Ich interessiere mich für die sich abzeichnende Schnittstelle zwischen GIS-Systemen und GPUs, die bestimmte Klassen von GIS-Problemen um Größenordnungen verbessern kann. Kennen Sie gute Ressourcen, die diesen Bereich diskutieren?
11
Ich interessiere mich für die sich abzeichnende Schnittstelle zwischen GIS-Systemen und GPUs, die bestimmte Klassen von GIS-Problemen um Größenordnungen verbessern kann. Kennen Sie gute Ressourcen, die diesen Bereich diskutieren?
Gute Frage. Während http://gpgpu.org eine gute Ressource ist, ist es ziemlich allgemein (das erste G steht schließlich für General). Wenn ich dort nach GIS suche, bekomme ich nur einen Treffer aus dem Jahr 2004 , der auf ein Papier mit der Nummer 404 verweist.
Manifold ist der einzige mir bekannte Anbieter, der die GPU für GIS nutzt .
Hoopoe sieht auf jeden Fall interessant aus, der auch CUDA.NET verwaltet .
Ein Teil der DevSummit-Präsentation des ESRI Applications Prototype Lab befasste sich mit GPU für GIS.
Der Videolink scheint fehlerhaft zu sein, aber ein langer Blog-Beitrag enthält eine gute Zusammenfassung und Einführung in GPU Computing für GIS.
Außerdem hat Azavea (ehemals Avencia) einige NSF-Zuschüsse erhalten , um diesen Bereich weiter zu untersuchen, und es gibt eine Reihe von Blog-Posts , die anscheinend regelmäßig aktualisiert werden (letzter Beitrag, 7. Juli).
Ich benutze Manifold GIS seit Jahren und obwohl die Software manchmal aus verschiedenen Gründen verspottet wird, ist sie ziemlich beeindruckend. Die aktuelle Version (8.0.18 zum Zeitpunkt des Schreibens) verwendet CUDA, um Oberflächenoperationen um das 100-fache zu beschleunigen. Die lang erwartete Version 9 verspricht, sowohl diese Beschleunigung zu verbessern als auch den Umfang ihrer Auswirkungen zu erweitern. Auf der Nvidia-Website ist ein interessanter Webcast zu sehen, der zeigt, was Manifold getan hat und wohin sie gehen ( hier ). Sie stehen bei dieser Technologie an vorderster Front, unabhängig davon, ob sie auf GIS angewendet wird oder nicht. Weitere Bonuspunkte: native 64-Bit-Funktionen und Versionen von 250 bis unter 1000 US-Dollar
Selbst wenn Sie nur eine Rasterverarbeitung durchführen, macht sich dies in wenigen Stunden bezahlt.
Es gibt einige experimentelle Arbeiten zum Portieren von Teilen von GDAL zur Verwendung von GPU über OpenCL . Informationen zum Fortschritt finden Sie in dieser aktuellen E-Mail .
Der Quellcode kann lehrreich sein.
Ein Starter-Schlüsselwort für Sie ist GPGPU. Sie können sich ein Buch ansehen GLSLoder HLSLdie jeweiligen Sprachen / Plattformen für OpenGL und DirectX auswählen . Sie können proprietäre Computerplattformen wie Nvidia CUDAoder AMD verwenden CTM. Wenn Sie jedoch einen Hauch von Vernunft wünschen, sollten Sie sich die etwas neuen OpenCL-Standards ansehen.