并行计算在LiDAR、GIS和RS的应用小结

一、当前工作进展

1、在LiDAR中的应用

近来主要的工作是查阅并行计算在LiDAR技术上的应用的文章。目前将并行计算引入到LiDAR数据处理领域的文献非常少见，据我所查找的有三篇：《一种基于网格的LiDAR数据处理平台体系结构》、《A Three Tier Architecture for LiDAR Interpolation and Analysis》（《一种LiDAR数据内插和分析的三层构架》）和《Parallel algorithm for linear feature detection from airborne LiDAR data》（《基于并行算法的LiDAR线性特征探测》）。

其中《一种基于网格的LiDAR数据处理平台体系结构》分析了LiDAR数据处理的流程，提出了一种LiDAR数据处理平台体系,将数据处理任务合理划分并分配到各个分布的网格节点上,通过各节点并行、协同计算,达到提高运算速度的目的。该文章所提及的体系结构并不复杂，难点在于LiDAR数据处理的算法多且复杂，通过算法编程实现数据处理显然不合实际；而如何在PC机群上将数据处理的任务合理划分也是待探讨的地方。

《A Three Tier Architecture for LiDAR Interpolation and Analysis》提出了一个利用门户、工作流和网格技术的三层架构,协调各种分布资源，用于LiDAR数据内插和分析，在密集激光点的处理上有其优越的性能。

《Parallel algorithm for linear feature detection from airborne LiDAR data》关于并行计算的应用主要是通过最近相邻内插法将原始呈航带状的LiDAR数据转化为规则网格，从而在PC机群上进行并行操作。

从以上三篇文献来看，在PC机群上并行计算处理LiDAR的主要思路是先对激光点进行合理分割，考虑子结点数量、负载能力和节点间的通信等因素，将分割后的数据和元数据分配给子结点，计算完毕后将结果和元数据一起返回给主节点，对其整合，得到最终结果。

此外，并行计算和网格计算在LiDAR中的应用需要将传统的LiDAR数据处理串行算法改为并行算法以在PC机群上处理。

2、在遥感图像处理中的应用

在遥感图像处理中存在以下三个特征：1)数据量异常庞大，顺序处理已经不能满足极大量的实时数据运算要求；2) 每个数据点上的计算形式相同（除边界外），将区域分成若干小区域,则问题可以化为若干个规模较小、关于小区域的子问题；3)变量之间的交互作用是局部的，即在每一个数据点上的计算中，只需用到较小距离内的邻近点上的值。其中，第一个特征促成了遥感图像处理对并行处理技术的客观需求，后两个特征说明了遥感数字图像处理具有内在的并行性，建立一种分布式并行图像处理系统，有利于实时处理海量数字图像数据。

因此在遥感图像处理领域，国内外都存在着各方面的探讨和应用，如池天河提出的《洪水灾害快速评估关键技术研究》，重点突出了并行计算的大数据量遥感图象快速处理功能，强调实时性在灾害评估方面的重要；又如《遥感图像高精度并行监督分类》，研究了分布存储环境下的并行几何校正算法，《基于PVM的网络并行计算在遥感图像处理中的应用》，利用并行计算算法在LINUX上以OPENGL试验数字清江流域中的DEM可视化，以及《分布式并行计算技术在遥感数据处理中的应用》中讲述的遥感图像拉伸并行计算等等。

以上类似的各篇文献的共同点是将传统遥感图像处理中的各枝节的各种算法进行并行改造，使之能够在机群上快速实时的处理海量数据。而《分布式并行遥感图像处理中的数据划分》则讨论如何将计算任务在并行机上合理划分；以及《基于注册服务的分布式并行遥感图像处理系统模型研究与试验》则是在探讨如何建立快速网格化、并行化的遥感处理技术在大型数据库上的并发操作的体系问题。

3、并行计算与网格技术在GIS的应用

和并行计算在遥感中的应用类似，并行GIS的应用也相当广泛，如GIS空间数据格式并行转换、以并行计算和GIS技术为基础构建水资源管理信息系统，以及网格环境下的缓冲区分析等等。

二、工作构想与障碍

查阅了许多关于并行计算在LiDAR以及GIS和遥感中应用的文献，不难发现一些普遍性的规律：并行计算主要用于海量数据的快捷高效的处理，也即将计算的时间复杂性转化为空间复杂性，将那些在处理过程中会形成高密度计算操作的步骤，将已存在的完整的算法进行并行改造，使得到的并行处理算法在PC机群上运行，最后将这类并行算法利用网格容器封装成Grid Services并形成高性能并行计算网格的固有规则的功能组件。

目前所了解的主要的研究方向为：

1、将LiDAR数据合理分割给若干子节点，各自运算得出DSM或DEM，然后一起返回给主节点对其整合，得到网格DSM（DEM）。

2、遥感图像处理的并行计算，诸如几何校正、线性拉伸等的并行计算。

3、并行GIS。

理论上来说，对各类海量数据，只要能够将之合理分割为多种图层或者图幅，就能够将其目标算法改造为并行算法。然而目前的困难有如下几点：

1、  对PC机群不了解，不懂得其运行方式。

2、  网上资料不少，但是目前没有见到过真正的在PC机群上进行计算的GIS或者LiDAR方面的产品，仅仅看研究性的文章，很难应用于实践当中。