CN109118583A - 一种基于cpu和gpu混合的高速并行地形遮蔽计算方法 - Google Patents

一种基于cpu和gpu混合的高速并行地形遮蔽计算方法 Download PDF

Info

Publication number
CN109118583A
CN109118583A CN201810968397.1A CN201810968397A CN109118583A CN 109118583 A CN109118583 A CN 109118583A CN 201810968397 A CN201810968397 A CN 201810968397A CN 109118583 A CN109118583 A CN 109118583A
Authority
CN
China
Prior art keywords
elevation
point
grid
matrix
gpu
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.)
Granted
Application number
CN201810968397.1A
Other languages
English (en)
Other versions
CN109118583B (zh
Inventor
王毅
俞信
廉海明
张培
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Research Institute Institute Of Electronics Chinese Academy Of Sciences
Original Assignee
Suzhou Research Institute Institute Of Electronics Chinese Academy Of Sciences
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Research Institute Institute Of Electronics Chinese Academy Of Sciences filed Critical Suzhou Research Institute Institute Of Electronics Chinese Academy Of Sciences
Priority to CN201810968397.1A priority Critical patent/CN109118583B/zh
Publication of CN109118583A publication Critical patent/CN109118583A/zh
Application granted granted Critical
Publication of CN109118583B publication Critical patent/CN109118583B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Processing Or Creating Images (AREA)
  • Image Generation (AREA)

Abstract

本发明是一种基于CPU和GPU混合的高速并行地形遮蔽计算方法，该方法采用网格化数字高程模型，利用遮蔽分析算法，对区域的地形数据进行分析，从而计算出给定的视点和观察点这条线段上的最远可视距离。本发明采用的普通CPU并行算法和CUDA并行计算框架混合方法，解决地形遮蔽计算过程中对环境适应能力不足、计算效率低下的问题，实现了对多种应用场景下的支持，大大提高了算法的计算效率。

Description

一种基于CPU和GPU混合的高速并行地形遮蔽计算方法
技术领域
本发明属于数据分析领域，涉及一种基于CPU和GPU混合的高速并行地形遮蔽计算方法。
背景技术
三维场景模拟仿真与地形数据息息相关，而对地形遮蔽的计算能够很好的分析一定范围数据与地形之间的关系，在军事、国土、测绘等方向具有很好的实际意义。
传统的地形遮蔽算法的实现过程常使用CPU编程的方法。CPU并行计算最常用的方法是多线程并行运算，通常利用OpenMP对循环进行并行化处理，OpenMP提供了一系列应用程序接口，通过在源代码中加入“pragma”来标明并行化，并通过系统级的抽象降低了并行编码的复杂性。OpenMP以fork-join模型执行。但是CPU编程的方法在大量数据情况下计算效率不高。
目前，在大规模的并行计算中，越来越多地应用图形处理器（GPU）进行并行计算。运算平台CUDA (Compute Unified Device Architecture)是一种操作GPU计算的硬件和软件架构，它将GPU视作一个数据并行计算设备，而且无需把这些计算映射到图形API。但在使用GPU进行并行计算的过程中，经常会遇到服务器或者工作站没有显卡或者显卡不支持CUDA的情况。
发明内容
本发明的目的在于采用普通CPU并行算法和CUDA并行计算框架混合的方法，解决地形遮蔽计算过程中对环境适应能力不足、计算效率低下的问题。
为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
一种基于CPU和GPU混合的高速并行地形遮蔽计算方法，该方法包括以下步骤：
步骤1）建立网格化数字高程模型，以高程矩阵方式来表示地面高程，根据需要计算的区域和高程的读取范围，将该区域划分成若干网格，对网格进行编码，记录每个网格的高程值，计算网格化的高程矩阵，使得区域内任一位置有对应的网格编码，从而得到该位置的高程值；
步骤2）采用遮蔽分析算法对区域的地形数据进行分析，将两点在高程矩阵中的编码拟合成一条直线，通过计算直线与高程网格矩阵的交点，得到视点到观察点的地形剖面，根据点与点之间的夹角判断是否通视，计算出最远通视点；
步骤3）高程数据校正，将影响高程数据的地球曲率和大气衰减因素作为校正参数，构建校正公式对高程数据进行校正。
进一步的，所述步骤1）中，将需要计算的区域划分成网格m×n，网格编码以起始点的地理坐标为网格的原点(0，0)，水平方向为0到n-1，垂直方向为0到m-1。
进一步的，所述步骤1）中，计算网格化的高程矩阵，包括以下步骤：
步骤1.1）根据需要计算的区域的网格大小（m×n），最小点的位置P min (lon,lat),其中lon和lat分别表示经度和纬度，最大点的位置P max (lon,lat),计算点P(lon,lat)对应的网格编码（x, y）,其计算公式如下：
单位网格的经纬度分辨率为：
R(∆lon,∆lat) = P max - P min / (n, m)；
步骤1.2）根据单位网格的经纬度分辨率和起始点的经纬度计算出对应点的网格编码，计算公式如下：
（x, y） = (P-P min ) / R。
进一步的，所述步骤2）中，采用地形遮蔽算法计算具体位置，包括以下步骤：
步骤2.1）计算视点P 0 (x 0 , y 0 , z 0 )在高程矩阵中的编码(m 0 , n 0 )，得到该位置的高程值Z 0 ，计算观察点P1(x 1 , y 1 , z 1 )在高程矩阵中的编码(m 1 , n 1 )，得到该位置的高程值Z 1 ；
步骤2.2）将P 0 点和P1点在高程矩阵中的编码拟合成一条直线H[x]，该直线以高程矩阵的行数为纵坐标Y轴，以高程矩阵的列数为横坐标X轴，其直线公式为：
H(x) - m 0 = (m 1 -m 0 ) / (n 1 -n 0 ) × (x-n 0 )；
步骤2.3）直线H[x]为视点到观察点在高程矩阵上的投影，通过计算直线与高程网格矩阵的交点，得到对应的网格的高程数组Z[k]，得到视点到观察点的地形剖面{x, y, Z[k]}；
步骤2.4）计算视点与高程数组Z[k]中每个点的与X轴的夹角beta，若tan(beta)大于直线H[x]的斜率则通视，否则不通视，该点为需要计算的最远通视点，根据最远通视点在直线H[x]上的位置，计算出其具体的地理位置。
进一步的，所述步骤3）中，采用以下校正公式对高程数据进行校正：
Z = Z 0 + D 2 (R - 1) / d，
其中：
Z为计入大气折射影响后的校正高程，
Z 0 为观察位置的表面高程，
D为观测要素和观测位置之间的平面距离，
d 为地球的直径，
R为光的折射系数。
进一步的，光的折射系数R默认值取0.13，适用于白天天空晴朗条件的标准气压下、高程范围为40到100米的位置，采用不同的折射值以模拟各种大气条件和高程对可见性的影响。
本发明的有益效果是:
本发明采用CPU和GPU混合的模式，通过对现有地形遮蔽算法的改造与优化，实现了对多种应用场景下的支持，如：低空、超低空和山地等等，大大提高了算法的计算效率。
附图说明
图1为地形遮蔽示意图；
图2为本发明的高程网格图。
具体实施方式
下面将参考附图并结合实施例，来详细说明本发明。
一种基于CPU和GPU混合的高速并行地形遮蔽计算方法，该方法包括以下步骤：
步骤1）建立网格化数字高程模型，以高程矩阵方式来表示地面高程，数字高程模型简称DEM，是通过一组有序数值阵列形式表示地面高程的一种地面模型，本发明读取高程模型采用的是高程矩阵的方法，根据需要计算的区域和高程的读取范围，将该区域划分成若干网格，对网格进行编码，记录每个网格的高程值，计算网格化的高程矩阵，使得区域内任一位置有对应的网格编码，从而得到该位置的高程值；
步骤2）采用遮蔽分析算法对区域的地形数据进行分析，通过高程矩阵将点对点的地形遮蔽问题转化为离散空间中的直线与某一地形剖面的相交问题，本实施例中，将两点在高程矩阵中的编码拟合成一条直线，通过计算直线与高程网格矩阵的交点，得到视点到观察点的地形剖面，根据点与点之间的夹角判断是否通视，计算出最远通视点；
步骤3）高程数据校正，由于地球是一不规则椭圆，简单起见可将地球简化为一个半径为6371km的圆；其中，水准面是指处处与铅垂线垂直的连续封闭曲面；若使用水平面代替水准面，受地球曲率影响，必然会导致误差；所以，在进行地形遮蔽计算时，若计算的点为低空或超低空目标点时，则需要考虑地球曲率对计算结果的影响；而受天气的气压，密度、湿度、温度等变化，也会对计算结果产生误差；因此，本发明利用公式对高程数据进行校正，从而减小地球曲率和大气衰减对通视分析的影响，本实施例中，将影响高程数据的地球曲率和大气衰减因素作为校正参数，构建校正公式对高程数据进行校正。
所述步骤1）中，将需要计算的区域划分成网格m×n，网格编码以起始点的地理坐标为网格的原点(0，0)，水平方向为0到n-1，垂直方向为0到m-1。
所述步骤1）中，计算网格化的高程矩阵，包括以下步骤：
步骤1.1）根据需要计算的区域的网格大小（m×n），最小点的位置P min (lon,lat),其中lon和lat分别表示经度和纬度，最大点的位置P max (lon,lat),计算点P(lon,lat)对应的网格编码（x, y）,其计算公式如下：
单位网格的经纬度分辨率为：
R(∆lon,∆lat) = P max - P min / (n, m)；
步骤1.2）根据单位网格的经纬度分辨率和起始点的经纬度计算出对应点的网格编码，计算公式如下：
（x, y） = (P-P min ) / R。
具体计算结果如图2所示。
所述步骤2）中，采用地形遮蔽算法计算具体位置，如图1所示，包括以下步骤：
步骤2.1）计算视点P 0 (x 0 , y 0 , z 0 )在高程矩阵中的编码(m 0 , n 0 )，得到该位置的高程值Z 0 ，计算观察点P1(x 1 , y 1 , z 1 )在高程矩阵中的编码(m 1 , n 1 )，得到该位置的高程值Z 1 ；
步骤2.2）将P 0 点和P1点在高程矩阵中的编码拟合成一条直线H[x]，该直线以高程矩阵的行数为纵坐标Y轴，以高程矩阵的列数为横坐标X轴，其直线公式为：
H(x) - m 0 = (m 1 -m 0 ) / (n 1 -n 0 ) × (x-n 0 )；
步骤2.3）直线H[x]为视点到观察点在高程矩阵上的投影，通过计算直线与高程网格矩阵的交点，得到对应的网格的高程数组Z[k]，得到视点到观察点的地形剖面{x, y, Z[k]}；
步骤2.4）计算视点与高程数组Z[k]中每个点的与X轴的夹角beta，若tan(beta)大于直线H[x]的斜率则通视，否则不通视，该点为需要计算的最远通视点，根据最远通视点在直线H[x]上的位置，计算出其具体的地理位置。
所述步骤3）中，采用以下校正公式对高程数据进行校正：
Z = Z 0 + D 2 (R - 1) / d，
其中：
Z为计入大气折射影响后的校正高程，
Z 0 为观察位置的表面高程，
D为观测要素和观测位置之间的平面距离，
d 为地球的直径，本实施例中d 取值为12740千米，
R为光的折射系数。
光的折射系数R默认值取0.13，适用于白天天空晴朗条件的标准气压下、高程范围为40到100米的位置，采用不同的折射值以模拟各种大气条件和高程对可见性的影响。
本实施例中，采用三种方法混合进行地形遮蔽计算，来实现相同地区，同一分辨率下，相同观察点个数进行遮蔽分析。方法一为使用CPU进行遮蔽计算；方法二使用CPU线程进行遮蔽计算；方法三使用CUDA进行遮蔽计算。
实验过程中，计算需要计算地形遮蔽的点为1024个，计算区域的高程网格大小为2048*2048，三种方法的计算效率比较如下:
由上述结果进行对比分析可以看出，在地形遮蔽计算中，优先使用GPU进行并行运算，当GPU不支持CUDA时或无GPU时，自动退化至CPU并行计算，当底层系统不支持OpenMP时，自动退化至CPU单线程计算。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于CPU和GPU混合的高速并行地形遮蔽计算方法，其特征在于，该方法包括以下步骤：
步骤1）建立网格化数字高程模型，以高程矩阵方式来表示地面高程，根据需要计算的区域和高程的读取范围，将该区域划分成若干网格，对网格进行编码，记录每个网格的高程值，计算网格化的高程矩阵，使得区域内任一位置有对应的网格编码，从而得到该位置的高程值；
步骤2）采用遮蔽分析算法对区域的地形数据进行分析，将两点在高程矩阵中的编码拟合成一条直线，通过计算直线与高程网格矩阵的交点，得到视点到观察点的地形剖面，根据点与点之间的夹角判断是否通视，计算出最远通视点；
步骤3）高程数据校正，将影响高程数据的地球曲率和大气衰减因素作为校正参数，构建校正公式对高程数据进行校正。
2.根据权利要求1所述的基于CPU和GPU混合的高速并行地形遮蔽计算方法，其特征在于，所述步骤1）中，将需要计算的区域划分成网格m×n，网格编码以起始点的地理坐标为网格的原点(0，0)，水平方向为0到n-1，垂直方向为0到m-1。
3.根据权利要求2所述的基于CPU和GPU混合的高速并行地形遮蔽计算方法，其特征在于，所述步骤1）中，计算网格化的高程矩阵，包括以下步骤：
步骤1.1）根据需要计算的区域的网格大小（m×n），最小点的位置P min (lon, lat),其中lon和lat分别表示经度和纬度，最大点的位置P max (lon, lat),计算点P(lon, lat)对应的网格编码（x, y）,其计算公式如下：
单位网格的经纬度分辨率为：
R (∆lon, ∆lat) = P max - P min / (n, m)；
步骤1.2）根据单位网格的经纬度分辨率和起始点的经纬度计算出对应点的网格编码，计算公式如下：
（x, y） = (P-P min ) / R。
4.根据权利要求3所述的基于CPU和GPU混合的高速并行地形遮蔽计算方法，其特征在于，所述步骤2）中，采用地形遮蔽算法计算具体位置，包括以下步骤：
步骤2.1）计算视点P 0 (x 0 , y 0 , z 0 )在高程矩阵中的编码(m 0 , n 0 )，得到该位置的高程值Z 0 ，计算观察点P1(x 1 , y 1 , z 1 )在高程矩阵中的编码(m 1 , n 1 )，得到该位置的高程值Z 1 ；
步骤2.2）将P 0 点和P1点在高程矩阵中的编码拟合成一条直线H[x]，该直线以高程矩阵的行数为纵坐标Y轴，以高程矩阵的列数为横坐标X轴，其直线公式为：
H(x) - m 0 = (m 1 -m 0 ) / (n 1 -n 0 ) × (x-n 0 )；
步骤2.3）直线H[x]为视点到观察点在高程矩阵上的投影，通过计算直线与高程网格矩阵的交点，得到对应的网格的高程数组Z[k]，得到视点到观察点的地形剖面{x, y, Z[k]}；
步骤2.4）计算视点与高程数组Z[k]中每个点的与X轴的夹角beta，若tan(beta)大于直线H[x]的斜率则通视，否则不通视，该点为需要计算的最远通视点，根据最远通视点在直线H[x]上的位置，计算出其具体的地理位置。
5.根据权利要求1或4所述的基于CPU和GPU混合的高速并行地形遮蔽计算方法，其特征在于，所述步骤3）中，采用以下校正公式对高程数据进行校正：
Z = Z 0 + D 2 (R - 1) / d，
其中：
Z为计入大气折射影响后的校正高程，
Z 0 为观察位置的表面高程，
D为观测要素和观测位置之间的平面距离，
d 为地球的直径，
R为光的折射系数。
6.根据权利要求5所述的基于CPU和GPU混合的高速并行地形遮蔽计算方法，其特征在于，光的折射系数R默认值取0.13，适用于白天天空晴朗条件的标准气压下、高程范围为40到100米的位置，采用不同的折射值以模拟各种大气条件和高程对可见性的影响。
CN201810968397.1A 2018-08-23 2018-08-23 一种基于cpu和gpu混合的高速并行地形遮蔽计算方法 Active CN109118583B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810968397.1A CN109118583B (zh) 2018-08-23 2018-08-23 一种基于cpu和gpu混合的高速并行地形遮蔽计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810968397.1A CN109118583B (zh) 2018-08-23 2018-08-23 一种基于cpu和gpu混合的高速并行地形遮蔽计算方法

Publications (2)

Publication Number Publication Date
CN109118583A true CN109118583A (zh) 2019-01-01
CN109118583B CN109118583B (zh) 2022-09-13

Family

ID=64860904

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810968397.1A Active CN109118583B (zh) 2018-08-23 2018-08-23 一种基于cpu和gpu混合的高速并行地形遮蔽计算方法

Country Status (1)

Country Link
CN (1) CN109118583B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109883401A (zh) * 2019-03-28 2019-06-14 东南大学 一种城市观山可视域的测量方法及系统
CN110378834A (zh) * 2019-07-24 2019-10-25 重庆大学 一种基于异构并行架构的快速通视分析方法
CN110503064A (zh) * 2019-08-28 2019-11-26 国网湖南省电力有限公司 一种电网覆冰微地形自动识别方法及系统
CN111475916A (zh) * 2020-03-09 2020-07-31 北京仿真中心 一种基于dem的雷达遮蔽角计算方法及系统
CN111523240A (zh) * 2020-04-28 2020-08-11 鲁东大学 一种基于dem数据的通视分析方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060013442A1 (en) * 2004-07-15 2006-01-19 Harris Corporation Bare earth digital elevation model extraction for three-dimensional registration from topographical points
US20070265781A1 (en) * 2006-05-12 2007-11-15 Harris Corporation Method and System for Generating an Image-Textured Digital Surface Model (DSM) for a Geographical Area of Interest
CN104200527A (zh) * 2014-09-02 2014-12-10 西安煤航信息产业有限公司 一种真正射影像的生成方法
CN107451982A (zh) * 2017-08-14 2017-12-08 东北林业大学 一种基于无人机影像的高郁闭度林分树冠面积获取方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060013442A1 (en) * 2004-07-15 2006-01-19 Harris Corporation Bare earth digital elevation model extraction for three-dimensional registration from topographical points
US20070265781A1 (en) * 2006-05-12 2007-11-15 Harris Corporation Method and System for Generating an Image-Textured Digital Surface Model (DSM) for a Geographical Area of Interest
CN104200527A (zh) * 2014-09-02 2014-12-10 西安煤航信息产业有限公司 一种真正射影像的生成方法
CN107451982A (zh) * 2017-08-14 2017-12-08 东北林业大学 一种基于无人机影像的高郁闭度林分树冠面积获取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王栋等: "基于SRTM高程数据的变步长海面快速可视域分析方法", 《指挥控制与仿真》 *
薛宏涛等: "基于转盘爬虫法的雷达地形遮蔽盲区快速计算", 《指挥控制与仿真》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109883401A (zh) * 2019-03-28 2019-06-14 东南大学 一种城市观山可视域的测量方法及系统
WO2020192026A1 (zh) * 2019-03-28 2020-10-01 东南大学 一种城市观山可视域的测量方法及系统
CN109883401B (zh) * 2019-03-28 2021-03-02 东南大学 一种城市观山可视域的测量方法及系统
CN110378834A (zh) * 2019-07-24 2019-10-25 重庆大学 一种基于异构并行架构的快速通视分析方法
CN110503064A (zh) * 2019-08-28 2019-11-26 国网湖南省电力有限公司 一种电网覆冰微地形自动识别方法及系统
CN110503064B (zh) * 2019-08-28 2021-11-02 国网湖南省电力有限公司 一种电网覆冰微地形自动识别方法及系统
CN111475916A (zh) * 2020-03-09 2020-07-31 北京仿真中心 一种基于dem的雷达遮蔽角计算方法及系统
CN111475916B (zh) * 2020-03-09 2023-08-01 北京仿真中心 一种基于dem的雷达遮蔽角计算方法及系统
CN111523240A (zh) * 2020-04-28 2020-08-11 鲁东大学 一种基于dem数据的通视分析方法
CN111523240B (zh) * 2020-04-28 2023-05-05 鲁东大学 一种基于dem数据的通视分析方法

Also Published As

Publication number Publication date
CN109118583B (zh) 2022-09-13

Similar Documents

Publication Publication Date Title
CN109118583A (zh) 一种基于cpu和gpu混合的高速并行地形遮蔽计算方法
Brewster Application of a Bratseth analysis scheme including Doppler radar data
Turner A spatial simulation model of land use changes in a piedmont county in Georgia
CN106597416B (zh) 一种地面GPS辅助的LiDAR数据高程差的误差修正方法
CN113436308B (zh) 一种三维环境空气质量动态渲染方法
CN108717729A (zh) 一种面向虚拟地球的地形多尺度tin在线可视化方法
CN114117702A (zh) 基于点云的输电线路自动化逆向建模方法
CN107170040A (zh) 一种三维桥梁场景构建方法和装置
CN106780586B (zh) 一种基于地面激光点云的太阳能潜力评估方法
CN114580310A (zh) 一种基于palm实现wrf模拟风场降尺度处理的方法
CN106874602A (zh) 气象数据处理方法和装置
CN115952702A (zh) 一种基于forcchn模型和遥感数据的森林nep的计算方法
CN113743027B (zh) 一种基于cfd技术绘制风资源图谱的方法和装置
CN103809937B (zh) 一种基于gpu的通视并行处理方法
Govindarajan et al. A scalable simulator for forest dynamics
CN116679333A (zh) 一种基于rtk技术开展复杂森林植物群落样方调查的方法
Somarriba et al. ShadeMotion: tree shade patterns in coffee and cocoa agroforestry systems
CN116051777A (zh) 超高层建筑提取方法、设备和可读存储介质
Teng et al. Extraction and Analysis of Spatial Feature Data of Traditional Villages Based on the Unmanned Aerial Vehicle (UAV) Image
Damkjer et al. Lattice-constrained stratified sampling for point cloud levels of detail
CN109407113A (zh) 一种基于机载激光雷达的林窗时空变化监测与量化方法
Govindarajan et al. A scalable algorithm for dispersing population
CN115828794B (zh) 一种城市尺度下树木花粉浓度预测方法及装置
KR20150135597A (ko) 멀티센서 융합 측위 시스템을 이용한 가로수 탄소흡수량 산정 시스템 및 이에 이용되는 프로그램을 기록한 컴퓨터판독가능한 기록매체
TWI786874B (zh) 數值網格模型之方法及其系統

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
GR01 Patent grant
GR01 Patent grant