LOD地形模型中数据调度研究.docVIP

LOD地形模型中数据调度研究 　　摘 要：本文基于笔者对LOD实景模型的研究，以LOD地形数据的调度为研究对象，论文首先诠释了基于四叉树的LOD地形模型的概念，进而探讨了地形数据组织与LOD预处理，在此基础上，详细探讨了LOD地形数据的调度，相信对从事相关工作的同行能有所裨益。 　　关键词：LOD 地形模型 数据调度 　　中图分类号：TP391 文献标识码：A 文章编号：1672-3791（2014）08（b）-0036-02 　　地形的可视化是3维地理信息系统中的一个重要研究问题，近年来，图形硬件技术飞速发展，基本能够满足小范围场景实时交互绘制的需求，但仍然无法满足大规模3维场景的应用需要。从目前的研究情况看，主要从两个环节寻求改进：一是从外存储器到内存阶段，通过数据的有效组织、内外存之间的合理调度缩短读取数据的时间；二是在内存中绘制阶段，采用多分辨率模型等技术缩短绘制时间。大规模的3维场景涉及到大量的空间数据，不可能一次性调入内存，只能根据场景绘制的需要在内、外存之间动态调度。这种动态调度的思想是很容易理解的，但实现起来又有很多问题需要研究，特别是为了实现场景绘制的实时交互，需要设计合理高效的数据组织结构，并对数据调度过程进行控制和优化。这些数据如何存储，采用怎样的数据结构进行组织，对于系统最终描述场景的真实感和动态效果有着重要的影响，这也正是本文要研究的内容。 　　1 基于四叉树的 LOD地形模型 　　1.1 数据模型 　　从3维场景可视化角度而言，目前在地形的数字表达上普遍采用 DEM方法。DEM常用的数据结构有：规则网格（Grid）、不规则三角网（TIN）以及两者的混合结构。其中，规则网格数据结构由于其顶点呈规则分布，只需要记录数据的基本信息和每个格网点的高程值，结构简单、操作方便、便于简化，非常适合于大规模地形数据的组织和管理。 　　在地形场景绘制时，为了提高显示速度，目前使用比较广泛的是利用细节层次（LOD）技术生成同一地区的多分辨率模型，根据视点的变化，在满足显示精度要求的前提下，选择不同分辨率的模型，达到“距离越近看得越清，距离越远越模糊”的效果。金字塔就是一种多分辨率层次模型，它可以直接提供不同分辨率的地形数据而无需实时重采样。 　　1.2 地形数据的四叉树表示 　　本文中，多分辨率模型采用基于四叉树的数据结构构建。首先，四叉树结构与地理坐标有天然的统一；其次，四叉树与纹理镶嵌技术可以很好地集成在一起。但采用四叉树结构带来两个问题：一是用四叉树划分的地形节点数必须是2n（如无特殊说明，在本文中，每个数据块为一个节点）；二是不同层数据块之间交界处会出现地形表面的不连续。第一个问题可以通过重采样增加或减少地形格网来避免；第二个问题可以使用限制四叉树的方法或改变高分辨率模型顶点高程值的方式加以解决。采用四叉树细节层次模型时，先对地形数据做不同精度的等间距格网采样，采样结果构成四叉树的一层节点，树中每个节点对应地形的一块区域，对于树中任意相邻的层，位于上一层的节点采样精度是下一层的一半，任意一个非叶子节点都有4个子节点，而且子节点的采样区域恰好将父节点四等分。利用这一特性，我们可以通过选择位于不同层的节点来实现对特定区域不同分辨率的表示。 　　2 地形数据组织与 LOD预处理 　　采用金字塔模型需要对空间数据进行预处理，即对数据进行分层分块。其基本思想是：首先将整个场景按照四叉树结构进行细节分层，每个LOD层又分为多个格网数为2n的正方形块，然后对每一个数据块按照四叉树结构进行组织。地形数据组织与处理包括三部分：DEM数据文件合并、DEM数据重采样与分层、DEM数据分块。纹理数据的处理方法与地形数据类似，本文不详加讨论。 　　2.1 数据文件合并 　　地形数据的来源和获取途径有多种，通常我们得到的大规模的DEM并非只是一个文件，而是一个由多个彼此之间相交或相接的DEM文件构成的集合，数据文件可能多达几百乃至上千个。如果不事先对数据文件进行合并，在后续的分级处理中，就要对每一个文件分别进行处理，要将原始的多个DEM文件处理成为具有不同细节层次、不同覆盖范围的多级DEM，其工作量之大可想而知。因此，需要将各个分散的DEM数据文件进行合并，考虑机器的处理能力，当数据量非常大时，可以分为几个部分进行处理。 　　2.2 地形数据重采样与分层 　　构建地形数据金字塔模型各层数据时，是从底层即最高分辨率数据开始的，然后依次确定上一层数据的分辨率。从上到下，分辨率呈倍数递增关系，下一层网格分辨率是上一层的2倍，这样可以很方便地使用四叉树索引技术进行快速定位。由于比例尺和分辨率不是一一对应关系，DEM金字塔模型的各层数据可以通过其对应的比例尺数据内插处理得到。 　　2.3 地形数据分块