CN109003316A - 基于多边形复杂度的并行栅格化数据划分方法 - Google Patents
基于多边形复杂度的并行栅格化数据划分方法 Download PDFInfo
- Publication number
- CN109003316A CN109003316A CN201810730005.8A CN201810730005A CN109003316A CN 109003316 A CN109003316 A CN 109003316A CN 201810730005 A CN201810730005 A CN 201810730005A CN 109003316 A CN109003316 A CN 109003316A
- Authority
- CN
- China
- Prior art keywords
- polygon
- grid
- rasterizing
- complexity
- circumscribed rectangle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000005192 partition Methods 0.000 title claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000010606 normalization Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- VQLYBLABXAHUDN-UHFFFAOYSA-N bis(4-fluorophenyl)-methyl-(1,2,4-triazol-1-ylmethyl)silane;methyl n-(1h-benzimidazol-2-yl)carbamate Chemical group C1=CC=C2NC(NC(=O)OC)=NC2=C1.C=1C=C(F)C=CC=1[Si](C=1C=CC(F)=CC=1)(C)CN1C=NC=N1 VQLYBLABXAHUDN-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008570 general process Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Generation (AREA)
Abstract
本发明涉及一种基于多边形复杂度的并行栅格化数据划分方法,包括以下步骤:遍历所有多边形,计算每个多边形的最小外接矩形包含的栅格数目并归一化;计算各多边形的复杂度PC,并按从小到达的顺序进行排序形成队列;每次从队列首端和末端分别取出一个多边形,将其依次分配给所有的进程,直至所有的多边形分配完毕;各进程分别对被分配的多边形的最小外接矩形依次进行栅格化,其栅格化的结果以矩形栅格组存在,记录所述矩形栅格组的左上角点坐标以及该矩形栅格组的X方向和Y方向的栅格长度;各进程分别将其栅格化后得到的矩形栅格组写入到目标栅格中。本发明可以保证负载均衡并提高栅格化并行处理的效率。
Description
技术领域
本发明涉及一种基于多边形复杂度的并行栅格化数据划分方法,属于图像处理技术领域。
背景技术
矢量数据栅格化是地理信息系统(Geographic Information System,GIS)中的基础问题。矢量栅格化包括点的栅格化、线的栅格化以及多边形的栅格化,以多边形栅格化最为复杂。多边形栅格化不需要进行多边形之间的互操作,划分粒度为单个多边形,因而多边形栅格化的复杂度只与多边形自身有关。
多边形栅格化一般过程为:遍历多边形,判断每个多边形内部及边界上的栅格单元,并将多边形属性值赋给这些栅格单元。传统的多边形栅格化算法主要有扫描线法、边界代数法和包含检验法等;以后改进的栅格化算法大都由这几类方法衍生的。各算法虽然原理不同,但具有一些相同点:①多边形栅格化的关键步骤是判定多边形内部及边界上的栅格单元并将其进行填充;②对单个多边形的栅格化处理过程都可在多边形最小外接矩形(Minimum Bounding Rectangle,通常简称为MBR)内进行,与其他多边形以及最小外接矩形以外的区域无关;③多边形栅格化不依赖于具体的填充计算算法,其基本过程都是对矢量数据集中的多边形逐个进行栅格填充。
随着对地观测技术的快速发展和矢量数据规模的急剧增长,现有栅格化算法的串行模式和单机的硬件平台,已经无法满足大规模矢量数据快速栅格化处理的需求。随着大数据时代的到来,采用高性能并行计算技术来减少大规模地理数据的处理时间已成为重要手段。因此,发展多边形并行栅格化技术就尤为迫切和必需。
在并行化过程中,数据如何划分是最关键的问题,良好的数据划分可有效提高并行效率、实现负载均衡。通用的多边形划分方法包括基于多边形ID的划分方法(Decomposition based on Polygon ID Sequence,DPIDS)和基于空间位置的划分方法(Decomposition based on Spatial Position,DSP),已在一些多边形计算中得到应用。然而,考虑到多边形存储结构复杂、计算类型多样,传统方法不能适用所有多边形计算,需要针对特定算法设计划分方法,如针对空间数据查询操作构造空间曲线对多边形进行划分,针对磁盘分配利用规则格网将栅格进行划分,并通过映射函数转换为对多边形的划分,针对不同数据对象采用动态的任务分配方法,实现多边形叠置计算,等等。
针对栅格化算法的并行化,现有的研究重点是考虑如何利用新型硬件架构实现算法并行化,采用通用方法进行多边形划分,DPIDS方法不考虑多边形的属性和关系特征,根据多边形的ID排列顺序均匀划分给各进程,而DSP方法将目标栅格范围划分成大小相等的栅格块并分配到不同的进程,再将每个区域映射到矢量数据空间中,建立其与矢量源数据间的映射关系,从而形成对源数据划分的结果。以上两种方法均忽略了从算法特征和多边形特征方面设计合理的划分方法,无法保证负载均衡。因此,研究新的多边形栅格化的数据划分方法以进一步提高栅格化并行处理效率显得尤为重要。
发明内容
本发明要解决技术问题是:克服上述技术的缺点,提供一种可以保证负载均衡并提高栅格化并行处理效率的栅格化数据划分方法。
为了解决上述技术问题,本发明提出的技术方案是:一种基于多边形复杂度的并行栅格化数据划分方法,包括以下步骤:
步骤一、遍历所有多边形,记录下各多边形包含的边界数目、最小外接矩形的角点坐标,根据每个多边形的最小外接矩形的角点坐标和栅格尺寸计算该多边形的最小外接矩形包含的栅格数目;
步骤二、计算各归一化后多边形的边界数目值和归一化后最小外接矩形包含的栅格数目值;
步骤三、计算各多边形的复杂度PC,并按从小到达的顺序进行排序形成队列,其中
PC=a×Nb+(1-a)×Nr,
式中,Nb为归一化后当前多边形的边界数目值,a为预设的权重值,Nr为归一化后当前多边形最小外接矩形包含的栅格数目值;
步骤四、每次从队列首端和末端分别取出一个多边形,将其依次分配给所有的进程,直至所有的多边形分配完毕;
步骤五、各进程分别对被分配的多边形的最小外接矩形依次进行栅格化,其栅格化的结果以矩形栅格组存在,记录所述矩形栅格组的左上角点坐标以及该矩形栅格组的X方向和Y方向的栅格长度;
步骤六、各进程分别将其栅格化后得到的矩形栅格组写入到目标栅格中,即以每个矩形栅格组的左上角点坐标作为定位坐标,分别在X方向和Y方向的对应栅格长度内的栅格写入其属性值。
由背景技术中可知,对单个多边形的填充计算在该多边形的最小外接矩形(MBR)中进行,因而多边形的形状与大小均为影响该多边形处理效率的因素。其中,多边形的形状可用多边形的边界数目(Boundary Number,BN)、形状指数(Shape Index,SI)表示;多边形大小可用面积和MBR包含的栅格数目(Raster Pixel Number,RPN)表示。对同一个算法,栅格化时间可以反映出多边形的复杂程度,多边形越复杂,处理时间越长。
为了比较上述四种因素对于栅格化效率的影响程度,申请人对每一种因素在相同条件下改变该因素的值,并保证其他因素不变,形成多个测试多边形,从而比较各多边形处理时间。结果表明,改变多边形的面积、SI、BN及RPN对运行效率均有影响,但影响程度不同。具体来说,对于多边形面积及SI,随着面积和SI的成倍增加,多边形的处理时间增加较缓慢;对于BN及RPN,随着BN和RPN的增加,处理时间近似呈线性增长。由此可以看出,在多边形栅格化中,BN和RPN是影响处理效率的主要因素。
正因为此,申请人将BN和RPN作为评估多边形复杂度的标准,BN和RPN越多,则栅格化计算判断的次数越多,复杂度越高。考虑到在具体划分过程中并不需要计算具体函数关系,只需表示出多边形的复杂度高低,因而复杂度可简要表示为BN和RPN之和的形式。另外,不同的栅格化算法复杂度对BN和RPN的敏感程度不同,进而在计算复杂度时需要对BN和RPN赋予不同的权重,因此申请人将多边形复杂度(Polygon Complexity,PC)表示为:
PC=a×Nb+(1-a)×Nr
式中,Nb为归一化后当前多边形的边界数目值,a为BN的权重值,Nr为归一化后当前多边形最小外接矩形包含的栅格数目值,1-a为RPN的权重值。因为对BN和RPN均作了归一化处理,因此PC值为[0,1]区间内的实数,PC值越大表明复杂度越大。
本发明在进行并行栅格化数据划分时,对每个多边形的复杂度进行排序形成队列,每次从队列首端和末端分别取出一个多边形,将其依次分配给所有的进程。这样,每个进程包含的多边形数目不一定相等,但栅格化的计算复杂程度大致相当,这样就保证了各进程的负载均衡。另外,在栅格化多边形时,直接对多边形的最小外接矩形进行栅格化,这样处理简单,栅格化速度更快,也提高了栅格化效率,进一步保证了各进程的负载均衡。
本发明的并行栅格化方法取得了较高的加速比,大大地减少了栅格化处理时间,有效地解决了海量矢量数据快速栅格化的问题。相较于传统方法,本发明的方法受数据排列、空间分布的影响较小,基本能达到负载均衡。
在步骤六中各进程的多边形矩形栅格组融合过程中,存在因写入顺序不同而引起相同栅格单元多次赋值的问题,为了解决公共栅格单元的属性值归属,上述技术方案的再进一步改进是:步骤五中,各进程记录每个矩形栅格组的边界栅格的坐标;步骤六中,将两个或两个以上的进程记录的坐标相同的边界栅格定义为公共栅格,则由每个进程找出该公共栅格对应的多边形,并计算每个多边形占据该公共栅格的面积,将占据面积最大的多边形属性值赋予该公共栅格;若面积相等,则计算每个多边形的边界位于公共栅格内的长度,将长度最大的多边形属性值赋予该公共栅格。这些边界栅格单元的合理栅格化,是保证多边形栅格化效率和精度的关键。
附图说明
下面结合附图对本发明作进一步说明。
图1是本发明实施例的流程示意图。
图2是本发明实施例的实验示意图。
图3是图2栅格化后的示意图。
图4是多个多边形包含的公共栅格的示意图。
图5是对图4的公共栅格重新赋值后的示意图。
具体实施方式
实施例
本实施例的基于多边形复杂度的并行栅格化数据划分方法,如图1所示,包括以下步骤:
步骤一、遍历所有多边形,包括ID1-10共十个多边形,记录下各多边形包含的边界数目、最小外接矩形的角点坐标,根据每个多边形的最小外接矩形的角点坐标和栅格尺寸计算该多边形的最小外接矩形包含的栅格数目。
步骤二、计算各归一化后多边形的边界数目值和归一化后最小外接矩形包含的栅格数目值。
步骤三、计算各多边形的复杂度PC,并按从小到达的顺序进行排序形成队列,其中
PC=a×Nb+(1-a)×Nr,
式中,Nb为归一化后当前多边形的边界数目值,a为预设的权重值,Nr为归一化后当前多边形最小外接矩形包含的栅格数目值;即a为BN的权重值,1-a为RPN的权重值,a的取值与具体的栅格化算法有关,不同的算法中BN和RPN分别对多边形复杂度的影响不同,a值可根据经验或者实验获得。对于常用的栅格化算法,扫描线算法的a取值为0.6,边界代数算法的a取值为0.7,包含检验算法的a取值为0.4。
步骤四、每次从队列首端和末端分别取出一个多边形,将其依次分配给所有的进程,直至所有的多边形分配完毕。如图1所示,进程0和进程1分配得到不同的多边形,并依PC值排序。
步骤五、各进程分别对被分配的多边形的最小外接矩形依次进行栅格化,其栅格化的结果以矩形栅格组存在,记录所述矩形栅格组的左上角点坐标以及该矩形栅格组的X方向和Y方向的栅格长度。
步骤六、当完成所有多边形的栅格化后,各多边形结果以矩形栅格组存在,包含已被属性值填充的栅格单元和不需填充、栅格值仍为默认值的栅格单元。这些矩阵栅格组各自独立,未写入目标栅格,因而需要对多边形结果进行融合。具体为:各进程分别将其栅格化后得到的矩形栅格组写入到目标栅格中,即以每个矩形栅格组的左上角点坐标作为定位坐标,分别在X方向和Y方向的对应栅格长度内的栅格写入其属性值。
在写入目标栅格时,首先要确定多边形矩形栅格在目标栅格中的位置,可用矩形栅格的左上角点坐标作为定位坐标,其功能是为了完成在写入时栅格的定位,因此可将左上角点称为定位角点,通过搜索目标栅格中的各多边形矩形栅格组的定位角点,就可以确定栅格结果的准确写入位置。其次,需要指定写入栅格的长度,包括X方向及Y方向的栅格长度,可分别用矩形栅格X、Y方向栅格数目表示。这样,通过多边形矩形栅格的定位角点及X、Y方向的栅格数目三个信息即可实现完整多边形结果的融合。
在融合过程中,相邻多边形矩形栅格组之间主要包含三种情形,即多边形矩形栅格组不相交、相交但不包含公共栅格及相交且包含公共栅格,这样就可能存在因写入顺序不同而引起相同栅格单元多次赋值的问题。对于第一种情形,直接写入当前多边形矩形中栅格属性值即可,不存在多边形结果融合时的重复写入问题。对于第二、三种情形,公共栅格的属性值归属是最主要问题,需要进行二次处理。这些边界栅格单元的合理栅格化,是保证多边形栅格化效率和精度的关键。本实施例采用的方法如下:步骤五中,各进程记录每个矩形栅格组的边界栅格的坐标;步骤六中,将两个或两个以上的进程记录的坐标相同的边界栅格定义为公共栅格,则由每个进程找出该公共栅格对应的多边形,并计算每个多边形占据该公共栅格的面积,将占据面积最大的多边形属性值赋予该公共栅格;若面积相等,则计算每个多边形的边界位于公共栅格内的长度,将长度最大的多边形属性值赋予该公共栅格。
具体实施时可采用两次处理过程来完成:1)第一次处理过程中各进程将多边形矩形栅格组及边界栅格都按照当前多边形的属性值进行填充,并将边界栅格用数组记录,内容包括当前边界栅格的行列号及对应多边形ID号;2)各进程共同维护上述数组,这样当第一次处理结束时该数组记录了包含两个及两个以上多边形占据的边界栅格及对应多边形的ID号,将这些的边界栅格依次分配给各进程进行第二次处理;3)在第二次处理中,对每个边界栅格调取其对应的多边形,并分别求得被各多边形占据的面积,将占据面积最大的多边形的属性值赋予该边界栅格;若面积相等,则将该边界栅格内较长的多边形属性值赋予该边界栅格。如图4所示,多个多边形包含中间三个公共栅格,其处理结果如5所示。
另外,当处理大数据量的多边形数据时,各进程不可能一次性处理完所有多边形,还必须考虑计算节点内存限制对数据划分的影响。一个多边形所占内存空间主要由X坐标、Y坐标及该多边形属性值三部分组成,其字节数可表示为:
M=sizeof(PointX)+sizeof(PointY)+sizeof(AttributeValue)。
其中,PointX为多边形的X坐标数组,PointY为Y坐标数组,AttributeValue为多边形的属性值,三者均为浮点型数值。则当一个进程的内存限制为Mlimit时,一次性可处理的多边形数目应满足:
式中,n即为各进程一次可处理的最大多边形数目。
因此,每个并行进程可能对多边形进行多次读取与处理。
采用本实施例的方法对中国某土地利用现状数据作为实验数据进行栅格化处理,运行环境为IBM并行集群,包含1个管理节点,4个计算节点,每个节点的硬件配置为:CPU 2颗,规格为Intel(R)Xeon(R)CPU E5-2620(主频2.00GHz,六核十二线程);内存为16GB(4根4GB内存条,规格为DDR3RDIMM1600MHz);硬盘为2TB,网络为集成的双口千兆以太网。软件配置:操作系统为Centos Linux 6.3,文件系统为lustre系统,MPI的实现产品选择OpenMPI1.4.1。
以上实验数据存储在PostGIS数据库中,如图2所示,多边形总数为12,126,100个,数据量为5.5GB,总面积大小约为10万平方公里。实验数据的空间参考系为1980西安坐标系。
在实验时,调用八个并行进程执行本发明的并行算法,将实验多边形数据集进行并行栅格化处理,得到如图3所示的栅格尺寸为10m×10m的栅格化结果。发明人将本发明的方法与现有的串、并行算法进行对比,串行算法的运行时间不低于1289秒,而现有的并行算法(参见背景技术部分的描述)中DPIDS法最少并行时间为161.77s,DSP法为166.69s,而本例的方法耗时为134.01s,耗时最少。
本发明不局限于上述实施例所述的具体技术方案,除上述实施例外,本发明还可以有其他实施方式。对于本领域的技术人员来说,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等形成的技术方案,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于多边形复杂度的并行栅格化数据划分方法,包括以下步骤:
步骤一、遍历所有多边形,记录下各多边形包含的边界数目、最小外接矩形的角点坐标,根据每个多边形的最小外接矩形的角点坐标和栅格尺寸计算该多边形的最小外接矩形包含的栅格数目;
步骤二、计算各归一化后多边形的边界数目值和归一化后最小外接矩形包含的栅格数目值;
步骤三、计算各多边形的复杂度PC,并按从小到达的顺序进行排序形成队列,其中
PC=a×Nb+(1-a)×Nr,
式中,Nb为归一化后当前多边形的边界数目值,a为预设的权重值,Nr为归一化后当前多边形最小外接矩形包含的栅格数目值;
步骤四、每次从队列首端和末端分别取出一个多边形,将其依次分配给所有的进程,直至所有的多边形分配完毕;
步骤五、各进程分别对被分配的多边形的最小外接矩形依次进行栅格化,其栅格化的结果以矩形栅格组存在,记录所述矩形栅格组的左上角点坐标以及该矩形栅格组的X方向和Y方向的栅格长度;
步骤六、各进程分别将其栅格化后得到的矩形栅格组写入到目标栅格中,即以每个矩形栅格组的左上角点坐标作为定位坐标,分别在X方向和Y方向的对应栅格长度内的栅格写入其属性值。
2.根据权利要求1所述的基于多边形复杂度的并行栅格化数据划分方法,其特征在于:所述步骤五中,各进程对被分配的多边形进行栅格化前,首先将被分配的多边形按照多边形复杂度PC重新进行排序,形成各自的任务处理队列。
3.根据权利要求1所述的基于多边形复杂度的并行栅格化数据划分方法,其特征在于:
步骤五中,各进程记录每个矩形栅格组的边界栅格的坐标;
步骤六中,将两个或两个以上的进程记录的坐标相同的边界栅格定义为公共栅格,由每个进程找出该公共栅格对应的多边形,并计算每个多边形占据该公共栅格的面积,将占据面积最大的多边形属性值赋予该公共栅格;若面积相等,则计算每个多边形的边界位于公共栅格内的长度,将长度最大的多边形属性值赋予该公共栅格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810730005.8A CN109003316A (zh) | 2018-07-05 | 2018-07-05 | 基于多边形复杂度的并行栅格化数据划分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810730005.8A CN109003316A (zh) | 2018-07-05 | 2018-07-05 | 基于多边形复杂度的并行栅格化数据划分方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109003316A true CN109003316A (zh) | 2018-12-14 |
Family
ID=64599488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810730005.8A Pending CN109003316A (zh) | 2018-07-05 | 2018-07-05 | 基于多边形复杂度的并行栅格化数据划分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109003316A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110322556A (zh) * | 2019-04-29 | 2019-10-11 | 武汉大学 | 一种基于边界裁剪的高速高精度矢栅叠置分析方法 |
CN110619158A (zh) * | 2019-08-30 | 2019-12-27 | 合肥芯碁微电子装备有限公司 | 一种多边形边界盘绕方向计算方法 |
CN113204607A (zh) * | 2021-05-11 | 2021-08-03 | 南京大学 | 一种平衡面积、拓扑和形状特征的矢量多边形栅格化方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542035A (zh) * | 2011-12-20 | 2012-07-04 | 南京大学 | 基于扫描线法的多边形栅格化并行转换方法 |
-
2018
- 2018-07-05 CN CN201810730005.8A patent/CN109003316A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542035A (zh) * | 2011-12-20 | 2012-07-04 | 南京大学 | 基于扫描线法的多边形栅格化并行转换方法 |
Non-Patent Citations (3)
Title |
---|
CHEN ZHOU等: "A Parallel Scheme for Large-scale Polygon Rasterization on CUDA-enabled GPUs", 《TRANSACTIONS IN GIS》 * |
CHEN ZHOU等: "Data decomposition method for parallel polygon rasterization considering load balancing", 《COMPUTERS & GEOSCIENCES》 * |
陈振杰等: "矢量多边形栅格化算法快速并行化方法研究", 《遥感信息》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110322556A (zh) * | 2019-04-29 | 2019-10-11 | 武汉大学 | 一种基于边界裁剪的高速高精度矢栅叠置分析方法 |
CN110619158A (zh) * | 2019-08-30 | 2019-12-27 | 合肥芯碁微电子装备有限公司 | 一种多边形边界盘绕方向计算方法 |
CN113204607A (zh) * | 2021-05-11 | 2021-08-03 | 南京大学 | 一种平衡面积、拓扑和形状特征的矢量多边形栅格化方法 |
CN113204607B (zh) * | 2021-05-11 | 2023-07-25 | 南京大学 | 一种平衡面积、拓扑和形状特征的矢量多边形栅格化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108664619B (zh) | 一种类瓦片技术的海量线划地形图本原存储与调度方法 | |
CN102542035B (zh) | 基于扫描线法的多边形栅格化并行转换方法 | |
CN103995861B (zh) | 一种基于空间关联的分布式数据装置、方法及系统 | |
CN109003316A (zh) | 基于多边形复杂度的并行栅格化数据划分方法 | |
CN105261066B (zh) | 一种三维地理信息系统实时绘制多线程分配与控制方法 | |
JP6230213B2 (ja) | ナビゲーション装置、高度座標を決定する方法、並びに、デーベースを生成する方法 | |
Yu et al. | Geosparkviz: a scalable geospatial data visualization framework in the apache spark ecosystem | |
US11557017B2 (en) | Parallelized pipeline for vector graphics and image processing | |
CN113190515B (zh) | 基于异构并行计算的城市级海量点云坐标转换方法 | |
CN110516316B (zh) | 一种间断伽辽金法求解欧拉方程的gpu加速方法 | |
KR101741894B1 (ko) | 관리 프로그램, 관리 장치 및 관리 방법 | |
CN111009034B (zh) | 一种三维模型单体化方法、系统、存储介质及设备 | |
Aykanat et al. | Adaptive decomposition and remapping algorithms for object-space-parallel direct volume rendering of unstructured grids | |
Doraiswamy et al. | Spade: Gpu-powered spatial database engine for commodity hardware | |
Fan et al. | Rasterization computing-based parallel vector polygon overlay analysis algorithms using OpenMP and MPI | |
de Gomensoro Malheiros et al. | Simple and efficient approximate nearest neighbor search using spatial sorting | |
CN107894992A (zh) | 一种gis点缓冲区分析方法及系统 | |
US8059123B1 (en) | Parallel processing system, method, and computer program product for postponing the execution of primitive intersection | |
CN114840792A (zh) | 基于网格化处理的Web端疫情分布可视化系统与方法 | |
KR20080055327A (ko) | 룩업 테이블을 이용한 레이 트레이싱 장치 및 방법 | |
Gissler et al. | Efficient Uniform Grids for Collision Handling in Medical Simulators. | |
Ajwani et al. | Geometric algorithms for private-cache chip multiprocessors | |
Feldmann | Accelerated Ray Tracing using R-Trees. | |
Yu et al. | Index model based on top-down greedy splitting R-tree and three-dimensional quadtree for massive point cloud management | |
CN108985306A (zh) | 基于改进边界代数法的相交多边形提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181214 |