基于GPU的大规模地形数据绘制算法
地球物理高性能计算的新选择GPU计算技术
地球物理高性能计算的新选择:GPU计算技术随着微电子技术的发展，GPU计算技术与可重构计算技术.将有可能替代集群计算技术成为高性能计算的主流技术。
充分利用GPU并行处理能力，可以将GPU 作为计算加速器为基于CPU的通用计算平台提供高性能的科学计算能力补充，这样可以在现有通用计算平台的基础上实现高性价比的高性能计算解决方案。
长期以来，石油地球物理勘探一直是高性能计算技术的主要应用领域之一。
随着油气勘探工作面临的勘探对象不断复杂化，勘探条件日趋恶劣，我们对石油地球物理勘探技术的研究与应用也在不断深化。
地球物理技术的发展与应用高度依赖于包括高性能计算技术在内的信息技术的发展，从而导致高性能计算技术在地球物理行业的应用不断发展，应用规模与领域不断扩大，技术与产品不断升级。
高性能计算技术的发展在较大程度上引领和制约了地球物理技术发展的轨迹与进程。
2000年以来，集群计算技术得到了飞速发展，从而带来了地震数据处理系统平台的又一次更新换代，集群计算机系统基本上已经成为目前地震数据处理的唯一主流平台。
近年来，集群计算机系统的配置规模正在不断扩大，大型地震数据处理中心的集群系统规模已经达到上千个甚至数千个节点，计算能力普遍从百亿次(10OGFLOPS)级规模提高到目前的数万至数十万亿次规模。
计算能力的提高，为地震勘探新技术(如地震叠前时间偏移和叠前深度偏移)的应用打下了良好的基础，提高了地震资料处理的质量，也大大缩短了处理周期。
但是，地球物理技术对于高性能计算的需求是无止境的，信息技术产业在提供高性能计算产品方面仍然不能满足石油勘探的需求，在进一步提高计算性能、降低系统建设与运行维护成本等方面，信息技术产业与石油工业共同面临着一系列的挑战。
当前，集群已经成为高性能计算的主流体系架构。
为了提高集群计算机系统的计算能力，主要采取不断增加计算节点和提高节点性能2条途径。
传统的通过不断提高处理器工作频率来提高节点性能的技术，正在逐步走向其极限，取而代之的是多核处理器技术。
基于GPU的动态地形实时绘制技术的研究与实现
ｆａ ｉｉ ｔ ｎ ａｉｉ ｆｈ ｃ ｅ ． ｅ ｓｂｌ ａ ｄｖ ｌ ｔ ｏ ｅｓｈ ｍｅ ｉ ｙ ｄｙ ｔ
Ｋｅ ｒ ｓ ｐ ｏ ａ ｙｗｏ ｄ ： ｒ ｇ ｍｍａ ｌ Ｕ； ｓ ａ ｅ ｄ ｌ ｖ ｒ ｘｔ ｘ ｕ ｉ ｇ ｆ ｔｈ ＨＬＳ ； ｄ ｎ ｍｉ ｒ ａｎ ｒ ａ ｍｅｒ ｎ ｅ ｎ ｒ ｂｅ ＧＰ ｈ ｄ ｒｍｏ ｅ； ｅｔ ｔ ｒｎ ｅｃ ； ｅ ｅ Ｌ ｙ ａ ｃｔ ｅ ｉ； ｅ ｌｉ ｄ ｒ ｇ ｔ ｅ ｉ
ｂ ｓ ｄ ｏ Ｕ ａ ｅ ｎ ＧＰ
ＺＨＡＮ Ｇ ｎ — ｕ Ｒｏ ｇＮｏ ｈＣ ｉａＥ ｅｔｉ Ｐ ｗｅ ｉｅｓ ｙ ａ ｄｎ ７ ０ ，Ｃ ｉａ Ｄｅ ａｔ ｔ ｍｅ ｏ Ｃｏ ｕｅ， ｒ ｈｎ ｌｃｒ ｏ ｒ ｖ ｒｉ ，Ｂ ｏ ｉｇ０ ３ ｈｎ ） ｔ ｃ Ｕｎ ｔ １ ０
关键 词： 可编程 Ｇ Ｕ 着 色器模 型；顶 点纹理 获取； 高级着 色语 言；动 态地 形； 实时绘 制 Ｐ；
中图法分类号 ： Ｐ ９ ． Ｔ ３１ ９
文献标 识码 ： Ａ
文章 编号 ：００７２ ２ １） ０４ ３ ．４ １０ —０４（０ ０ ２ —４４０
Ｒｅ ｅ ｒ ｈａ ｄ ｉ ｌｍｅ ｔｔ ｎ ｏ ａ ｍｅｄ ｎ ｍｉ ｒａｎ ｒｎ ｅｉ ｇｔ ｃ ｎ ｌｇ ｓ ａ ｃ ｎ ｍｐ ｅ ｎ ａｉ ｆ ｅ ｌ ｉ ｙ ａ ｃｔ ｒ ｉ ｅ ｄ ｒ ｈ ｏｏ ｙ ｏ ｒ ｔ ｅ ｎ ｅ
ｆ ｃ） ｏ ｏｒｍｍａｌ ＧＰ （ ａｈｃ ｒｃｓｉｇｕ ｉ ｉｐｏ ｏｅ ． Ｂ ｓｄｏ ｅｒｓａｃ ｆｈ ｌｔ ｘｓ ｎ ｙ ａ ｃｔ ｒｉ ｅ ｈ ｆ ｒｇａ ｔ ｐ ｂｅ Ｕ ｇ ｐ ｉ ｐｏｅｓ ｎｔ ｓ ｒｐ ｓｄ ａｅ ｎｔ ｅｒｈｏ ｅｒ ａ ｄｅｉｉｇｄｎ ｍｉ ｅ ａｎ ｒ ｓ ｎ ） ｈ ｅ ｔ ｅ ｅ ｔ ｒ
《大规模三维地形构建的关键技术研究》
《大规模三维地形构建的关键技术研究》一、引言随着科技的不断进步，三维地形构建技术已经成为了众多领域的重要应用之一。
大规模三维地形构建技术更是其中的关键技术，它不仅可以用于地理信息系统、城市规划、军事侦察等领域，还可以为虚拟现实、游戏制作等提供真实的地形数据。
因此，对大规模三维地形构建的关键技术研究具有重要的理论和实践意义。
二、三维地形构建技术概述三维地形构建技术是指通过一定的技术手段，将实际地形数据转化为三维数字模型的过程。
它主要包括数据获取、数据处理、三维建模等关键技术环节。
其中，大规模三维地形构建技术需要处理的数据量巨大，对算法的效率和精度有着极高的要求。
三、关键技术研究1. 数据获取技术数据获取是三维地形构建的首要步骤，其准确性和完整性直接影响到后续的处理和建模。
大规模三维地形构建需要获取海量的地形数据，因此需要采用高效、准确的数据获取技术。
目前常用的数据获取技术包括激光雷达扫描、卫星遥感、无人机航测等。
其中，激光雷达扫描技术可以快速获取高精度的地形数据，但成本较高；卫星遥感和无人机航测则可以获取较大范围的地形数据，但精度相对较低。
因此，在实际应用中需要根据具体需求选择合适的数据获取技术。
2. 数据处理技术数据处理是三维地形构建的关键环节，它主要包括数据预处理、数据配准、数据滤波、数据分类等技术。
在处理大规模地形数据时，需要采用高效的算法来提高处理速度和精度。
例如，可以采用基于GPU加速的并行计算技术来加速数据处理过程；同时，还需要采用合适的数据配准和滤波算法来提高数据的准确性和一致性。
3. 三维建模技术三维建模是将处理后的地形数据转化为三维数字模型的过程。
目前常用的三维建模技术包括基于规则的建模、基于统计的建模和基于机器学习的建模等。
在大规模三维地形构建中，需要采用高效的建模算法来保证模型的精度和效率。
此外，还需要考虑模型的优化和压缩，以便于后续的应用和传输。
四、研究进展与应用前景近年来，大规模三维地形构建的关键技术研究已经取得了重要的进展。
基于光线投射的全GPU实现的地形渲染算法
第２卷 第２ ７ 期
文章编号 ：０６～ ３ ８ ２ ｌ ）２— ２６— ５ １０ ９ ４ （０ Ｏ Ｏ ０ ２ ０
计
算
机
仿
真
２１年２ ０ ０ 月
基 于光 线 投射 的全 Ｇ Ｕ 实现 的地 形 渲 染算 法 Ｐ
刘小聪 ， 杨 新
（ 上海交通大学图像处理与模式识别研究所 ， 上海 ２ ０ ３ ） ０ ２ ０ 摘要 ： 地形渲染算法需要处理大量 的地形及纹理数据 ， 影响三维动画显示的流畅性 和性 能提高。随着 Ｇ Ｕ绘 制能力提高 ， Ｐ Ｃ Ｕ与 Ｇ Ｕ的负载失衡逐渐成为制 约性 能提 高的瓶颈 。结合 现代 Ｇ Ｕ体 系结 构， Ｇ Ｕ上 实现 了基 于光线 投射 （ ａ Ｐ Ｐ Ｐ 在 Ｐ Ｒｙ
ＡＢＳ ＴＲＡＣＴ ：Ｔ ｒａ ｎ ｒ ｎ ｅ ｌｏ ｔ ｍ ｌｙ ｎ ｉ ｏ ｔｎ ｏｅ ｉ ｉ ｈ ｎ ｈ ｐ ｓｍｕ ａｏ ． Ｔ ｒａｎ ｒ ｎ ｅ ｌ ｏ ｅ ｒ ｉ ｅ ｄ ｒ ａｇ ｒ ｈ ｐ ａ ｓ ａ ｍｐ ｒ ｔ ｒ ｌ ｎ ｆ ｇ ｔａ ｄ ｓ ｉ ｉ ｌｔｒ ｉ ａ ｌ ｅｒ ｉ ｅ ｄ ｒ ａｇ —
中 图分 类 号 ：Ｔ ３ １９ Ｐ ９ ． 文 献标 识 码 ： Ｂ
Ｒａ ｓ ｉ ｓ ｄ Ｔｅ ｒ ｉ ｎｄ ｒ ｎ ｇ ｒ ｔ ｍ ｙ Ｃａ ｔｎｇ Ｂａ ｅ ｒ ａ ｎ Ｒｅ ｅ ｉ ｇ Ａｌ ｏ ｉｈ Ｆｕ ｌ ｍ ｐ ｅ ｅ ｅ ｔ ＧＰＵ ｌｙ Ｉ ｌ ｍ ｎｔ ｄ ｗｉｈ
基于CUDA的道路与地形融合算法
基于CUDA的道路与地形融合算法摘要：将三维可视化技术引入到高速公路的道路设计过程当中能极大提高设计效率，方便优化设计效果。
在此过程中涉及到大量的耗时计算，其中最主要的计算为道路和地形融合算法。
传统的计算过程因为硬件和软件的限制，计算速度一直受到比较严重的制约。
本文利用gpu技术的最新进展，将基于gpu硬件的cuda编程技术应用到道路与地形融合算法当中，通过将传统算法改造成适合运行在gpu上的并行化算法，极大地提高了图形的融合速度，缩短了用户等待的时间，改善了用户体验。
通过比对不同的融合算法，结果显示基于cuda的道路和地形融合算法在保证结果正确的前提下极大地提高了融合速度。
abstract： introducing three-dimensional visualization technology into the design process of expressway can greatly improve the design efficiency and help optimizing the design effect. this process involves a lot of time-consuming calculation； the main of which is the fusion algorithm of road and terrain. due to the limitation of hardware and software in traditional calculating process， the calculating speed has been restricted a lot. with the help of the latest development of gpu technology， this paper applies cuda programming technique based on gpu hardware into the fusion algorithm of road and terrain. by transforming thetraditional algorithm into parallel algorithm which is suitable for running on gpu， the fusion speed of drawings has been greatlly improved， and user’s waiting time shortened and thus user’s experience improved. through the comparision of different fusion algorithms， the result shows that the fusion algorithm of road and terrain based on cuda greatly improved the fusion speed on the premise of ensuring correct result.关键词：道路与地形融合算法；cuda；三维可视化技术；并行化算法key words： fusion algorithm of road and terrain；cuda；three-dimensional visualization technology；parallel algorithm中图分类号：tp391.9 文献标识码：a 文章编号：1006-4311（2013）21-0227-020 引言在可视化的道路设计过程中，设计完道路线路及优化完线路以后，还需要将道路和当前的地形进行剪切融合一体化显示，只有经过融合后的图形显示后才能更加具有真实感。
基于GPU的真实感地形绘制
▲
感， 实现对大规模三维地形 的实时漫游。
图 １ 三 角 形 二 叉树 分 割
１ 基于 Ｒ Ａ 算法 的建模 ＯＭ
Ｄ ｃａｎ ａ ｙ 描 述 了 一 个 基 于 三 角 形 二 叉 树 结 ｕｈ ｉ ｕ ｅ
该方法构造的三 角形二 叉树 ， 以容 易地 实现地 可 表 网格模型的细化和粗化 。当用一对子三 角形来 表示 其父三角形 区域时 ， 就完成 了细化 ， 称之为父三 角形 的 分裂 ： 反之 ， 用父三角形 替代其子三角形 对时即完成 了 粗化 ， 称之为子三 角形 的合并 （ 图 ２ 。由于这 里 的 如 ）
能 力； 与地 表模型相 对应的高精度纹理 更加重 了交 互
漫 游 的难 度 。针 对 这 两 个 问 题 最 常 用 的 解 决 方 法 有 ：
一
种 方 法是 采 用视 点 相 关 自适 应 层 次 细 节 技 术 （Ｏ Ｌ Ｄ）
简 化 整 个 场景 的复 杂 度 。 另 一种 方法 是 采 用可 见性 剔 除 技 术 ， 括 视 域 剔 除 、 向 面 剔 除和 遮 挡 剔 除 。 包 背
Ｔｉ ｅ Ｎｏ ｅ ｂ ｓ ｎ ｉ ｂ ｒ／ 底 部 邻 接 区块 ｒ ｒ ｅ ｄ ａ ｅ ｅ ｈ ｏ ：／ Ｔ ｇ
＿
足 实 时 漫 游 的需 要 。
、
Ｔｉ ｅ Ｎｏ ｅ ｌｆ ｎ ｉ ｂ ｒ／ 左 邻 区块 ｒ ｒｅ ｄ ｅ Ｔ ｔ ｅ ｈ ｏ ：／ ｇ
—
Ｔｉ ｅ Ｎｏ ｅ ｒ ｈ ｎ ｉ ｂ ｒ／ 右 邻 区块 ｒ ｒ ｅ ｄ ｉ ｔ ｅ ｈ ｏ ：／ Ｔ ｇ ｇ
构的 ＲＡ （ Ｏ Ｍ 实时优化 自适应 网格 ） 算法。其基本思想 是： 对地形进行三维显示时 ， 根据视 点的位 置和视线 的 方 向计算视 点距离地形表 面 的三 角区块的距离 ， 再根 据 目标格 网的空间粗糙程度来判断是否对地形表 面的 三角区块进行一系列基于三 角形二叉分割 的分解和 合
3.0 外存大规模地形实时动态绘制算法_赵瑞斌
2. 1 数据分块与组织
如图 1，算 法
首 先 把 整 块 DEM
分割 成 大 小 均 为
N ×N 的地形块，N
需满足公式： N = 2k + 1 。为了便于
在调度时识别，每
个地形块均用其在
全局地形中的位置
坐标作为标识。此 外，外存中的地形
图 1 DEM 数据分块与组织
块是可以动态扩展的，即如需要绘制更大范围的地形，只
为了实现大规模地形绘制，学者们还提出了多种基于 外存的地形绘制算法。其中有些算法是将地形块加载到内 存之后才建立 多 分 辨 率 模 型［5］［6］ 。 而 另 有 一 些 算 法 则 在 外 存中组织地形数据时就考虑到了 LOD 信息。如 Lindstrom 提 出的基于空间填充曲线的顶点布局方法来组织整个外存模 型的数据的算法［7］，以及 Bao 等提出的基于层次四叉树的 地形聚类 算 法［8］ 等。最 近 几 年，随 着 图 形 硬 件 的 发 展，一 些基于 GPU 的地形绘制算法被提了出来，如 Willem 等人提
出，far = cos30° × N ，N 是地形块大小。
2. 2. 4 多分分辨率地形模型生成
为了提高绘制效率，本文 表 1 裁剪前后绘制相同
算 法 参 考 了 文 献 ［14］ 的 方 效果的地形绘制效率
法，在多分辨率网格生成过程 中使用了两个队列： Current 队 列和 Next 队 列。Current 队 列 用于存放当前待处理的节点， 裁剪前
图 4 基于视点和地形粗糙度的节点评价
图 4 表示某一节点所代表地形区域。在判断该区域是 否需要继续细分时，算法首先利用该节点的 9 个高程值的
方差来估算粗糙度因子，公式如下：
基于GPU加速的大规模数据处理技术研究
基于GPU加速的大规模数据处理技术研究近年来，随着大数据应用的逐步普及，大规模数据处理技术已经成为了企业和研究机构巨大的瓶颈。
传统的CPU处理器能够进行的数据处理速度相对较慢，不利于企业实现高效率的数据处理和运营活动。
因此，GPU加速的大规模数据处理技术在近年来的发展已经成为了企业数据处理的一个重要方向。
GPU作为先进的图形处理器，不仅拥有高效的并行计算、高速的内存带宽和低延迟、低功耗等优势，还具有预测和规划任务高效执行的独特优势。
同时，GPU加速技术也可以通过对计算节点优化和极致并行化，实现高速的数据处理能力，进而帮助企业和研究机构更好的进行数据处理。
一、GPU加速计算的原理和特点GPU加速计算是通过CUDA技术实现的，其中GPU内部包含大量的流处理器，通常可以同时执行数千个线程。
与CPU的多线程技术不同的是，GPU利用锁步技术来进行并行计算，每一个线程都可以执行不同的指令，从而实现大规模的高速并行计算。
同时，由于GPU数值表达的在单精度和双精度范围内都是非常高的，因此可以保证计算精度。
通过GPU加速计算，可以有效地提高数据处理的效率和速度，实现同步进行多个任务的处理，提高系统的整体响应速度。
二、GPU加速的大规模数据处理技术的优势和应用场景GPU加速的大规模数据处理技术具有许多优势。
首先，GPU拥有更高的计算效率和处理速度，这可以广泛用于需要进行大规模数据处理和分析的科学研究和商业应用中。
其次，GPU技术可以大大缩短单次任务的处理时间，提高整体计算效率和生产力。
此外，由于GPU并行处理的优势，其可以帮助企业处理大规模图像、视频和文本数据等，使得企业能够快速有效地分析和解决基于大规模数据的问题。
在实际应用方面，GPU加速的大规模数据处理技术可以用于大规模数据挖掘、机器学习、人工智能、网络安全和推荐系统等领域。
例如，Baidu使用GPU加速进行实时的图像处理和语音识别，可视化分析平台Suchakra可以通过GPU进行动态网络可视化，在加强系统性能的同时，提高用户体验。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
文 章 编 号 ：０ ６２ ７ （ ０２ ０ －１５０ １０ －４ ５ ２ １ ） １ ４ －６ ０
计 算 机 与 现 代 化 Ｊ Ｕ Ｎ ＩＹ Ｉ Ｎ Ａ Ｈ Ａ Ｉ Ａ Ｊ Ｕ ＸＡ Ｄ ＩＵ Ｓ
总第 １７期 ９
基 于 Ｇ Ｕ的大 规模 地形 数 据 绘制 算 法 Ｐ
Ａｂ ｔ ａ ｔ Ｉ ｈ ｒ ｃ ｓ ｆｒｎ ｅ ｎ ｒｌｒ ｅ ｔｒａｎ， ｒｄ ｃｎ ｍａ ｅ ｌ ａｌ ｎ ｃ ｕ ａｅｙａ ｅ ｒ ｑ ｉｅ ．Ｔ ｉ ｐ ｐ ｒｐ ｔ ｆ ｒ ｓｒ ｃ ： ｔ ｅｐ ｏ ｅ ｓｏ ｄ ｒ ｇ ｆ ａｇ ｅ ｒｉ ｐ ｏ ｕ ｉｇ ｉ ｇ ｓｃ ｅ ｒｙ ａ ｄ ａ ｃ ｒｔ ｌ ｒ ｅ ｕｒ ｄ ｎ ｅ ｉ ｏ ｈｓ ａ ｅ ｕ ｓｏ －
０ 引 言
大 规模 地 形数 据绘 制是 视 景仿 真 中的一个 重 要
树组织 大 的地 形分块 ， 每个地 形块 都是一 个近 似矩 形 的 网格 ， 然后 对 每个 网格 进 行单 独 优 化 ， 最后 通 过 环
方面 ， 在飞行模拟器的研制上 ， 大规模地形绘制质量 决定着视景的清晰和真实程度… 。传统 的大规模地 形 数据 绘 制 方法 ， 主要依 赖 Ｃ Ｕ 来选 取合 适 的数 据 Ｐ 层 次并送 到 图形硬 件进 行 回执 ， 些方 法 中 Ｃ Ｕ 引 这 Ｐ 经常不能在一帧的限定时间内从 大规模的数据 中提 取需要 绘制 的数据 ， 外 ， Ｐ 此 Ｃ Ｕ和 图 形硬 件 之 间 的数 据通信带宽经常限制绘制速率 。 现代 图形 硬 件提 供 了具有 可 编程 能 力 的顶 点着 色器和片段着色器 ， 且在 Ｓａｅ Ｍ ｄｌ ． ｈｄｒ ｏｅ ３０以后又增 加 了几何 着色 器 ， 图形 硬件 的可编程性 带来 了基 于可 编程着色器的高效地形绘制算法。Ｄ ｏ 最早考虑 ｅ ｅ Ｂ ｒ 利 用 图形硬件 的特 性并 提 出 了使 用 四叉 树 的 结构 来 组织顶点 ， 是他直 接在 地形 上使 用 了类 似纹 理 但 Ｍｐ ａ ｉ ｐ的 Ｇ ｏ ｅｙ Ｍ ｐ ａ （ 称 Ｇ ｏ ｉ ａ ） ｍ ｅｍ ｎ ｉ ｐ 简 ｍ ｅｍｐ ｐ 方 ｍ 法 。Ｕｒ ｈ Ｊ ｌｃ 提出了 Ｃ ｕｋｄ Ｏ ｉ ｈｎｅ Ｄ算法 ， Ｌ ｊ通过 四叉
ｐｉｄ ｔ ｅ ｄ ｒｎ ｒｌｒ ｅ ｓ ａｅ ｔ ｒ ｉ ． ｌ ｒｎ ｅｉ ｇ ｆ ａｇ ｃ ｌ ｅｒ ｎ ｅ ｏ ｏ ａ Ｋｅ ｒ ｓ ｒ ｎ ｅ ｉｇ ｏ ｒ ｅ ｔｒａｎ；ｖｓ ａ ｓｍｕ ａｉｎ；ｔｒａｎ ｖ ｓ ａ ｉａｉｎ；ｌｖ ｌｏ ｅａｌ ｙ ｗｏ ｄ ：ｅ ｄ ｒ ｆｌ ｇ ｅ ｉ ｎ ａ ｉ ｌ ｉ ｌｔ ｕ ｏ ｅ ｒ ｉ ｉｕ ｌ ｔ ｚ ｏ ｅ ｅ ｆｄ ｔｉ
张立 民 ， 闫文 君
（ 海军航 空工程学院电子信息 工程 系， 山东 烟 台 ２ ４０ ） ６０ １
摘要 ： 对大规模地形数据绘制 中， 针 对绘制过程快速 、 生成 图像 清晰准确的要求 ， 从地 形数 据的组织 、 实时绘制时 Ｌ Ｄ选 Ｏ 取标准 、 次过渡优化、 层 视锥体裁减等地形 可视化的几个关键技术层面着手 ， 出合理的解决方案。生成的结果表 明 ， 提 该
ｗ ｒ ｈ ｅ ｓ ｎ ｂｅ ｓ ｌ ｔ ｎ ｆ ｍ ｈ ｒａ ｉ ｔ ｎ ｏ ｅ ｒａ ・ ｍｅｔ ｒ ｉ ａ ａ ｒ ｗ ｎ Ｏ ｓ ｌｃｉ ｎ ｓａ ｄ ｒ ｓ ＯＤ ｏ ｔ ｚ — ａ ｄ ｔ ｅ ｒ ａ ｏ ａ ｌ ｏ ｕｉ ｒ ｔ ｅ ｏ ｇ ｎ ｚ ｉ ｆ ｈ ｅ ｌｔ ｅ ａ ｎ ｄ ｔ ，ｄ ａ ｉ ｇ Ｌ Ｄ ｅｅ ｔ ｔ ａ ｄ ，Ｌ ｐ ｉ ａ ｏ ｏ ａｏ ｔ ｉ ｏ ｎ ｍｉ ｔ ｎ ａ ｄ ｏ ｔ ｚ ｔ ｎ ｏ ｉｗ ｆ ｓ ｍ ｕｌｎ ．Ｔ ｅ ｒ ｓ ｌ ｓ ｏ ｓｔ ａ ｈ ｔｏ ａ ｋ ｕｌｕ ｅ ｏ Ｐ ｒ ｗ， ｈ ｃ ａ ｅ印 一 ｉ ｎ ｐ ｉ ａ ｏ ｆ ｅ ｕ ｔ ｃ ｌ ｇ ｈ ｅ ｕ ｔ ｈ ｗ ｔ ｅ ｍｅｈ ｄ Ｃ ｍａ ｅｆ ｌ ｓ ｆＧ Ｕ ｄ ａ ｗ ｉｈ ｃ ｎ ｂ ｏ ｍｉ ｉ ｖ ｒ ｕ ｉ ｈ ｔ ｎ
Ａ ｅ ｈｏ ｆＲｅ ｌｔｍ ｅ Ｒｅ ｄ ｒｎ ｏ ｒ ｅ Ｔｅ ｒ ｉ ｓ ｄ ｏ Ｍ ｔ ｄ ｏ ａ －ｉ ｎ ｅ ｉ ｇ ｆ ｒ Ｌａ ｇ ｒ ａ ｎ Ｂａ ｅ ｎ ＧＰＵ
Hale Waihona Puke Ｚ Ａ Ｇ Ｌ— ｉ ， Ａ ｎｊｎ Ｈ Ｎ ｉ ｎ Ｙ Ｎ Ｗｅ － ａ ｒ ｕ
收稿 日期 ：０ １ ８０ ２ １－ －８ ０
绕相接 的方法来处理接边问题。Ｂｈ等人使用片段 ｏ 着色器 实现 网格 细分操 作 ｊＳｕｈｒ ，ｏｔ ｎ等人 利 用顶 点 ｅ 着色器 对 基 于视 点 的 不 同分 辨 率 网 格 进 行 插 值 过 渡 ＪＷａｎｒ 人提 出一种基 于 Ｇ Ｕ 的几何 变 形 技 ９， ｇｅ等 Ｐ 术对不 同分辨率的地形分块进行绘 制 。Ｓｈ ｅ ｅ 。，ｃｎｉ ｒ ｄ 等人通过在 Ｇ Ｕ中进行渐进几何传输运算降低了通 Ｐ 信带宽…ＪＬ ｓ ｓ 等人提出了 Ｇ ｏ ｅ Ｃｉ ａ （ ，ｏ ｓ ａｏ ｅｍ 时 ｌ ｍ ｐ 简 ｐ 称 Ｇ ｏｌ ｍ ｐ ｅｃｐ ａ ）算 法 ， 剪 切 图 形 方 式 管 理 高 程 ｉ 用 数据 。 其 中 ， ｅｍ ｐ ａ 、 ｈ ｎ ｅ Ｏ Ｇ ｏｌ ｍ ｐ三 Ｇ ｏ ｉｍ ｐ Ｃ ｕ ｋｄ Ｌ Ｄ、 ｅ ｃ ｐ ａ ｉ 种算 法是利 用基 于 Ｇ Ｕ方法 发展 过程 中较典 型 的方 Ｐ 法 。Ｇ ｏ ｉｍ ｐ方法在 实现 上 与传 统 的基 于 四叉 树 ｅｍｐ ａ 算法 相似 ， 区别 在于 为充 分利 用 图形 硬件 ， 少 Ｃ Ｕ 减 Ｐ 运算时间， 改变了处理单元 ， 从单个顶点到一个小 的 地形分 块 。Ｃ ｕ ｋｄＬ Ｄ 的低 细 节 层 次 的 生成 是 采 ｈｎ ｅ Ｏ
方 法 能 够 充 分利 用 Ｇ Ｕ进 行绘 制 ， 以 适 用 于 大规 模 地 形 数 据 绘 制 。 Ｐ 可 关键词 ： 大规 模 地 形 绘 制 ； 视景 仿真 ； 形 可视 化 ； 节层 次 地 细
中图分类号 ：Ｐ９ Ｔ３ １
文献标识码 ： Ａ
ｄ ｉ ０ ３ ６／．ｓ ．０ ６２ ７ ．０ ２０ ．３ ｏ：１ ．９ ９ ｊｉ ｎ １０ － ５ ２ １ ．１０ ８ ｓ ４
（ ｅａｔｅｔ ｆ ｌ ｔ ｎ ｓ ｎ ｆｒａ ｏ ｎｉｅｒ ｇ Ｎ ｖｌ ｅｏａｔａ ａｄＡｔ ｎｕ ｃ ｎ ｅ ｉ ， ａｔ ６０ １ Ｃ ｉａ Ｄ ｐｒ ｎ ｏ Ｅｅ ｒ ｉ ｄＩ ｏｍ ｔｎＥ ｓ ｅｉ ， ａａ Ａ ｒ ｕ ｃｌ ｎ ｓｏａｔａ Ｕ ｉ ｒｔ Ｙｎａ ２４０ ， ｈｎ） ｍ ｃｏ ｃ ａ ｎ ｉ ｎ ｎ ｎ ｉ ｒ ｉ ｌ ｖ ｓｙ ｉ