[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

技術領域

本發明涉及測繪科學與技術領域，具體涉及一種基于GPU并行加速的預條件共軛梯度區域網平差方法，主要應用于超大規模測區攝影測量等領域。

背景技術

區域網平差技術經過幾十年的發展，其方法和流程已經相對成熟，并且在測繪領域得到了廣泛的應用。然而隨著科技的加速進步，新的傳感器不斷涌現，如航天領域的高分辨率衛星，立體測繪衛星，航空領域的規則航空攝影系統，傾斜航空攝影系統，無人機、飛艇攝影系統等。同時，全世界范圍內三維建模應用需求不斷增加，也使得大量地面車載攝影系統，近景攝影系統，普通數碼相機，甚至是智能手機，網絡圖片庫等采集的影像被用于三維建模。影像數據源越來越豐富的同時，其分辨率也不斷提高，以前數十米的衛星影像如今可以達到最高0.35米(WorldView-3)，航空影像的分辨率更是進入了厘米級時代。分辨率的增加必然會帶來數據量的增大，攝影時的航線設計也不再滿足傳統的條帶式規則分布，給相應的數據處理方法帶來了一定挑戰，受法方程大小的限制，傳統的區域網平差技術流程已經不能滿足大規模數據處理需求。特別是當測區數據大小超過1萬張影像時，傳統的區域網平差方法對內存的需求急劇增大，即使有少部分圖形工作站內存容量足夠大，但大量的內存占用使得計算效率大幅降低，同時，數據處理的硬件成本也隨之增大，上述問題均阻礙了各類新型傳感器數據的廣泛應用。

發明內容

為了解決上述問題，本發明在區域網平差中，引入預條件共軛梯度法求解大規模線性方程組(法方程)，避免存儲大規模法方程系數矩陣，使得對大規模測區(1萬至10萬張影像，下文中統稱此類測區為大規模測區)數據的區域網平差成為可能，其流程也更加易于并行化設計。預條件共軛梯度法是一個迭代求解的過程，每一次迭代都需要遍歷所有的像點觀測值數據，每一次區域網平差迭代內部又包括N次預條件共軛梯度法迭代，N是預條件共軛梯度法迭代收斂次數，因而計算量較傳統的攝影測量區域網平差流程要大很多，為此，本發明采用GPU并行計算框架，將區域網平差的任務細分成若干部分，分別交由GPU中不同計算線程來完成，以保證處理精度，節省硬件成本，提高數據處理容量，加快處理效率。

本發明所要解決的技術問題是提供一種基于GPU并行加速的預條件共軛梯度區域網平差方法，能夠解決現有技術的不足。

本發明解決上述技術問題的技術方案如下：

一種基于GPU并行加速的預條件共軛梯度區域網平差方法，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；