一种面向矢量空间大数据实时渲染的数据组织与调度策略

An Efficient Data Organization and Scheduling Strategy for Accelerating Large Vector Data Rendering

成果信息

· Guo, M., Huang, Y., Guan, Q., Xie, Z., Wu, L. (2017). An efficient data organization and scheduling strategy for accelerating large vector data rendering. Transactions in GIS, 21(6), 1217-1236.

· https://onlinelibrary.wiley.com/doi/full/10.1111/tgis.12275

· DOI: 10.1111/tgis.12275

· 资助项目：国家博士后科学基金（2014M552115）；国家自然科学基金（41701446）；湖北省自然科学基金（2017CFB277）；国土资源部地质信息技术重点实验室开放课题（2017-324）

团队成员

郭明强，博士，中国地质大学（武汉）信息工程学院，讲师，主要从事高性能空间计算和互联网地理信息系统关键技术研究。

黄颖，博士，武汉中地数码科技有限公司，高级工程师，主要从事云计算、地理信息系统关键技术研究。

关庆锋，博士，中国地质大学（武汉）信息工程学院，教授，主要从事时空大数据挖掘与高性能地理空间计算研究。

谢忠，博士，中国地质大学（武汉）信息工程学院，教授，主要从事地理信息系统关键技术研究。

吴亮，博士，中国地质大学（武汉）信息工程学院，副教授，主要从事地理信息系统关键技术研究。

成果介绍

· 矢量空间大数据实时渲染是非常耗时的计算密集型任务，导致其实时渲染效率低、用户交互体验差。GPU提供了强大的并行处理能力，但其常常被闲置。本研究提出了一种针对矢量空间大数据的高性能实时渲染方法，利用众核GPU的并行计算能力来绘制矢量数据。顶点变换是一个纯粹的数学计算过程，使用主机端计算资源来计算是一个非常耗时的过程，因为所有顶点坐标都需要进行转换。本文借助于GPU提供的强大的通用计算能力，将顶点转换过程在GPU上进行并行优化，主要研究内容如下：(1)基于Equal Pitch Alignment的矢量数据组织和存储策略，该策略能够很好的发挥GPU的计算特性； (2)CPU和GPU之间的矢量数据分页-合并传输和内存访问策略；(3)能够平衡所有GPU处理器核心负载的任务均衡分配策略。实验结果表明该方法能够显著提高矢量空间大数据的实时渲染效率。

Figure 1. Improved vector data rendering framework based on use of a GPU

图1 基于GPU的矢量空间大数据实时渲染框架