[發明專利]一種基于GPU并行加速的預條件共軛梯度區域網平差方法

有效

• 申請號: 201610117562.3
• 申請日: 2016-03-02
• 公開（公告）號: CN105808926B
• 公開（公告）日: 2017-10-03
• 發明（設計）人: 鄭茂騰;朱俊鋒;熊小東
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 北京輕創知識產權代理有限公司11212
• 代理人: 陳衛

1.一種基于GPU并行加速的預條件共軛梯度區域網平差方法，其特征在于，包括以下步驟：

S1、在CPU端啟動主程序，檢測并初始化可用GPU設備，獲取GPU設備信息，若存在可用GPU設備，則繼續下一步，否則退出；

S2、在CPU端導入區域網平差計算需要的原始數據，且將導入的原始數據進行時空基準統一，得到初始數據，所述原始數據至少包括初始內外方位元素數據以及點位數據；

S3、將初始數據從CPU端拷貝至GPU內存中，并在GPU端為各類中間數據分配內存空間，根據GPU的計算能力和初始數據的容量大小，在GPU端為第一核函數分配線程塊個數n₁，每個塊包含的線程數m₁，得到總線程個數N₁＝n₁*m₁；為第二核函數分配線程塊個數n₂，每個塊包含的線程數m₂，得到總線程個數N₂＝n₂*m₂；為第三核函數分配線程塊個數n₃，每個塊包含的線程數m₃，得到總線程個數N₃＝n₃*m₃；確定N₁、N₂和N₃的值，為多任務并行計算做準備；

S4、進入區域網平差迭代流程：啟動GPU端的第一核函數計算法方程常數項向量c，所述第一核函數分為n₁個線程塊，每個線程塊擁有m₁個線程，組成共n₁*m₁＝N₁個線程，每一個線程分別讀取一個或多個像點對應的初始數據，各線程并行計算得到對應的法方程常數項向量c的一個分量，并在GPU端將各個法方程常數項向量c的分量累加，得到完整的法方程常數項向量c，然后將其拷貝回CPU端，作為步驟S6中殘差向量s的初值；

S5、啟動GPU端的第二核函數計算由預條件矩陣M的逆矩陣M^-1與法方程常數項向量c相乘得到的矩陣-向量積M^-1c，第二核函數分為n₂個線程塊，每個區塊擁有m₂個線程，組成共n₂*m₂＝N₂個線程，每一個線程分別讀取一個或多個像點對應的初始數據，計算預條件矩陣M對應的分量，并將該分量求逆并乘以法方程常數項向量c得到矩陣-向量積M^-1c的一個分量，在GPU端將各個矩陣-向量積M^-1c的分量累加，得到完整的矩陣-向量積M^-1c，然后將其拷貝回CPU端，作為步驟S6中方向向量d的初值；

S6、進入預條件共軛梯度法迭代流程：對未知數改正數向量u、殘差向量s以及方向向量d進行初始化；

S7、啟動GPU端的第三核函數計算由法方程系數矩陣B與方向向量d相乘得到的矩陣-向量積Bd，第三核函數分為n₃個區塊，每個區塊擁有m₃個線程，組成共n₃*m₃＝N₃個線程，每一個線程分別讀取一個或多個像點對應的初始數據，各線程并行計算得到對應的法方程系數矩陣B的分量，并將該分量乘以方向向量d，得到法方程系數矩陣B與方向向量d的矩陣-向量積Bd分量，在GPU端將各矩陣-向量積Bd分量累加，得到完整的矩陣向量積Bd；

S8、根據預條件共軛梯度算法，以及本次迭代中的未知數改正數向量u，殘差向量s，方向向量d，預條件矩陣M以及法方程系數矩陣B，計算新的未知數改正數向量u、新的殘差向量s以及新的方向向量d；

S9、判斷此次預條件共軛梯度迭代是否符合預定收斂條件，若符合，則結束預條件共軛梯度迭代，輸出新的未知數改正數向量u，執行步驟S10；否則，返回步驟S7；

S10、判斷此次區域網平差迭代是否符合預定收斂條件，若符合，則結束區域網平差迭代，執行步驟S11，否則，將更新后的未知數改正數向量u從CPU拷貝至GPU，返回步驟S4；

S11、根據步驟S9中輸出的新的未知數改正數向量u，更新所有的未知數數值，并輸出所有的未知數數值。