利用GPU的R树细粒度并行STR方法批量构建

大数据时代,需要对海量空间数据更快速地建立高效索引,使用递归排序网格(STR)方法构建的R树具有优秀的查询性能,但构建效率不高。本文利用基于计算机图形处理器(GPU)的通用计算具有细粒度可并行性的特点,提出了一种基于STR算法的R树GPU并行构建算法,使用线性数据结构存储R树,并且用整体排序代替分段排序,细化算法的并行粒度。实验结果表明,同CPU算法相比,本文算法的加速比最高可达27倍,并且呈现出随着数据量增大而变大的趋势。本文算法充分利用GPU的并行处理能力,高效构建了性能优越的R树空间索引。

基于CGA的大规模三维城市模型构建方法研究

研究CGA脚本语言的三维建模原理,分析基于CGA的单个建筑模型建模流程以及在文法规则描述控制下大规模虚拟城市模型的批量构建方法。与三维模型定义语言VRML及GML的建模效率相比较,当场景建模数量需求大幅上升,CGA建模方法工作周期更短,生产效率更高,且有利于风格不同的细节模型生成。结合开源地图矢量数据构建城市三维空间图像,CGA方法建模过程高效且仿真效果逼真,具有良好的应用优势。