海量地形場(chǎng)景數(shù)據(jù)組織管理與傳輸技術(shù)研究.pdf

1、海量地形場(chǎng)景繪制是高效表現(xiàn)空間信息的基礎(chǔ)，是地理信息系統(tǒng)、虛擬戰(zhàn)場(chǎng)環(huán)境等大多數(shù)虛擬現(xiàn)實(shí)系統(tǒng)必不可缺的重要部分。各種傳感器獲取的高分辨率數(shù)據(jù)為地形繪制提供更逼真效果的同時(shí)，數(shù)據(jù)量也隨之不斷增大。
　　海量地形場(chǎng)景繪制實(shí)時(shí)性的重要保證在于對(duì)數(shù)據(jù)的高效管理、高效檢索和高效傳輸。為了滿(mǎn)足這些要求，本文研究了海量地形場(chǎng)景數(shù)據(jù)組織與傳輸中影響性能的幾個(gè)關(guān)鍵技術(shù)：場(chǎng)景數(shù)據(jù)組織模型的設(shè)計(jì)、海量數(shù)據(jù)的檢索、海量數(shù)據(jù)基于P2P技術(shù)的分布式存儲(chǔ)管理、地

2、形數(shù)據(jù)的壓縮與傳輸技術(shù)。本文的主要工作和貢獻(xiàn)如下：
　?。?）面向虛擬戰(zhàn)場(chǎng)環(huán)境海量場(chǎng)景數(shù)據(jù)組織管理的需求，提出一種基于上下文的場(chǎng)景數(shù)據(jù)組織本體模型。該本體模型通過(guò)對(duì)概念的抽象，實(shí)現(xiàn)各個(gè)應(yīng)用子系統(tǒng)之間的數(shù)據(jù)統(tǒng)一表示、共享和重用；通過(guò)上下文限定有效縮減待檢索的數(shù)據(jù)集；對(duì)需要繪制的數(shù)據(jù)進(jìn)行聚集，提高繪制系統(tǒng)的性能；通過(guò)設(shè)計(jì)概念添加層次判定算法，支持概念的添加和本體模型擴(kuò)展。虛擬場(chǎng)景繪制初步實(shí)驗(yàn)結(jié)果表明，該模型能夠滿(mǎn)足虛擬戰(zhàn)場(chǎng)環(huán)境的描述統(tǒng)

3、一性、可擴(kuò)展性、海量數(shù)據(jù)高效檢索等需求，而且能夠支持應(yīng)用處理的優(yōu)化策略。
　　（2）針對(duì)分層分塊的海量全球地形數(shù)據(jù)特點(diǎn)，提出了兩級(jí)編碼的中點(diǎn)索引編碼機(jī)制以及視點(diǎn)擴(kuò)散的數(shù)據(jù)檢索算法。中點(diǎn)索引編碼機(jī)制使用每個(gè)地形塊的中點(diǎn)坐標(biāo)，建立了針對(duì)初級(jí)面片和層次細(xì)節(jié)數(shù)據(jù)的兩級(jí)編碼，能夠很好地表現(xiàn)數(shù)據(jù)塊的空間位置和與相鄰數(shù)據(jù)的拓?fù)潢P(guān)系，滿(mǎn)足唯一性要求，查詢(xún)方便。視點(diǎn)擴(kuò)散的數(shù)據(jù)檢索算法利用視點(diǎn)與塊中點(diǎn)的距離進(jìn)行繪制塊的選擇，只維護(hù)內(nèi)存中當(dāng)前視點(diǎn)區(qū)域附

4、近少部分地形數(shù)據(jù)的索引，查詢(xún)時(shí)不需要遍歷整個(gè)層次細(xì)節(jié)模型，可實(shí)現(xiàn)快速檢索。地形數(shù)據(jù)的繪制實(shí)驗(yàn)結(jié)果說(shuō)明，本文方法與傳統(tǒng)自頂向下遍歷金字塔查找可繪制塊方法相比，繪制幀速有明顯提高。
　?。?）為支持海量地形場(chǎng)景數(shù)據(jù)的分布式存儲(chǔ)，提出一種采用混合結(jié)構(gòu)P2P網(wǎng)絡(luò)的海量地形場(chǎng)景數(shù)據(jù)分布式存儲(chǔ)方法?；旌辖Y(jié)構(gòu)P2P網(wǎng)絡(luò)由結(jié)構(gòu)化基礎(chǔ)節(jié)點(diǎn)和非結(jié)構(gòu)化應(yīng)用節(jié)點(diǎn)兩部分組成，基礎(chǔ)節(jié)點(diǎn)具有較高性能，能夠保證海量數(shù)據(jù)的P2P分布式穩(wěn)固存儲(chǔ)。應(yīng)用節(jié)點(diǎn)根據(jù)性能劃分

5、為胖節(jié)點(diǎn)和瘦節(jié)點(diǎn)，能夠支持各種繪制終端類(lèi)型，使副本分布更加合理。在混合結(jié)構(gòu)P2P網(wǎng)絡(luò)中設(shè)計(jì)了選擇性沿路放置的副本放置算法和基于競(jìng)爭(zhēng)學(xué)習(xí)的副本刪除策略。該方法在保證海量數(shù)據(jù)的P2P分布式穩(wěn)固存儲(chǔ)基礎(chǔ)上，支持兼顧QoS能力和與基礎(chǔ)節(jié)點(diǎn)距離的副本管理。測(cè)試實(shí)驗(yàn)結(jié)果表明，本文方法與傳統(tǒng)的采用非結(jié)構(gòu)P2P網(wǎng)絡(luò)方法相比具有更好的分布存儲(chǔ)性能。
　?。?）為了減少數(shù)據(jù)在網(wǎng)絡(luò)上傳輸對(duì)用戶(hù)應(yīng)用實(shí)時(shí)性的影響，提出了一種基于視覺(jué)優(yōu)化的紋理數(shù)據(jù)壓縮（HV

6、S-Optimized Texture Compression，VOTC）算法和一種基于邊制導(dǎo)預(yù)測(cè)編碼（Edge-Directed Prediction Coding，EDPC）的高程數(shù)據(jù)壓縮算法。結(jié)合人類(lèi)視覺(jué)特性對(duì)紋理壓縮算法進(jìn)行視覺(jué)優(yōu)化，能夠保證重構(gòu)圖像在相同壓縮率下引起的視覺(jué)誤差較小；邊制導(dǎo)的預(yù)測(cè)編碼方法，能提高預(yù)測(cè)精度，并避免解壓地形高程數(shù)據(jù)的邊界誤差所產(chǎn)生的裂縫。兩種壓縮方法都能夠利用GPU進(jìn)行并行處理。支持壓縮數(shù)據(jù)的隨機(jī)訪問(wèn)