CN105447811A - 空间数据处理方法、装置及系统 - Google Patents

Abstract

本发明公开了一种空间数据处理方法，该方法包括：获取待处理的空间数据，并根据所述待处理的空间数据的处理类型确定算法；为所述确定的算法选择中央处理器CPU设备或图形处理器GPU设备，并控制所述CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理；接收所述CPU设备及/或GPU设备返回的处理结果，以得到对所述待处理的空间数据的最终处理结果。本发明还公开了一种空间数据处理装置及系统。采用本发明，可提高空间数据的处理效率，及降低成本。

Description

空间数据处理方法、装置及系统

技术领域

本发明涉及数据处理领域，尤其涉及一种空间数据处理方法、装置及系统。

背景技术

空间数据是指用来表示空间实体的位置、形状、大小及其分布特征诸多方面信息的数据，它可以用来描述来自现实世界的目标，它具有定位、定性、时间和空间关系等特性。空间数据是一种用点、线、面以及实体等基本空间数据结构来表示人们赖以生存的自然世界的数据。常见的空间数据包括：矢量数据(点、线、面、体)和栅格数据(影像、高程)。

采集获得的原始空间数据是无法直接使用的，它们需要经过许多处理才能够达到比较好的效果并统一到一致的坐标系下，只有经过这样处理后的空间数据才能够用于各种具体应用。

随着技术的进步，空间数据采集的手段也不断改进，从人工逐点测绘到全自动遥感技术，空间数据采集获取的速度越来越快，与此同时各行各业对于空间数据的需求也与日俱增，空间数据需求的增加体现在两个方面，首先是空间数据覆盖范围和数据量的急剧增加，其次是空间数据实时性要求的急剧增加。

空间数据的需求上的变化对于空间数据处理的速度提出了极高的要求，在现有技术中，都是采用中央处理器CPU设备对空间数据进行处理，由于算法的优化已经达到瓶颈，因此空间数据的处理速度越来越跟不上需求的变化。针对上述缺陷，现有技术中的解决方式是：采用多台CPU设备协同计算的方式来处理空间数据，即将空间数据分割成多块，分别由几十或几百台CPU设备处理，然后将各个CPU设备的处理结果合并得到完整的处理结果，这种方式虽然可以在一定程度上提高空间数据的处理效率，但是其技术门槛和成本过高，由于采用几十或几百台CPU设备进行空间数据处理，对于搭建整个计算环境的要求极高，且搭建成本也高。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种空间数据处理方法、装置及系统，旨在解决现有技术中，在对空间数据进行处理时，处理效率较低且成本高的技术问题。

为实现上述目的，本发明提供一种空间数据处理方法，该方法包括：

获取待处理的空间数据，并根据所述待处理的空间数据的处理类型确定算法；

为所述确定的算法选择中央处理器CPU设备或图形处理器GPU设备，并控制所述CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理；

接收所述CPU设备及/或GPU设备返回的处理结果，以得到对所述待处理的空间数据的最终处理结果。

优选地，所述为所述确定的算法选择中央处理器CPU设备或图形处理器GPU设备，并控制所述CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理的步骤包括：

根据所述确定的算法在所述CPU设备中的处理指数和在所述GPU设备中的处理指数，选择所述确定的算法对应的CPU设备或GPU设备，并控制所述CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理。

优选地，所述为所述确定的算法选择中央处理器CPU设备或图形处理器GPU设备，并控制所述CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理的步骤包括：

根据预设的算法与执行设备的映射关系，查找到所述确定的算法对应的CPU设备或GPU设备，并控制所述CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理。

优选地，所述待处理的空间数据为待处理的遥感数据；所述确定的算法包括坐标变换算法、投影变换算法、图像重采样算法、图像扭曲算法、图像融合算法、提取特征线算法和图像匀光算法。

优选地，所述为所述确定的算法选择中央处理器CPU设备或图形处理器GPU设备为：为所述坐标变换算法、投影变换算法、图像重采样算法和图像扭曲算法选择GPU设备，为所述图像融合算法、提取特征线算法和图像匀光算法选择CPU设备。

此外，为实现上述目的，本发明还提供一种空间数据处理装置，该装置包括：

获取模块，用于获取待处理的空间数据，根据所述待处理的空间数据的处理类型确定算法；

选择控制模块，用于为所述确定的算法选择中央处理器CPU设备或图形处理器GPU设备，并控制所述CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理；

接收模块，用于接收所述CPU设备及/或GPU设备返回的处理结果，以得到对所述待处理的空间数据的最终处理结果。

优选地，所述选择控制模块还用于根据所述确定的算法在所述CPU设备的处理指数和在所述GPU设备中的处理指数，选择所述确定的算法对应的CPU设备或GPU设备，并控制所述CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理。

优选地，所述选择控制模块还用于根据预设的算法与执行设备的映射关系，查找到所述确定的算法对应的CPU设备或GPU设备，并控制所述CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理。

优选地，所述待处理的空间数据为待处理的遥感数据；所述确定的算法包括坐标变换算法、投影变换算法、图像重采样算法、图像扭曲算法、图像融合算法、提取特征线算法和图像匀光算法。

优选地，所述选择控制模块还用于为所述坐标变换算法、投影变换算法、图像重采样算法和图像扭曲算法选择GPU设备，为所述图像融合算法、提取特征线算法和图像匀光算法选择CPU设备。

此外，为实现上述目的，本发明还提供一种空间数据处理系统，包括上述空间数据处理装置，及与所述空间数据处理装置分别连接的中央处理器CPU设备、图形处理器GPU设备。

本发明的空间数据处理方法、装置及系统，通过获取待处理的空间数据，并根据所述待处理的空间数据的处理类型确定算法；为所述确定的算法选择中央处理器CPU设备或图形处理器GPU设备，并控制所述CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理；接收所述CPU设备及/或GPU设备返回的处理结果，以得到对所述待处理的空间数据的最终处理结果；即先为该待处理的空间数据确定算法，然后为确定的算法确定对应的执行设备(CPU设备或GPU设备)，然后由确定的执行设备对待处理的空间数据进行协同处理，再根据执行设备返回的处理结果得到待处理的空间数据的最终处理结果，可提高待处理的空间数据的处理效率，减少等待时间，还可降低成本。

附图说明

图1为本发明空间数据处理方法的优选实施例的流程示意图；

图2为本发明空间数据处理装置的优选实施例的结构示意图；

图3为本发明空间数据处理系统的优选实施例的结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明空间数据处理方法的优选实施例的流程示意图，该方法包括：

S10、获取待处理的空间数据，并根据该待处理的空间数据的处理类型确定算法。

在该步骤中，可从空间数据采集装置中获取待处理的空间数据，该待处理的空间数据可以为矢量数据(点、线、面、体)和栅格数据(影像、高程)。

在该步骤中，根据该待处理的空间数据的处理类型确定算法，不同处理类型的待处理的空间数据对应的算法不同，可预先设置待处理空间数据的处理类型对应的算法，如处理类型A对应的算法有算法1和算法2，处理类型B对应的算法有算法3、算法4和算法5。该处理类型包括：空间数据的选取、化简、传输和要素标注的冲突检测与避让等。该待处理的空间数据的处理类型可以为一个或多个。该待处理的空间数据的处理类型可预先设定。在一实施例中，该确定的算法包括坐标转换算法、投影变换算法，如算法1为坐标转换算法，算法2为投影变化算法。

该待处理的空间数据的处理类型对应的算法至少有一个，通常为多个，如包括算法1、算法2、算法3、算法4和算法5，各个算法之间有些可以并行处理，有些只能串行处理，如算法1和算法2可以同时处理，算法3在算法1后处理(如算法3与算法4相关)，算法4在算法2后处理(如算法4与算法2相关)，算法5在算法3和算法4后处理。可并行处理的算法可分别由不同的执行设备(CPU设备或GPU设备)同时执行，以提高处理效率。

S20、为该确定的算法选择中央处理器CPU设备或图形处理器GPU设备，并控制该CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理。

为该确定的算法选择执行设备，该确定的算法可从CPU设备和GPU设备中选择一个作为执行设备，通常的，为该确定的算法从CPU设备和GPU设备中选择一个执行效率高的，比如，确定的算法为算法1，算法1在CPU设备和GPU设备中均可执行，但是在GPU设备中的执行效率更高，则可为该算法1选择GPU设备，由该GPU设备执行算法1。

在该步骤中，为确定的算法选择选择中央处理器CPU设备或图形处理器GPU设备，如在一实施例中，确定的算法包括算法1、算法2、算法3、算法4和算法5，为算法1选择CPU设备，为算法2选择GPU设备，为算法3选择CPU设备，为算法4选择GPU设备，为算法5选择GPU设备，即为CPU设备和GPU设备分配了需要对待处理的空间数据进行的算法处理。在该步骤中，还控制该该CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理，如在一实施例中，控制该CPU设备根据算法1对待处理的空间数据进行处理得到第一处理结果，同时控制该GPU设备根据算法2对待处理的空间数据进行处理得到第二处理结果；再控制CPU设备根据算法3对第一处理结果进行处理得到第三处理结果，同时控制GPU设备根据算法4对第二处理结果进行处理得到第四处理结果；再控制GPU设备根据算法5对第三处理结果和第四处理结果进行处理得到第五处理结果；使得该CPU设备与GPU设备对待处理的空间数据进行协同处理，提高待处理的空间数据的处理效率，减少等待时间。

S30、接收该CPU设备及/或GPU设备返回的处理结果，以得到对该待处理的空间数据的最终处理结果。

在该步骤中，从CPU设备及/或GPU设备中获得处理结果，即对待处理的空间数据的最终处理结果。当该CPU设备和GPU设备的最后一个算法处于并行运算时(即CPU设备和GPU设备的最后一个算法是相互独立)，则接收该CPU设备及GPU设备返回的处理结果，并将该CPU设备的返回的处理结果与该GPU设备返回的处理结果合并，得到对该待处理的空间数据的最终处理结果；当该CPU设备和GPU设备的最后一个算法不是处于并行运行时，则根据该CPU设备和GPU设备的最后一个算法之间的先后执行顺序确定从该CPU设备和GPU设备中接收返回的处理结果，如在上述实施例中，确定的算法有5个，GPU设备执行的最后一个算法是算法5，CPU执行的最后一个算法是算法3，该算法5在算法4后执行，则确定从该GPU设备中接收返回的处理结果，得到对该待处理的空间数据的最终处理结果。

采用上述实施例，通过获取待处理的空间数据，并根据该待处理的空间数据的处理类型确定算法；为该确定的算法选择中央处理器CPU设备或图形处理器GPU设备，并控制该CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理；接收该CPU设备及/或GPU设备返回的处理结果，以得到对该待处理的空间数据的最终处理结果；即先为该待处理的空间数据确定算法，然后为确定的算法确定对应的执行设备(CPU设备或GPU设备)，然后由确定的执行设备对待处理的空间数据进行协同处理，再根据执行设备返回的处理结果得到待处理的空间数据的最终处理结果，可提高待处理的空间数据的处理效率，减少等待时间，还可降低成本。

进一步的，该为该确定的算法选择中央处理器CPU设备或图形处理器GPU设备，并控制该CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理的步骤包括：

根据该确定的算法在该CPU设备中的处理指数和在该GPU设备中的处理指数，选择该确定的算法对应的CPU设备或GPU设备，并控制该CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理。

可预先对确定的算法在CPU设备和GPU设备中进行测试，得到确定的算法在CPU设备中的处理指数和GPU设备中的处理指数，如确定的算法为算法1，算法1在CPU设备中的处理指数为1，算法1在GPU设备中的处理指数为2，处理指数越大，表明处理效率越高。

在该步骤中，在根据该确定的算法在该CPU设备中的处理指数和在该GPU设备中的处理指数，选择该确定的算法对应的CPU设备或GPU设备时，选择处理指数高的CPU设备或GPU设备作为该确定的算法对应的执行设备，如算法1在CPU设备中的处理指数高于在GPU设备中的处理指数，则为该算法1选择CPU设备作为对应的执行设备，如算法2在GPU设备中的处理指数高于在CPU设备中的处理指数，则为算法2选择GPU设备作为对应的执行设备。

进一步的，该为该确定的算法选择中央处理器CPU设备或图形处理器GPU设备，并控制该CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理的步骤包括：

根据预设的算法与执行设备的映射关系，查找到该确定的算法对应的CPU设备或GPU设备，并控制该CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理。

可预先设定算法与执行设备的映射关系，如设置算法1对应的执行设备为CPU设备，算法2对应的执行设备为GPU设备，算法3对应的执行设备为CPU设备，算法4对应的执行设备为GPU设备，算法5对应的执行设备为CPU设备，等等。管理者可实时对该算法与执行设备的映射关系进行更新。

在该步骤中，根据该确定的算法，遍历该算法与执行设备的映射关系，查找到该确定的算法对应的CPU设备或GPU设备，如确定的算法为算法3时，则查找到该确定的算法对应的执行设备为CPU设备；如确定的算法为算法4时，则查找到该确定的算法对应的执行设备为GPU设备。采用上述方式，可方便快捷的为确定的算法选择对应的执行设备。

进一步的，该待处理的空间数据为待处理的遥感数据；该确定的算法包括坐标变换算法、投影变换算法、图像重采样算法、图像扭曲算法、图像融合算法、提取特征线算法和图像匀光算法。

在一实施例中，该为该确定的算法选择中央处理器CPU设备或图形处理器GPU设备，并控制该CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理的步骤为：为该坐标变换算法、投影变换算法、图像重采样算法和图像扭曲算法选择GPU设备，为该图像融合算法、提取特征线算法和图像匀光算法选择CPU设备；确定的算法(坐标变换算法、投影变换算法、图像重采样算法、图像扭曲算法、图像融合算法、提取特征线算法和图像匀光算法)的执行顺序依次为：坐标变换算法、投影变换算法、图像重采样算法、提取特征线算法、图像扭曲算法、图像融合算法、图像匀光算法；在GPU设备中输入需要变换的矢量数据或栅格数据，采用坐标变换算法和投影变换算法对输入的数据进行坐标空间变换，并输出经过坐标空间变换的矢量数据或栅格数据；在GPU设备中输入待处理的栅格数据(经过坐标空间变换的栅格数据)，采用图像重采样算法对待处理的栅格数据进行重采样处理，生成重采样后的第一栅格数据；在CPU设备中输入第一栅格数据(该第一栅格数据有多幅)，采用提取特征线算法对该第一栅格数据进行处理，识别出多幅栅格数据上相同区域，输出标识相同区域的特征线；在GPU设备中输入待处理的栅格数据(经过提取特征线算法的的第一栅格数据)，采用图像扭曲算法对待处理的栅格数据进行变形处理，生成变形后的第二栅格数据；在CPU设备中输入待处理的栅格数据(该栅格数据有多幅)，如上述的第二栅格数据，采用图像融合算法将待处理的各幅栅格数据进行融合，输出融合后的第三栅格数据；在CPU设备中输入待匀光的影像数据(如上述的第三栅格数据)，采用图像匀光算法处理影像数据中曝光不均衡的区域，输出曝光颜色均衡的影像数据。

该接收该CPU设备及/或GPU设备返回的处理结果，以得到对该待处理的空间数据的最终处理结果的步骤为：接收该CPU设备返回的处理结果，得到对该待处理的遥感数据的最终处理结果。

参照图2，图2为本发明空间数据处理装置的优选实施例的结构示意图，该装置100包括：

获取模块10，用于获取待处理的空间数据，根据该待处理的空间数据的处理类型确定算法；

选择控制模块20，用于为该确定的算法选择中央处理器CPU设备或图形处理器GPU设备，并控制该CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理；

接收模块30，用于接收该CPU设备及/或GPU设备返回的处理结果。

该获取模块10可从空间数据采集装置中获取待处理的空间数据，该待处理的空间数据可以为矢量数据(点、线、面、体)和栅格数据(影像、高程)。

该获取模块10根据该待处理的空间数据的处理类型确定算法，不同处理类型的待处理的空间数据对应的算法不同，可预先设置待处理空间数据的处理类型对应的算法，如处理类型A对应的算法有算法1和算法2，处理类型B对应的算法有算法3、算法4和算法5。该处理类型包括：空间数据的选取、化简、传输和要素标注的冲突检测与避让等。该待处理的空间数据的处理类型可以为一个或多个。该待处理的空间数据的处理类型可预先设定。在一实施例中，该确定的算法包括坐标转换算法、投影变换算法，如算法1为坐标转换算法，算法2为投影变化算法。

该待处理的空间数据的处理类型对应的算法至少有一个，通常为多个，如包括算法1、算法2、算法3、算法4和算法5，各个算法之间有些可以并行处理，有些只能串行处理，如算法1和算法2可以同时处理，算法3在算法1后处理(如算法3与算法4相关)，算法4在算法2后处理(如算法4与算法2相关)，算法5在算法3和算法4后处理。可并行处理的算法可分别由不同的执行设备(CPU设备或GPU设备)同时执行，以提高处理效率。

该选择控制模块20为该确定的算法选择执行设备，该确定的算法可从CPU设备和GPU设备中选择一个作为执行设备，通常的，为该确定的算法从CPU设备和GPU设备中选择一个执行效率高的，比如，确定的算法为算法1，算法1在CPU设备和GPU设备中均可执行，但是在GPU设备中的执行效率更高，则可为该算法1选择GPU设备，由该GPU设备执行算法1。

该选择控制模块20为确定的算法选择选择中央处理器CPU设备或图形处理器GPU设备，如在一实施例中，确定的算法包括算法1、算法2、算法3、算法4和算法5，为算法1选择CPU设备，为算法2选择GPU设备，为算法3选择CPU设备，为算法4选择GPU设备，为算法5选择GPU设备，即为CPU设备和GPU设备分配了需要对待处理的空间数据进行的算法处理。在该步骤中，还控制该该CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理，如在一实施例中，控制该CPU设备根据算法1对待处理的空间数据进行处理得到第一处理结果，同时控制该GPU设备根据算法2对待处理的空间数据进行处理得到第二处理结果；再控制CPU设备根据算法3对第一处理结果进行处理得到第三处理结果，同时控制GPU设备根据算法4对第二处理结果进行处理得到第四处理结果；再控制GPU设备根据算法5对第三处理结果和第四处理结果进行处理得到第五处理结果；使得该CPU设备与GPU设备对待处理的空间数据进行协同处理，提高待处理的空间数据的处理效率，减少等待时间。

该接收模块30从CPU设备及/或GPU设备中获得处理结果，即对待处理的空间数据的最终处理结果。当该CPU设备和GPU设备的最后一个算法处于并行运算时(即CPU设备和GPU设备的最后一个算法是相互独立)，则该接收模块30接收该CPU设备及GPU设备返回的处理结果，并将该CPU设备的返回的处理结果与该GPU设备返回的处理结果合并，得到对该待处理的空间数据的最终处理结果；当该CPU设备和GPU设备的最后一个算法不是处于并行运行时，则该接收模块30根据该CPU设备和GPU设备的最后一个算法之间的先后执行顺序确定从该CPU设备和GPU设备中接收返回的处理结果，如在上述实施例中，确定的算法有5个，GPU设备执行的最后一个算法是算法5，CPU执行的最后一个算法是算法3，该算法5在算法4后执行，则确定从该GPU设备中接收返回的处理结果，得到对该待处理的空间数据的最终处理结果。

进一步的，该选择控制模块20还用于根据该确定的算法在该CPU设备的处理指数和在该GPU设备中的处理指数，选择该确定的算法对应的CPU设备或GPU设备，并控制该CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理。

可预先对确定的算法在CPU设备和GPU设备中进行测试，得到确定的算法在CPU设备中的处理指数和GPU设备中的处理指数，如确定的算法为算法1，算法1在CPU设备中的处理指数为1，算法1在GPU设备中的处理指数为2，处理指数越大，表明处理效率越高。

该选择控制模块20在根据该确定的算法在该CPU设备中的处理指数和在该GPU设备中的处理指数，选择该确定的算法对应的CPU设备或GPU设备时，选择处理指数高的CPU设备或GPU设备作为该确定的算法对应的执行设备，如算法1在CPU设备中的处理指数高于在GPU设备中的处理指数，则为该算法1选择CPU设备作为对应的执行设备，如算法2在GPU设备中的处理指数高于在CPU设备中的处理指数，则为算法2选择GPU设备作为对应的执行设备。

进一步的，该选择控制模块20还用于根据预设的算法与执行设备的映射关系，查找到该确定的算法对应的CPU设备或GPU设备，并控制该CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理。

根据预设的算法与执行设备的映射关系，查找到该确定的算法对应的CPU设备或GPU设备，并控制该CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理。

可预先设定算法与执行设备的映射关系，如设置算法1对应的执行设备为CPU设备，算法2对应的执行设备为GPU设备，算法3对应的执行设备为CPU设备，算法4对应的执行设备为GPU设备，算法5对应的执行设备为CPU设备，等等。管理者可实时对该算法与执行设备的映射关系进行更新。

该选择控制模块20根据该确定的算法，遍历该算法与执行设备的映射关系，查找到该确定的算法对应的CPU设备或GPU设备，如确定的算法为算法3时，则查找到该确定的算法对应的执行设备为CPU设备；如确定的算法为算法4时，则查找到该确定的算法对应的执行设备为GPU设备。采用上述方式，可方便快捷的为确定的算法选择对应的执行设备。

进一步的，该待处理的空间数据为待处理的遥感数据；该确定的算法包括坐标变换算法、投影变换算法、图像重采样算法、图像扭曲算法、图像融合算法、提取特征线算法和图像匀光算法。

在一实施例中，该选择控制模块20为该坐标变换算法、投影变换算法、图像重采样算法和图像扭曲算法选择GPU设备，为该图像融合算法、提取特征线算法和图像匀光算法选择CPU设备；确定的算法(坐标变换算法、投影变换算法、图像重采样算法、图像扭曲算法、图像融合算法、提取特征线算法和图像匀光算法)的执行顺序依次为：坐标变换算法、投影变换算法、图像重采样算法、提取特征线算法、图像扭曲算法、图像融合算法、图像匀光算法；在GPU设备中输入需要变换的矢量数据或栅格数据，采用坐标变换算法和投影变换算法对输入的数据进行坐标空间变换，并输出经过坐标空间变换的矢量数据或栅格数据；在GPU设备中输入待处理的栅格数据(经过坐标空间变换的栅格数据)，采用图像重采样算法对待处理的栅格数据进行重采样处理，生成重采样后的第一栅格数据；在CPU设备中输入第一栅格数据(该第一栅格数据有多幅)，采用提取特征线算法对该第一栅格数据进行处理，识别出多幅栅格数据上相同区域，输出标识相同区域的特征线；在GPU设备中输入待处理的栅格数据(经过提取特征线算法的的第一栅格数据)，采用图像扭曲算法对待处理的栅格数据进行变形处理，生成变形后的第二栅格数据；在CPU设备中输入待处理的栅格数据(该栅格数据有多幅)，如上述的第二栅格数据，采用图像融合算法将待处理的各幅栅格数据进行融合，输出融合后的第三栅格数据；在CPU设备中输入待匀光的影像数据(如上述的第三栅格数据)，采用图像匀光算法处理影像数据中曝光不均衡的区域，输出曝光颜色均衡的影像数据。

该接收模块30接收该CPU设备返回的处理结果，得到对该待处理的遥感数据的最终处理结果。

如图3所示，图3为本发明空间数据处理系统的优选实施例的结构示意图，该系统包括上述实施例的空间数据处理装置100，及与该空间数据处理装置100分别连接的中央处理器CPU设备200、图形处理器GPU设备300。

该空间数据处理装置100用于获取待处理的空间数据，并根据该待处理的空间数据的处理类型确定算法；及用于为该确定的算法选择中央处理器CPU设备200或图形处理器GPU设备300，并控制该CPU设备200和GPU设备300根据确定的算法对待处理的空间数据进行协同处理；及用于接收该CPU设备200及/或GPU设备300返回的处理结果，以得到对该待处理的空间数据的最终处理结果；

该CPU设备200和GPU设备300根据空间数据处理装置100的控制对待处理的空间数据进行协同处理，提高处理效率。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种空间数据处理方法，其特征在于，该方法包括：

获取待处理的空间数据，并根据所述待处理的空间数据的处理类型确定算法；

为所述确定的算法选择中央处理器CPU设备或图形处理器GPU设备，并控制所述CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理；

接收所述CPU设备及/或GPU设备返回的处理结果，以得到对所述待处理的空间数据的最终处理结果。

2.如权利要求1所述的空间数据处理方法，其特征在于，所述为所述确定的算法选择中央处理器CPU设备或图形处理器GPU设备，并控制所述CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理的步骤包括：

根据所述确定的算法在所述CPU设备中的处理指数和在所述GPU设备中的处理指数，选择所述确定的算法对应的CPU设备或GPU设备，并控制所述CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理。

3.如权利要求1所述的空间数据处理方法，其特征在于，所述为所述确定的算法选择中央处理器CPU设备或图形处理器GPU设备，并控制所述CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理的步骤包括：

根据预设的算法与执行设备的映射关系，查找到所述确定的算法对应的CPU设备或GPU设备，并控制所述CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理。

4.如权利要求1至3任一项所述的空间数据处理方法，其特征在于，所述待处理的空间数据为待处理的遥感数据；所述确定的算法包括坐标变换算法、投影变换算法、图像重采样算法、图像扭曲算法、图像融合算法、提取特征线算法和图像匀光算法。

5.如权利要求4所述的空间数据处理方法，其特征在于，所述为所述确定的算法选择中央处理器CPU设备或图形处理器GPU设备为：为所述坐标变换算法、投影变换算法、图像重采样算法和图像扭曲算法选择GPU设备，为所述图像融合算法、提取特征线算法和图像匀光算法选择CPU设备。

6.一种空间数据处理装置，其特征在于，该系统包括：

获取模块，用于获取待处理的空间数据，根据所述待处理的空间数据的处理类型确定算法；

选择控制模块，用于为所述确定的算法选择中央处理器CPU设备或图形处理器GPU设备，并控制所述CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理；

接收模块，用于接收所述CPU设备及/或GPU设备返回的处理结果，以得到对所述待处理的空间数据的最终处理结果。

7.如权利要求6所述的空间数据处理装置，其特征在于，所述选择控制模块还用于根据所述确定的算法在所述CPU设备的处理指数和在所述GPU设备中的处理指数，选择所述确定的算法对应的CPU设备或GPU设备，并控制所述CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理。

8.如权利要求6所述的空间数据处理装置，其特征在于，所述选择控制模块还用于根据预设的算法与执行设备的映射关系，查找到所述确定的算法对应的CPU设备或GPU设备，并控制所述CPU设备和GPU设备根据确定的算法对待处理的空间数据进行协同处理。

9.如权利要求8所述的空间数据处理装置，其特征在于，所述待处理的空间数据为待处理的遥感数据；所述确定的算法包括坐标变换算法、投影变换算法、图像重采样算法、图像扭曲算法、图像融合算法和提取特征线算法、图像匀光算法。

10.一种空间数据处理系统，其特征在于，包括权利要求6-9任一项所述的空间数据处理装置，及与所述空间数据处理装置分别连接的中央处理器CPU设备、图形处理器GPU设备。