基于GPU的不规则三角网向规则格网数字高程模型转换算法优化

摘要：

基于规则格网的数字高程模型( DEM)相对于不规则三角网( TIN)具有结构简单，便于存储、管理和分析等优点。针对TIN向规则格网转换的串行算法效率较低的问题，利用图形处理器( GPU)并行编程对一种串行算法进行实现；然后从GPU 全局内存和共享内存的访问方面对算法进行优化；最后用C++语言和统一计算设备架构( CUDA)开发了实验系统，对优化前后算法的效率进行对比。结果表明，优化后的算法效率较优化前最大提高了72倍。

关键词：数字高程模型、不规则三角网、规则格网、图形处理器、统一计算设备架构

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2015-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：32-34