空间环境数据多尺度显示方法、模型建立方法及装置与流程

本发明涉及空间环境数据多尺度显示方法、模型建立方法及装置，属于空间环境数据处理
技术领域：
。
背景技术：
：为了研究空间环境效应，人们利用各种类型的传感器来获取大量的空间环境数据，除利用这些数据建立各种空间环境模式外，还利用各种二维图表、三维可视化方式来表达这些数据，以期能获取空间环境的变化规律和趋势，尤其是三维可视化技术不仅能提供更加真实的空间环境表达效果，还能交互操作研究对象，多角度的观测空间环境。随着各种空间探测手段的增加，空间环境数据呈现指数增长，另外空间环境所处的地球外层空间时空尺度巨大，这两点必然造成海量的空间环境数据，如何实现海量空间环境数据的多尺度连续观察、无缝衔接成为有效感知空间环境态势的关键。多尺度表达中最重要的是尺度，尺度的变化直接影响空间环境表达的精细程度，即进行空间环境数据的多尺度表达时，需根据各个尺度的要求控制空间环境数据的删减程度，以保证简化后的空间环境数据一方面能减小数据量，另一方面能保持空间环境的数据特征。各个尺度的空间环境数据则构成了空间环境数据金字塔，金字塔各层代表了不同的尺度要求以及人眼的视觉变化，从上到下，从粗到细。因此，空间环境数据的多尺度模型就是由下向上，经简化逐层建立空间环境数据金字塔。对于每个单独的尺度可以采用空间八叉树等数据结构来进一步增加表达速度。无论是实际监测还是根据空间环境模式计算的空间环境数据都可以分成点、线、面和场几类数据，不同类型的数据，表达方式也不一样，下面简要介绍各类数据常用的可视化表达方式。对点数据的表达，可以借助于二维曲线，横轴表示时间，纵轴为相应时刻的属性值，也可以在虚拟三维空间中，在监测点处用监测值标示出来。图1是中国气象局国家空间天气监测预警中心2014年3月10日发布的空间天气周报中以二维曲线图表示地球静止轨道的粒子和地磁活动的状况。线数据的表达较为简单，可以在虚拟三维空间中绘制出对应的线，并以不同颜色区别其属性值的变化。面同样可以在虚拟三维空间中绘制出对应的面，并加以不同的颜色区别属性值。对于标量场的表达方法主要是体绘制的方法、表面重构、剖面显示方法等。矢量场的表达方法则有点表示法、线表示法、面表示法以及箭头、粒子跟踪、纹理映射技术等方法。图2-a是采用点表示法绘制的太阳风绝对密度平静时的效果，图2-b是采用面表示法表达的太阳风绝对密度黄道面剖面效果图，图2-c是用体绘制表达的电离层温度绘制效果。以上是空间环境数据可视化表达的具体方法，其是多尺度表达的基础，空间环境多尺度模型与空间环境可视化方法共同完成空间环境的多尺度表达。空间环境数据简化是空间环境多尺度模型建立的核心，而从目前公开发表的文献来看，鲜有直接描述空间环境数据简化问题，对点数据的简化却研究颇多。仔细研究空间环境数据会发现，无论是实际监测数据还是空间环境模式按要求生成的点、线、面、场数据，其基本的构成要素都是点，因此对点数据的简化研究可以为空间环境多尺度模型的研究提供借鉴。目前对点数据简化的主要思想是找到点云中具有明显特征信息的点予以保留，去除特征不明显的点，以简化数据，其中最关键的特征点的查找，目前主要方法有基于曲率的、基于梯度的、基于法矢的特征点查找方法，这些方法各有优缺点，在某一方面都有不错的表现，但是这里的方法只考虑了点云的几何特征，没有考虑属性特征，所选取的特征点不能准确反映空间环境数据特征，所建立的空间环境数据多尺度模型不够准确，致使对空间环境数据的显示与实际情况不相符。技术实现要素：本发明的目的是提供一种空间环境数据多尺度模型建立方法，以解决目前所建立的空间环境多尺度模型不够准确的问题，同时本发明提供了提供一种空间环境数据多尺度模型建立装置，此外，本发明还提供了一种空间环境数据显示方法，以解决空间环境数据的显示与实际情况不相符的问题。本发明为解决上述技术问题而提供一种空间环境数据多尺度模型建立方法，模型建立方法方案一：该建立方法包括以下步骤：1)获取空间环境数据，并确定的空间环境数据中各点的K邻近点信息；2)根据空间环境数据中各点及其K邻近点计算各点的曲面变化度和方向导数，并根据各点的曲面变化度和方向导数计算各点的综合特征值；3)判断各点综合特征值是否大于第一设定阈值，将大于第一设定阈值的点作为特征点保留；4)根据保留的特征点建立空间环境数据模型。模型建立方法方案二：在模型建立方法方案一的基础上，所述步骤3)还包括判断小于第一设定阈值的点是否分布均匀，若均匀，则对其进行间隔采样，否则，计算各点与其对应的K邻近点平均距离，将平均距离大于第二设定阈值的点保留，将平均距离小于等于第二设定阈值的点删除。模型建立方法方案三：在模型建立方法方案一或二的基础上，所述步骤2)中的综合特征值的计算公式为：F＝w1σ(p)+w2G(p)其中w1和w2分别为曲面变化度和方向导数的权值，σ(p)为曲面变化度，G(p)为方向导数。模型建立方法方案四：在模型建立方法方案二的基础上，所述的第一设定阈值和第二设定阈值的大小均与视点距离有关。模型建立方法方案五：在模型建立方法方案一的基础上，当空间环境数据点的空间位置不变，而时刻发生变化时，只需进行一次的K近邻搜索来获取K邻近信息，其它时刻的空间环境多尺度模型构建利用该K邻近信息即可。模型建立方法方案六：在模型建立方法方案四的基础上，不同尺度下的模型构建只需根据不同尺度对应的视点距离计算第一设定阈值和第二设定阈值，判断相应的点是否删除即可。模型建立方法方案七：在模型建立方法方案一的基础上，所述的步骤2)中的综合特征值计算采用CUDA架构的GPU完成。模型建立方法方案八：在模型建立方法方案一的基础上，所述步骤1)是采用KD树方法对空间环境数据建立索引来获取最近的K个点信息。本发明又提供了一种空间环境数据的多尺度模型建立装置，建立装置方案一：该装置包括K邻近点信息获取模块、综合特征值计算模块、判断模块和建立模块，所述的K邻近点信息获取模块用于获取空间环境数据中各点的K邻近点信息；所述的综合特征值计算模块用于根据K邻近点信息获取模块得到的各点的K邻近点信息计算各点的曲面变化度和方向导数，并根据各点的曲面变化度和方向导数计算各点的综合特征值；所述的判断模块用于判断各点综合特征值是否大于第一设定阈值，并将大于第一设定阈值的点作为特征点保留；所述的建立模块用于根据判断模块中保留的特征点建立空间环境数据模型。建立装置方案二：在建立装置方案一的基础上，所述的判断模块还需判断小于第一设定阈值的点是否分布均匀，若分布均匀，则对其进行间隔采样，否则，计算该点与其对应的K邻近点平均距离，将平均距离大于第二设定阈值的点保留，将平均距离小于等于第二设定阈值的点删除。本发明还提供了一种空间环境数据多尺度显示方法，显示方法方案一：该显示方法包括以下步骤：1).获取空间环境数据，并确定的空间环境数据中各点的K邻近点信息；2).根据空间环境数据中各点及其K邻近点计算各点的曲面变化度和方向导数，并根据各点的曲面变化度和方向导数计算各点的综合特征值；3).判断各点综合特征值是否大于第一设定阈值，将大于第一设定阈值的点作为特征点保留；4).根据保留的特征点建立空间环境数据模型；5).对得到的空间环境数据模型进行渲染，以实现对空间环境数据的显示。显示方法方案二：在显示方法方案一的基础上，所步骤1)-4)采用一个线程，所述步骤5)采用另一个线程，两个线程相互独立。本发明的有益效果是:本发明首先获取空间环境数据，并确定的空间环境数据中各点的K邻近点信息；然后根据空间环境数据中各点及其K邻近点计算各点的曲面变化度和方向导数，并根据各点的曲面变化度和方向导数计算各点的综合特征值；判断各点综合特征值是否大于第一设定阈值，将大于第一设定阈值的点作为特征点保留，最后根据保留的特征点进行多尺度模型构建。本发明的多尺度模型不仅考虑了空间环境数据的几何特征，还考虑了空间环境数据的属性特征，所建的模型能够准确表达空间环境数据。对于特征不明显区域，本发明需要依据领域平均距离判断数据点是否保留，除此以外，当空间环境点分布较为均匀时，领域平均距离较为接近，此时无法依据此参数进行特征不明显区域的简化，对于此种情况可以直接对点进行间隔采样，既简单又可有效避免“空洞”的出现。附图说明图1是地球静止轨道的粒子和地磁活动的状况示意图；图2-a是采用点表示法绘制的太阳风绝对密度平静时的效果图；图2-b是采用面表示法表达的太阳风绝对密度黄道面剖面效果图；图2-c是用体绘制表达的电离层温度绘制效果图；图3是KD树分割示意图；图4是本发明空间环境数据的多尺度模型构建方法的流程图；图5是中国区域不同时间电离层电子总含量监测结果图；图6是空间环境数据的多尺度模型构建优化流程图；图7是多线程+CUDA架构流程图；图8是线程组织结构示意图；图9是K邻近点记录格式示意图；图10是实验所采用显卡的详细参数配置图；图11-a是轨道线多尺度表达的原始数据；图11-b是视点距离为20000km轨道线的表达效果图；图11-c是视点距离为50000km轨道线的表达效果图；图11-d是视点距离为150000km轨道线的表达效果图；图12-a是规则格网面多尺度表达的原始数据；图12-b是视点距离为20000km规则格网面的表达效果图；图12-c是视点距离为50000km规则格网面的表达效果图；图12-d是视点距离为150000km规则格网面的表达效果图；图13-a是不规则格网面多尺度表达的原始数据图13-b是视点距离为20000km时的不规则格网面的表达效果图；图13-c是视点距离为50000km时的不规则格网面的表达效果图；图13-d是视点距离为150000km时的不规则格网面的表达效果图；图14-a是不规则格网面多尺度表达中只采用方向导数进行特征点提取的原始数据数据显示效果图；图14-b是视点距离为20000km时的提取方向导数特征点的效果图；图14-c是视点距离为50000km时的提取方向导数特征点的效果图；图14-d是视点距离为150000km时的提取方向导数特征点的效果图；图15-a是规则格网场多尺度表达中采用的原始数据显示效果图；图15-b是视点距离为20000km时的规则格网场的表达效果图；图15-c是视点距离为50000km时的规则格网场的表达效果图；图15-d是视点距离为150000km时的规则格网场的表达效果图；图16-a是不规则格网场多尺度表达中采用的原始数据显示效果图；图16-b是视点距离为20000km时的不规则格网场的表达效果图；图16-c是视点距离为50000km时的不规则格网场的表达效果图；图16-d是视点距离为150000km时的不规则格网场的表达效果图；图17-a是方向导数阈值与视点距离函数关系参数不同取值的表达效果图；图17-b是方向导数阈值与视点距离函数关系参数不同取值的表达效果图；图17-c是方向导数阈值与视点距离函数关系参数不同取值的表达效果图；图17-d是方向导数阈值与视点距离函数关系参数不同取值的表达效果图；图18是特征参数计算时间曲线图。具体实施方式下面结合附图对本发明的具体实施方式做进一步的说明。本发明从空间环境数据的几何和属性特征出发，建立空间环境数据的多尺度模型，提出一种综合考虑几何与属性特征的空间环境多尺度模型建立方法，同时空间环境数据巨大，随着时间的推移空间环境数据会频繁更新，本发明还对该方法进行了优化，以支持空间环境多尺度模型的实时建立。此外，本发明还在空间环境多尺度模型建立的基础上，提供了一种空间环境数据多尺度显示方法。空间环境数据多尺度模型建立方法的实施例1本实施例中空间环境数据多尺度模型建立方法的流程如图4所示，具体的实施步骤如下：1.获取空间环境数据，并确定的空间环境数据中各点的K邻近点信息。空间环境数据中，计算点的特征值，一般需要周围的K近邻点参与运算，单独的一个点无法计算。K近邻点的搜索，最简单是计算目标点与所有点的距离，然后进行排序，最后保留下K个点，但是当点数据很多时，这种方法非常耗时。目前索引最邻近方法主要由K邻近点计算方法、KD树邻近点索引法、Voronoi邻近点索引等，本实施例采用KD方法对空间环境数据建立索引来获取最近的K个点。KD树是JonLouisBentley在1975年提出的一种空间划分树，其可实现K邻近点的快速检索。二维空间中KD树的生成如图3所示，首先按照X轴划分，计算所有离散点X值的平均值，以该平均值将二维空间划分成两个子空间，然后分别在这两个子空间中计算所有点Y值的平均值，以该Y平均值再次划分两个子空间，在得到的子空间中再按X值划分。依次类推，直到划分的子空间中只有一个点，这个过程对应一个二叉树，二叉树的分支节点对应一条分割线，而叶子节点对应一个点，确保了构建的KD树中不存在“无点空间”。当有n个点时，KD树的建立时间复杂度为O(n*log(n))。利用KD树搜索与某一点距离最近的K个点的过程成为KD树搜索，其方法是通过计算所有点与某一中心点的欧式距离，比较出最近的K个点，通过邻近点的搜索从树的底层开始，即空间的小区域开始，逐渐向树的上层空间区域搜索，从而提高了空间搜索最近点的效率。2.计算曲面变化度曲率反映了几何体的不平坦程度，曲率越大越不平坦，曲率为属性一致的空间环境的多尺度表达。目前曲率计算的方法主要是曲面拟合后计算曲面的曲率或者构建三角网后计算三角网顶点的曲率。这两种方式极端比较复杂、耗时长。曲面变化度σ(p)用于表征几何体不平坦程度的参量，该参量能够采用数据点的K邻近点进行协方差分析来估算，该参量代表了曲面曲率来表示曲面的不平坦程度。假设需要计算p点处的曲面变化度，p1,p2,…,pk为p点的K邻近点，pa为这些点的平均位置：其构成的协方差矩阵C为：则曲面变化度σ(p)的计算公式为：其中λ1、λ2和λ3为协方差矩阵C的特征值，C是一个对称的半整定矩阵，λ1、λ2和λ3都为实数，其中λ1≤λ2≤λ3，从公式(3)可知，σ(p)最大值为1/3，此时曲面最不平坦，σ(p)最小值是0，此时所有的点都在同一个平面上。由于矩阵的特征值在相似变换下保持不变，因此曲面变化度σ(p)还具有尺度不变形。3.计算方向导数值曲面变化程度主要用来反映几何体的不平坦程度，但是本发明的多尺度模型，除了需要考虑几何特征外还需要考虑属性特征，由于曲面变化度无法反映属性的变化情况，因此本发明将梯度引入到多尺度模型中，线、面、场都是由点聚合而成，从另外一个角度看，点、线、面则都可以看成是点组成的场数据。空间区域D的每点M(x,y,z)对应一个数量值它在此空间区域D上就构成一个标量场，用点M(x,y,z)的标函数表示，将数量值换成矢量值R(x,y,z)，空间区域D上构成矢量场。梯度定义为：的方向与过点(x,y,z)的等量面的法线方向N重合，并指向增加的一方，其函数变化率最大的方向，它的长度是可见，梯度是用开描述属性值的变化率，公式(4)给出的是连续函数的表达式，而本发明的场数据主要是一些离散点构成，如通过该函数来拟合得到再进行梯度计算时，计算会非常复杂，因此本发明采用方向导数值来描述属性的变化率，方向导数在方向l上的变化率，等于梯度在方向l上的投影，具体公式如下：其中，l＝(cosα,cosβ,cosγ)为方向l的单位矢量，(α,β,γ)为其方向角，该式无法直接用于空间环境的离散点数据，因此本发明在式(5)的基础上进行改进，通过公式(6)来计算离散点数据的方向导数。其中Gi(p)为点p在点pi方向上的方向导数值，梯度值是函数变化率的最大值，因此，本发明取方向导数中的最大方向导数作为属性特征参数值来进行判断，以尽量接近梯度值，如下式：G(p)＝max{G0(p),G1(p),...,GK(p)}(7)点的最大方向导数值反映了该点对该区域的空间环境变化的贡献程度，点的最大方向导数值越大,说明该点对该区域的空间环境变化贡献越大，反之，则越小。因此，根据空间环境点的最大方向导数值可探测点对空间环境变化的影响程度，在简化过程中提取那些对空间环境变化贡献较大的点予以保留，从而保持空间环境的整体分布特征。4.计算综合特征。曲面变化度是用来描述几何特征，方向导数是用来描述属性特征，属性值一致的空间环境数据可以用曲面变化度进行多尺度表达，属性不一致的空间环境数据则需要用方向导数进行多尺度表达，但是对于属性值不一致的地方，只考虑属性特征，不考虑几何特征时显然是不合适的，为此需要构建一个综合特征，以便考虑几何和属性特征，本发明所建立的综合特征计算公式如下：F＝w1σ(p)+w2G(p)(8)其中w1和w2分别为曲面变化度和方向导数的权值，权值的确定需要根据多尺度表达的需要确定，需要更多的考虑几何因素时，增加曲面变化度的权值w1的大小，当w1＝1且w2＝0时，综合特征参数变为曲面变化度，用来处理属性一致的空间环境数据；当需要更多考虑属性因素时，增加梯度的权值w2的大小。5.判断各点综合特征是否大于第一设定阈值，将大于第一设定阈值的点作为特征点保留。对于给定第一设定阈值FT，某个数据点的综合特征F于FT时，该点为特征点，予以保留；当综合特征值小于阈值FT时，该点为非特征点予以删除。这是特征比较明显的区域，当特征不明显的区域，区域内可能所有点的特征值都小于阈值FT，如果全部都删除，如前所述会出现“空洞”，为此在特征不明显区域需要依据领域平均距离判断数据点是否保留。除此以外，当空间环境点分布较为均匀时，领域平均距离较为接近，此时无法依据此参数进行特征不明显区域的简化，对于此种情况可以直接对点进行间隔采样，既简单又可有效避免“空洞”的出现。对于特征不明显区域的间隔采样，采样间隔点数IntervalNum与视点距离dis相关。对于点是否均匀采用K近邻点距离方差去判断(同样需要一个经验阈值)，这样相当于将计算K近邻点距离的步骤提前，可以用如下公式表示：其中D为K近邻点距离方差，M为K近邻点平均距离，方差小代表点分布比较均匀，直接间隔采样；方差大代表不均匀，进一步求平均距离是否大于第二设定阈值，距离大于第二设定阈值反映周围点密度比较小，比较稀疏，予以保留，否则删除。多尺度模型构建时，每个尺度对阈值都有不同的要求，在三维虚拟环境中，视点距离与尺度密切相关，视点距离越远，空间环境的尺度越大，所要表达的空间环境数据越粗略，反之则越精细。在地形的表达中，目前常用的方法是提前将地形数据分层分块建立数据金字塔，这种方法的好处是调度时速度快，缺点是这些分层数据是按照固定的几个尺度下的分层数据，相邻尺度之间存在跳跃，无法实现无缝的多尺度表达，为此本发明建立阈值与视点距离的函数关系，这样一方面不用提前分好固定的几层，另一方面也可以实现无缝多尺度表达。当尺度变化时，根据视点距离计算涉及到的各项阈值，重新建立该尺度下的表达内容；当空间环境数据发生变化时(如不同时间的空间环境数据)，则按照上述流程对空间环境数据中的每个点重新进行处理，最终建立空间环境的多尺度表达模型，多尺度模型构建时，每个尺度下的空间环境数据处理都是在原始尺度基础上进行处理的。阈值T和视点距离dis的函数关系采用线性函数关系，如下式所示：T＝a×dis+b(9)其中参数a、b根据具体的数据和表达需求来确定。空间环境数据多尺度模型建立方法的实施例2随着时间的推演，空间环境数据会出现不断的更新，例如，我国上空的电离层电子总含量随着时间的推进而发生变化，如图5所示，因此以某一时刻数据建立的多尺度表达模型无法适用于其它时刻。另外空间环境数据尤其是场数据，体量巨大，如果采用海量地形数据可视化的方法，提前对数据进行处理建立空间环境数据多尺度表达模型，其一方面工作量巨大，影响时效性，另一方面，提前处理只能生成离散的层数据，无法实现无缝多尺度表达，因此本发明对空间环境多尺度表达进行优化，以支持实时表达。本实施例是在实施例1基础上的进一步优化，根据图4建立的多尺度模型，每个不同的尺度都需要重新进行K临近搜索和特征参数计算，但在实际的模型构建中很多步骤是重复的。空间环境多尺度模型建立中，K邻近点只与空间环境数据点的空间位置有关，该步骤又是比较耗时的部分，例如当测试200000个点进行K为15的紧邻点搜索时间为3100.8ms，当空间环境数据点的空间位置不变时，其它时刻的空间环境多尺度模型构建可采用之前的K邻近点信息，以节约大量的K邻近搜索时间。由于多尺度模型构建是在原始数据上进行的，当空间环境数据不发生变化时，只进行一次的特征参数计算即可，不同尺度下的模型构建只需要根据视点距离计算各设定阈值，并根据对应尺度下的设定阈值判断相应点是否删除即可，该方法的流程如图6所示。本发明空间环境数据多尺度模型建立方法的实施例3在多尺度模型建立过程中比较耗时的另外一个步骤是综合特征参数的计算部分。而每个空间环境数据的特征计算只和原始K邻近点发生关系，具有并行特性，因此，为了进一步提高空间环境数据多尺度模型的构建效率，本发明采用CUDA架构的GPU加速方法对特征参数的计算进行优化，GPU开发中采用NVDIA公司2007年6月推出的统一计算设备架构(ComputeUnifiedDeviceArchitecture，CUDA)，可采用类C语言完成GPU的高性能通用计算的开发，无须采用传统的图形API方式，一经推出就成为了各个领域的研究热点，在很多方面得到了很好应用，因此本发明采用CUDA架构来完成GPU的计算。基于CUDA开发的程序代码分为两大部分，一部分是运行在CPU上的宿主(host)代码，一部分是运行在GPU上的设备(device)代码，运行在GPU上的并行程序成为核函数(kernel)。如图8所示，在CUDA程序中，线程(thread)是基本的运算单元，一定数量的线程构成线程块(block)，一定数量的block构成网格(grid)，同一个kernel可以运行在一个grid包含的所有block中的thread。为了充分利用GPU的计算资源，必须合理地确定block数和每个block中的线程数以及共享内存的大小，同时设计好核函数来提高并行度。本发明所用的GPU上，每个block最多能包含1024个thread，定义block的大小为dim3(1024),grid的大小为dim3((unsignedint)ceil(Num/(float)block.x))，其中ceil()函数的作用是求不小于给定实数的最小正数，Num为空间环境点数目。对应于前面的特征计算，本发明的核函数主要设计K邻近点平均距离、曲面变化度、方向导数以及综合特征4个特征参数值的计算，其具体的计算步骤如下：1).获取所有点的K邻近点信息；2).将空间环境数据、其对应的K邻近点信息从主机内存拷贝到设备内存；3).执行核函数，计算特征参数值；4).将处理结果由设备内存拷贝到主机内存。通过上述步骤1)-4)后，就可计算出每个环境数据点的特征值。K邻近点信息只记录点号，其形式是一个连续记录的一维数组，其形式如图9所示。其中m个点的K邻近点中的第n个邻近点的获取方式为N[m×K+n]。核函数的伪代码如下：其中_global_是声明核函数的关键字，步骤1是为了计算当前空间环境数据的索引值；步骤2是根据当前点的K邻近信息计算各特征参数并将结果保存到相应的数组中。经过上述优化，空间环境多尺度模型中的特征参数计算可以充分利用GPU的并行特性，同时可对众多空间环境点进行综合特征计算。本发明空间环境数据多尺度模型构建装置的实施例该装置包括K邻近点信息获取模块、综合特征值计算模块、判断模块和建立模块，K邻近点信息获取模块用于获取空间环境数据中各点的K邻近点信息；综合特征值计算模块用于根据K邻近点信息获取模块得到的各点的K邻近点信息计算各点的曲面变化度和方向导数，并根据各点的曲面变化度和方向导数计算各点的综合特征值；判断模块用于判断各点综合特征值是否大于第一设定阈值，并将大于第一设定阈值的点作为特征点保留；建立模块用于根据判断模块中保留的特征点建立空间环境数据模型。各模块的具体实现手段已在方法的实施例中进行详细说明，这里不再赘述。本发明空间环境多尺度显示方法的实施例本实施例中的空间环境多尺度显示方法是在本发明的模型构建方法的基础上，对得到的空间环境数据模型进行渲染，以实现对空间环境数据的显示。同时为了防止空间环境表达过程中出现停滞感，将空间环境的渲染和多尺度模型的建立采用不同的线程来完成，当多尺度模型建立线程完成模型的建立后，再将计算结果交给空间环境渲染线程进行渲染表达，进一步增强了空间环境多尺度表达的实时性，整个过程如图7所示。此外，当空间环境数据量超出GPU内存，无法一次性将数据传输到GPU时，可将空间环境数据进行分块处理。为了验证本发明的有效性，本实验将本发明的空间环境多尺度模型建立方法应用到InSpace系统中，实验平台的配置如表1所示，其中显卡的详细参数如图10所示。表1CPUIntel(R)Core(TM)i5-2430MCPU@2.40GHz2.40GHz内存4G显卡NVIDIANVS4200M(1G内存)空间环境可以分为点、线、面和场数据，单个点数据的表达方式比较简单，本实验没有涉及，所用数据类型主要为线、面和场三类数据。目前空间环境数据的来源主要是实测数据和空间环境模式生成两类，由于实测数据来源受限，本发明的实验数据主要是通过相应的空间环境模式来生成。本发明的实验主要是验证多尺度表达的效果，是否为实测数据并不会对本发明研究产生影响，另外，空间环境模式可以根据需要生成不同分布、不同数据量的线、面、体数据，反而更加有利于实验验证。本实验采用的空间环境模式是NeQuick电离层模式，NeQuick模式是由意大利萨拉姆国际理论物理中心与奥地利格拉茨大学联合提出的电离层模式，该模式可以计算任意点的垂直以及斜距方向的电子总含量，也可以计算某一时刻给定位置处的电子密度。本实验采用NeQuick生成的电离层电子密度数据进行实验，虽然实验中只采用了电子密度参量，但是并不影响对方法有效性的验证。由于电子密度数量级较大，所以本实验将电子密度取对数作为属性参量，实验中生成了以下几类数据：(1)线数据实际监测中，线数据主要是由搭载在航天器上的传感器获取，因此本实验模拟的线数据以对地观测卫星SPOT5(编号：27421)的轨道为输入参数来模拟生成线数据，SPOT5卫星的具体参数如表2所示。模拟时间间隔为0.1秒，时长为SPOT5卫星的一个轨道周期，模拟开始时间是2010年03月15日2时整(UTC时)，生成的线数据共有60842个数据点。表2轨道高度轨道速度轨道倾角过境时间轨道类型轨道周期832km约7.4km/s98.7°10:30AM太阳同步101.4min(2)面数据面数据的模拟采用规则格网和不规则格网两种方法，规则格网法是采用一定高度上的等经纬网格点为输入参数，模拟时间是2010年03月15日2时整(UTC时)，经纬度网格的间隔是0.5°，高度是400km，模拟生成的数据点为259200个。不规则格网模拟方法是在一定高度上随机生成259200个数据点，模拟时间和高度同规则格网。(3)场数据场数据的模拟同样采用规则格网和不规则格网两种方式进行模拟。规则格网的模拟方式是一定高度范围内，沿经纬度方向进行等间隔切分，以切分的格网点为输入参数生成模拟数据，高度范围是[200km，2000km]，采样间隔为100km，经纬度采样间隔是2°，模拟时间是2010年03月15日2时整(UTC时)，模拟生成的数据点为291600个。不规则场模拟的方法是在高度[200km，2000km]范围内，随机生成共259200个数据点。以上模拟的为属性不一致的空间环境数据，属性一致的空间环境数据主要有等值线、等值面和等值场，这类数据的简化类似于现有的点云简化方法，主要考虑几何特征，目前研究较多，因此本发明没有对这类空间环境数据进行实验。为了方便的比较空间环境多尺度表达模型的效果，对线、面、场几个类型的空间环境数据都采用点表示法进行表达，每个点根据其属性值进行分层设色，下面从三个方面详细说明本次实验结果。(1)空间环境多尺度表达效果。图11(11-a、11-b、11-c和11-d)到图16(包括16-a、16-b、16-c和16-d)分别是线、面和场的多尺度表达效果，多尺度变换主要限定在视点距离地面10000km～150000km之间。其中图11-a、图11-b、图11-c和图11-d是轨道线多尺度表达效果，实验数据是SPOT5的轨道线，所以不考虑其几何特征，只考虑其属性特征，另外模拟是采样等时间间隔采样，点分布较为均匀，所以对属性特征变化不明显区域，采用等间隔采样。实验中近邻点个数K取值为15、综合特征参数中的w1取0，w2取1，综合特征参数阈值与视点距离的函数关系中a取5×10-4，b取6.5×10-5。对于特征不明显区域的间隔采样，采样间隔点数IntervalNum与视点距离dis相关，具体公式如下：从图11-a、图11-b、图11-c和图11-d可以看出，通过建立的多尺度模型，在不同的尺度下，轨道线上所保留的空间环境点能够很好的保留属性特征的分布特征，从视觉上甚至分辨不出其变化。图12-a、图12-b、图12-c和图12-d是规则格网面多尺度表达效果，其中实验中近邻点个数K取值为15、综合特征参数中w1取0，w2取1，综合特征参数阈值与视点距离的函数关系中a取5×10-4，b取6.5×10-5。特征不明显区域的采样间隔点数采用公式(6)；图13-a、图13-b、图13-c和图13-d是不规则格网面多尺度表达效果，其中参数同图12-a、图12-b、图12-c和图12-d，另外增加K近邻点平均距离阈值参数，其与视点距离的函数关系中a取100，b取43。图14-a、图14-b、图14-c和图14-d是不规则格网面多尺度表达中只采用方向导数进行特征点提取的结果，图14-a是原始数据数据显示效果，图14-b到图14-d依次是视点距离为20000km、50000km和150000km时的特征点提取结果，为了进行对比，图14-b到图14-d都进行了缩放，从实验结果可以看出，方向导数可有效提取属性值变化明显区域的空间环境数据点。图15-a、图15-b、图15-c和图15-d是规则格网场多尺度表达效果，其中实验中近邻点个数K取值仍然为15、综合特征参数中w1取0，w2取1，综合特征参数阈值与视点距离的函数关系中a取2×10-2，b取-1.3×10-3.特征不明显区域的采样间隔点数同公式(10)；图16-a、图16-b、图16-c和图16-d是不规则格网场多尺度表达效果，其中K取值仍然为15、综合特征参数中w1取0.3，w2取0.7，综合特征参数阈值与视点距离的函数关系中a取0.3，b取-6.9×10-3，另外增加K近邻点平均距离阈值参数，其与视点距离的函数关系中a取290，b取79。对应尺度下的空间环境数据点数量以及其在原始空间环境数据中所占的比例如表3所示。表3类型原始数据量dis＝20000kmdis＝50000kmdis＝150000km线6084242989(70.1％)28003(46.0％)7373(12.1％)规则面259200231884(89.5％)147758(57.0％)23097(8.9％)不规则面259200246970(95.3％)174674(67.4％)22950(8.9％)规则场291600246695(84.6％)101176(34.7％)39108(13.4％)不规则场259200238162(91.9％)161763(62.4％)21600(8.3％)从图11-a、图11-b、图11-c和图11-d到图15-a、图15-b、图15-c和图15-d及表3的实验结果可以得到如下结论：①建立的空间环境多尺度表达模型，能根据具体的尺度，形成相应的空间环境简化模型，一方面能减少数据量，当尺度越大时，空间环境数据量越少；另一方面，所保留的空间环境数据仍能较好的保持空间环境的分布特征。②建立的空间环境多尺度表达模型，综合考虑了几何和属性特征，采用综合特征进行构建，对特征不明显的区域，不是采取简单的删除策略，而是利用K近邻点平均距离以及间隔抽样进行简化，以避免出现大面积的“空洞”。(2)不同参数下的表达效果特征参数阈值与权值是决定每个尺度下空间环境数据点简化的依据，为了测试不同的阈值与权值对多尺度表达效果的影响，以本发明生成的不规则面数据为例，改变相应参数阈值的取值，以观测多尺度表达效果。在不规则面数据多尺度表达的所有参数阈值中方向导数影响最大，因此这里主要通过改变方向导数阈值与视点距离函数关系的参数进行实验，具体取值如表4所示，视点距离dis值为50000km，表4中“数据量”一列是简化后的数据点数，图17-a、图17-b、图17-c和图17-d为实验结果。表4ab数据量图17-a6×10-45.8×10-5103077图17-b5×10-46.5×10-5126293图17-c4×10-47.2×10-5153146图17-d3×10-47.9×10-5182501由图17-a、图17-b、图17-c和图17-d及表4的实验结果可知，特征参数阈值与权值直接决定了多尺度模型的构建结果，方向导数阈值与视点距离函数关系的系数取值不同时，空间环境多尺度表达效果及数据简化率明显不同，因此需要根据实际情况选择具体的各参数阈值和权值。(3)模型构建效率为了测试空间环境多尺度模型构建效率，分别模拟不同数量的不规则场数据进行实验，数据模拟的范围限定在高度[200km，2000km]范围内。表5列出了所有空间环境点的KD树构建时间，K近邻查询时间，CPU和GPU两种方式的特征参数计算时间，某一尺度下所有空间环境点是否删除的判断时间，表中的时间以ms为单位，K近邻查询中K取值为15。图18是两种方式的特征参数计算时间绘制的曲线图。表5从表5和图17-a、图17-b、图17-c及图17-d的实验结果可以得到如下结论：①在空间环境多尺度模型构建中，KD树构建和K近邻搜索最为耗时，但是使用本发明的性能优化策略后，KD树构建和K近邻搜索只在空间环境点位置发生变化时才需要重新进行，而实际中，对于同一类空间环境要素，其监测点往往不发生改变，因此虽然KD树构建和K近邻搜索耗时较大，但是其运用次数较少，不会对多尺度模型构建产生较大影响，对于轨道线类型的空间环境数据，由于其往往是顺序记录，临近关系明确，因此无需进行复杂的K近邻搜索。②特征参数计算是多尺度模型构建中另一个耗时较大的步骤，但是相对于K近邻搜索，其数量级较小，当2000000点时，其消耗的时间也只有1573.8ms，优化后的多尺度模型构建中，其主要用于不同时刻的空间环境数据，此时，空间环境点位置不变，只有属性值发生改变，实际监测中，时间分辨率往往较低，通常为分钟级。为了满足空间环境快速回放或模拟等属性值快速变化情况下的多尺度模型构建，本发明采用基于CUDA的方法对特征参数进行了进一步优化，使特征参数计算速度提高10倍左右，如图18所示。③空间环境多尺度模型构建中最频繁的步骤是空间环境点是否删除的判断，当视点距离发生变化时，都需要重新进行判断，但是从表12的实验结果来看，该步骤消耗时间只有毫秒级。综上所述，本发明的空间环境多尺度表达方法，完全可以满足实时性需求。以上实验虽然只是针对电离层电子密度，但是本发明针对的是几何位置和属性值，和具体的属性类型没有关系，因此换成其它空间环境数据也可以得到类似的效果。当前第1页1 2 3