[发明专利]基于异构并行计算的城市级海量点云坐标转换方法

权利要求书

1.一种基于异构并行计算的城市级海量点云坐标转换方法，其特征在于，包括以下步骤：

S1.扫描待转换点云文件，将待转换点云文件的路径信息加入待转换列表；

S2.采用内存映射和多进程方式，读取待转换列表中的待转换点云文件到计算机主机内存中；

读取待转换列表中的待转换点云文件时，根据点云格式获取到每个点云数据记录的长度，用计算机主机内存容量的一半除以每个点云数据记录的长度得出每次进行处理的点云数量；若可以处理的点云数量小于点云文件总点云数，进行分段处理，记录每段点云的起始位置使每段点云的数量小于可以处理的点云数量；若可以处理的点云数量大于或等于点云文件总点云数据，一次性读取所有的点云；

读取待转换列表中的待转换点云文件时，如果计算环境中开启了多进程读取的功能，将待读取的点云文件按照每一千万点进行分段，计算每段点云数据的开始和结束位置，然后根据分段数量及CPU内核数启动多进程进行并行读取，使同时启动的进程数量不大于CPU内核数；各子进程读取完成后将数据回传到主进程中进行合并，直到所有的分段点云数据被读取并且合并，将读取的点云数据采用数组形式进行保存；

S3.根据点云坐标系和最小外接矩形自适应选择平面、高程转换参数模型，并根据平面转换参数的范围将点云划分为多个第一点云子集；

S4.根据点云的数据量大小、计算环境能力将第一点云子集分解为多个第二点云子集，再将多个第二点云子集依次加载到GPU全局内存中；

S5.调用CUDA的核函数对加载到GPU全局内存中的第二点云子集进行平面、高程转换处理，处理完成后将数据回传到计算机主机内存环境；

S6.在计算机主机内存环境中将转换完成后的点云进行合并，然后将合并后的点云从内存写入磁盘文件；

S7.重复步骤S2-S6，直至处理完待转换列表中所有待转换点云文件。

2.根据权利要求1所述的基于异构并行计算的城市级海量点云坐标转换方法，其特征在于，在步骤S1之前还包括根据系统硬件信息对计算环境参数进行配置；

所述系统硬件信息包含：物理CPU数、CPU核心数、CPU逻辑核数、计算机主机内存大小、硬盘基本信息、硬盘剩余空间大小、能够使用GPU设备的数量、GPU流式多处理器的数量、GPU内存大小、GPU的CUDA核数、每个线程块的最大线程数；

对计算环境参数进行配置，具体如下：对于能处理的单个点云文件的大小，最大设置为计算机主机内存的一半；

为待转换的点云文件分配合适的存储空间，大小与待转换文件一致；

检查存储点云文件的硬盘是否为高速存储设备：如果不是高速存储设备，禁止多进程读取点云文件，是如果高速存储设备，开启内存映射和多进程读取功能，进程数设置为CPU核心数；

根据GPU的数量选择是否开启多GPU数据处理方式，根据GPU的内存大小设置每次从CPU中读入到GPU的数据量大小，不超过GPU内存空间的一半。

3.根据权利要求1所述的基于异构并行计算的城市级海量点云坐标转换方法，其特征在于：步骤S3中，根据点云坐标系和最小外接矩形自适应选择平面、高程转换参数模型时，点云坐标系为WGS84坐标系的UTM投影，或CGCS2000坐标系的高斯投影。

4.根据权利要求3所述的基于异构并行计算的城市级海量点云坐标转换方法，其特征在于：步骤S3中，自适应选择平面、高程转换参数模型具体如下：

将待转换的点云坐标经过投影反算为大地经纬度坐标，根据转换参数矩形区域的划分将待转换的点云坐标划分为多个第一点云子集，多个第一点云子集各自适应选择并记录相应的平面、高程转换参数模型信息。

5.根据权利要求1所述的基于异构并行计算的城市级海量点云坐标转换方法，其特征在于：步骤S4中，将多个第二点云子集依次加载到GPU全局内存时，同时加载到GPU全局内中的还包括待转的点云坐标系统椭球的参数、独立坐标系统椭球的参数、七参数转换模型、似大地水准面模型。