正,最具代表的是共线方程法.当传感器成像模型未知或者无法获取相关的辅助参数时,可以用假定的数学模型模拟成像模型,对影像实现校正,这种方法属于近似几何纠正,主要有:几何多项式纠正.有理函数法.局部区域校正等模型.本文将主要对RPC正射校正模型进行展开讨论. RPC模型将像点坐标d(lin

编译GDAL支持OpenCL使用GPU加速

前言 GDAL库中提供的gdalwarp支持各种高性能的图像重采样算法,图像重采样算法广泛应用于图像校正,重投影,裁切,镶嵌等算法中,而且对于这些算法来说,计算坐标变换的运算量是相当少的,绝大部分运算量都在图像的重采样算法中,尤其是三次卷积采样以及更高级的重采样算法来说,运算量会成倍的增加,所以提升这些算法的处理效率优先是提高重采样的效率.由于GPU的多核心使得目前对于GPU的并行处理非常热,同时也能大幅度的提升处理速度.基于上述原因,GDALWARP也提供了基于OPENCL的GPU加速,之前在

GPUImage ==> 一个基于GPU图像和视频处理的开源iOS框架

Logo 项目介绍: GPUImage是Brad Larson在github托管的开源项目. GPUImage是一个基于GPU图像和视频处理的开源iOS框架,提供各种各样的图像处理滤镜,并且支持照相机和摄像机的实时滤镜: 基于GPU的图像加速,因此可以加速对实时摄像头视频.电影以及image的滤镜和其它效果处理,并且能够自定义图像滤镜.另外, GPUImage支持ARC. 使用GPUImage处理图片比Core Image更简单,只需要将过滤器赋给图片对象即可,不用考虑context或者设备等其