基于計(jì)算特征的分布式空三計(jì)算任務(wù)調(diào)度研究

基金項(xiàng)目：“地理信息科學(xué)（閩臺(tái)合作項(xiàng)目）專(zhuān)業(yè)”閩臺(tái)高等教育融合發(fā)展示范項(xiàng)目（202209）

第一作者簡(jiǎn)介：顏麗玲（1995-），女，助理工程師。研究方向?yàn)閿z影測(cè)量分布式與信息地理。

*通信作者：沙晉明（1964-），男，博士，教授。研究方向?yàn)檫b感技術(shù)與信息地理。

DOI：10.19981/j.CN23-1581/G3.2024.21.015

摘" 要：該文從傾斜攝影測(cè)量的現(xiàn)狀出發(fā)，整理主流空三算法的計(jì)算流程，通過(guò)分析其算法特性，結(jié)合計(jì)算過(guò)程中使用的硬件資源，為提升計(jì)算過(guò)程中的任務(wù)調(diào)度效率，設(shè)計(jì)基于計(jì)算特征的分布式空三計(jì)算任務(wù)調(diào)度規(guī)則。并針對(duì)設(shè)計(jì)的調(diào)度規(guī)則開(kāi)展一系列對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，在梯度分布的計(jì)算節(jié)點(diǎn)上，使用基于計(jì)算特征的分布式空三計(jì)算任務(wù)調(diào)度規(guī)則的調(diào)度方式與不使用調(diào)度規(guī)則的方式相比，由于高性能主機(jī)在任務(wù)派送的優(yōu)先級(jí)較高，因而任務(wù)包的周轉(zhuǎn)度更高，使用調(diào)度規(guī)則的分布式集群在計(jì)算時(shí)長(zhǎng)的表現(xiàn)上更好，在空三計(jì)算效率的提升方向及提升手段上具有一定的參考意義。

關(guān)鍵詞：分布式；任務(wù)調(diào)度；空三計(jì)算；傾斜攝影測(cè)量；優(yōu)先級(jí)

中圖分類(lèi)號(hào)：P231" " " 文獻(xiàn)標(biāo)志碼：A" " " " " 文章編號(hào)：2095-2945（2024）21-0061-05

Abstract： Starting with the present situation of oblique photo grammetry， this paper sorts out the calculation flow of the mainstream spatial three algorithms， through the analysis of its algorithm characteristics， based on the hardware resources used in the computing process， in order to improve the efficiency of task scheduling in the computing process， a distributed spatial three computing task scheduling rule based on computing features is designed. A series of comparative experiments are carried out according to the designed scheduling rules. The experimental results show that on the computing nodes with gradient distribution， the scheduling method using distributed spatial three computing task scheduling rules based on computing features is compared with that without scheduling rules. Since the high-performance host has a higher priority in task delivery， hence the higher turnover of the task package. The distributed cluster using scheduling rules performs better in computing time， and has a certain reference significance in the direction and means of improving the efficiency of empty three computing.

Keywords： distributed; task scheduling; empty three computing; oblique photo grammetry; priority

隨著科技進(jìn)步與測(cè)繪學(xué)科的不斷發(fā)展，無(wú)人飛行設(shè)備與計(jì)算機(jī)的跨界融合催生了傾斜攝影測(cè)量學(xué)科的興起。傾斜攝影測(cè)量（Oblique Photogrammetry）是一種利用傾斜攝影影像進(jìn)行測(cè)量的技術(shù)，這給傳統(tǒng)測(cè)繪領(lǐng)域帶來(lái)了測(cè)繪生產(chǎn)方式上的變革。將大量的實(shí)測(cè)傾斜攝影影像轉(zhuǎn)換成測(cè)繪成果需要通過(guò)三維建模方式實(shí)現(xiàn)，常規(guī)傾斜攝影建模的計(jì)算流程通常分為空中三角計(jì)算（簡(jiǎn)稱(chēng)“空三計(jì)算”）、三維建模與精度評(píng)價(jià)。隨著“數(shù)字孿生”“實(shí)景中國(guó)”建設(shè)的不斷推進(jìn)，傾斜測(cè)量成果將在城市規(guī)劃建設(shè)[1]、文化遺產(chǎn)保護(hù)[2]、自然資源管理[3]與應(yīng)急響應(yīng)中發(fā)揮重大作用。

常規(guī)實(shí)測(cè)傾斜攝影影像的空中三角計(jì)算包含“數(shù)據(jù)分塊、特征提取、特征匹配、分塊平差與融合平差”5個(gè)計(jì)算步驟，本文將從5個(gè)計(jì)算步驟的不同計(jì)算特征出發(fā)，結(jié)合實(shí)測(cè)數(shù)據(jù)，研究空三計(jì)算的分布式調(diào)度的效率提升方法。通過(guò)對(duì)不同數(shù)據(jù)規(guī)模的空三計(jì)算過(guò)程的量化分析，總結(jié)基于計(jì)算特征的分布式空三計(jì)算任務(wù)調(diào)度方法的優(yōu)勢(shì)，為傾斜攝影建模流程中空三計(jì)算的提速提效提供有效的數(shù)據(jù)支撐。

1" 空中三角測(cè)量

1.1" 空中三角測(cè)量概述

空中三角測(cè)量（Aerial Triangulation）指在攝影測(cè)量過(guò)程中，利用航攝像片與所攝目標(biāo)之間的空間幾何關(guān)系，根據(jù)少量像片控制點(diǎn)，通過(guò)相機(jī)幾何、攝影測(cè)量方程和影像的空間幾何關(guān)系建立模型，計(jì)算加密點(diǎn)的平面位置、高程和像片外方位元素的一種測(cè)量方法。本文采用的空中三角測(cè)量算法為光束法區(qū)域網(wǎng)平差，光束法區(qū)域網(wǎng)平差以每張像片組成的一束光線作為平差的基本單元，利用共線方程進(jìn)行平差。通過(guò)對(duì)各個(gè)光束在空中的旋轉(zhuǎn)和平移進(jìn)行調(diào)整，實(shí)現(xiàn)模型之間公共點(diǎn)的光線最佳交會(huì)[4]。整個(gè)區(qū)域最終納入已知的控制點(diǎn)的地面坐標(biāo)系中，通過(guò)建立全區(qū)域統(tǒng)一的誤差方程，整體解求全區(qū)域內(nèi)每張像片的6個(gè)外方位元素以及所有待求點(diǎn)的地面坐標(biāo)[5]。

1.2" 空中三角測(cè)量計(jì)算過(guò)程及當(dāng)前可優(yōu)化方向

常規(guī)較大場(chǎng)景的傾斜攝影影像建模很難在圖形工作站中一次性計(jì)算完成，通常需要采用數(shù)據(jù)分包形式，將大場(chǎng)景的傾斜攝影影像按照區(qū)域關(guān)聯(lián)度分成小場(chǎng)景的數(shù)據(jù)塊，并對(duì)數(shù)據(jù)塊進(jìn)行分步驟的計(jì)算，進(jìn)而求解出傾斜攝影影像的地面坐標(biāo)。本文所用算法采用的計(jì)算步驟為先對(duì)傾斜攝影影像進(jìn)行影像特征點(diǎn)提取，即識(shí)別圖像的點(diǎn)特征，并按照建模精度要求，設(shè)定提取特征點(diǎn)密度；之后對(duì)提取的特征點(diǎn)進(jìn)行特征分類(lèi)，將特征提取的結(jié)果數(shù)據(jù)集根據(jù)圖像中的特征點(diǎn)劃分到不同的類(lèi)別；并在此基礎(chǔ)上進(jìn)行特征匹配計(jì)算，即將不同影像或同一影像的不同時(shí)間、不同視角的特征點(diǎn)進(jìn)行關(guān)聯(lián)，建立其之間的對(duì)應(yīng)關(guān)系，最后，使用光束法區(qū)域網(wǎng)平差對(duì)該數(shù)據(jù)塊的影像進(jìn)行空三解算。

面對(duì)多數(shù)據(jù)包、多步驟計(jì)算的場(chǎng)景，通常采用分布式機(jī)組對(duì)數(shù)據(jù)進(jìn)行解算。常規(guī)不同性能的機(jī)組有著不同的解算效率，且通常分布式計(jì)算機(jī)組的配置變動(dòng)可能性不高，因此，可以進(jìn)一步分析空中三角測(cè)量的計(jì)算特性，研究整體提升分布式機(jī)組計(jì)算效率的方法，進(jìn)而使單次傾斜影像的空三計(jì)算時(shí)長(zhǎng)達(dá)到最短。

1.3" 空中三角測(cè)量計(jì)算特征及優(yōu)化思路

本文使用的特征提取算法為SIFT[6]（尺度不變特征變換），采用CUDA編程，使用GPU進(jìn)行計(jì)算，GPU在SIFT這類(lèi)需要大量并行計(jì)算的算法具有天然的優(yōu)勢(shì)，因而特征提取的計(jì)算效率較高。本文采用的特征分類(lèi)算法為樸素貝葉斯算法[7]（Naive Bayes），在大規(guī)模數(shù)據(jù)集中有較好的性能表現(xiàn)，經(jīng)過(guò)實(shí)測(cè)檢驗(yàn)，每個(gè)數(shù)據(jù)包的計(jì)算時(shí)長(zhǎng)在秒級(jí)，因此，任務(wù)調(diào)度時(shí)將其合并在特征提取算法結(jié)束后進(jìn)行計(jì)算，計(jì)算時(shí)長(zhǎng)納入特征提取中合并統(tǒng)計(jì)。本文采用的特征匹配算法為基于SIFT描述子的特征點(diǎn)比較方法，采用多線程方式進(jìn)行匹配計(jì)算，效率高且穩(wěn)定性強(qiáng)。本文采用的平差算法為光束法區(qū)域網(wǎng)平差，利用多線程方式數(shù)據(jù)讀取，單線程方式進(jìn)行回歸計(jì)算，直到數(shù)據(jù)收斂到閾值范圍。所有數(shù)據(jù)包計(jì)算完成后，需要根據(jù)每個(gè)數(shù)據(jù)包的平差計(jì)算結(jié)果，再一次進(jìn)行整體融合平差，使整體空三計(jì)算數(shù)據(jù)精度進(jìn)一步提升。

鑒于空三計(jì)算過(guò)程中每個(gè)任務(wù)包的計(jì)算內(nèi)容與上一步驟計(jì)算成果強(qiáng)關(guān)聯(lián)，且每個(gè)任務(wù)包都可以拆分到不同的計(jì)算節(jié)點(diǎn)機(jī)上運(yùn)算，故而主流的空三計(jì)算流程常拆分小任務(wù)包不加選擇的提交到各個(gè)計(jì)算節(jié)點(diǎn)上運(yùn)行。通過(guò)分析空三測(cè)量的計(jì)算特征及計(jì)算邏輯可以發(fā)現(xiàn)，每個(gè)階段任務(wù)使用的系統(tǒng)資源不盡相同且對(duì)不同的硬件指標(biāo)各有側(cè)重，因此，嘗試使用規(guī)則化的任務(wù)調(diào)度方式探索空三計(jì)算過(guò)程的任務(wù)調(diào)度優(yōu)化可能。

2" 基于空中三角測(cè)量計(jì)算特征的分布式任務(wù)調(diào)度

2.1" 分布式任務(wù)調(diào)度規(guī)則介紹

鑒于1.2中論述的空中三角測(cè)量的計(jì)算特征，并根據(jù)不同計(jì)算階段的計(jì)算特征設(shè)計(jì)主機(jī)評(píng)分機(jī)制，通過(guò)對(duì)常規(guī)平均性能的服務(wù)器進(jìn)行基礎(chǔ)評(píng)分，并對(duì)實(shí)際使用的服務(wù)器分硬件進(jìn)行打分，進(jìn)而確定任務(wù)包的最佳派送節(jié)點(diǎn)機(jī)。通過(guò)設(shè)計(jì)的空三計(jì)算任務(wù)的分布式調(diào)度規(guī)則，優(yōu)化空三計(jì)算的整體流程效率。

采用的基準(zhǔn)評(píng)分類(lèi)別及分值見(jiàn)表1。

此處選取的CPU核心數(shù)、CPU睿頻、內(nèi)存大小、GPU流處理器數(shù)與GPU顯存大小均是影響計(jì)算效率的關(guān)鍵指標(biāo)，對(duì)應(yīng)的指標(biāo)值越大，代表主機(jī)算力越強(qiáng)。此處選取的基準(zhǔn)值均是在廣泛的傾斜影像模型生產(chǎn)實(shí)踐中得出的能較大程度滿(mǎn)足計(jì)算要求的指標(biāo)值。

鑒于實(shí)際空中三角測(cè)量計(jì)算過(guò)程中，每個(gè)計(jì)算步驟需要用到的性能指標(biāo)各不相同，因此，需要主機(jī)的性能指標(biāo)進(jìn)行評(píng)分后，針對(duì)任務(wù)類(lèi)型的不同，選取不同的計(jì)算指標(biāo)對(duì)進(jìn)行節(jié)點(diǎn)排序，選取性能最高的節(jié)點(diǎn)進(jìn)行任務(wù)計(jì)算，以求任務(wù)在主機(jī)上的計(jì)算進(jìn)程能穩(wěn)定高效（表2）。

在空三測(cè)量計(jì)算任務(wù)運(yùn)行過(guò)程中，主要的評(píng)分指標(biāo)為“核心組件得分×對(duì)應(yīng)指標(biāo)閑置率”。具體分計(jì)算步驟的性能要求與評(píng)分指標(biāo)信息見(jiàn)表3。分?jǐn)?shù)越高，則代表該節(jié)點(diǎn)計(jì)算數(shù)據(jù)的效率越高，計(jì)算任務(wù)該優(yōu)先派送到此節(jié)點(diǎn)。但實(shí)際運(yùn)算過(guò)程中，除了主要用到的計(jì)算機(jī)資源組件，還需要公用的組件如CPU配合系統(tǒng)調(diào)度，內(nèi)存/顯存配合過(guò)程數(shù)據(jù)存儲(chǔ)等，因此，在任務(wù)派送時(shí)，還需要進(jìn)一步歸納任務(wù)派送的最低限制。本文根據(jù)廣泛的傾斜影像模型生產(chǎn)實(shí)踐中得出的計(jì)算限制條件見(jiàn)表3。

2.2" 分布式任務(wù)調(diào)度系統(tǒng)介紹

鑒于常規(guī)較大場(chǎng)景的空三計(jì)算流程通常采用分布式機(jī)組方式進(jìn)行數(shù)據(jù)集運(yùn)算，為實(shí)驗(yàn)論證本文設(shè)想的規(guī)則化分布式空三計(jì)算任務(wù)調(diào)度規(guī)則，在開(kāi)源監(jiān)控服務(wù)、數(shù)據(jù)庫(kù)服務(wù)與緩存服務(wù)的支持下，設(shè)計(jì)的分布式空三計(jì)算任務(wù)調(diào)度系統(tǒng)架構(gòu)如圖1所示。

系統(tǒng)通過(guò)瀏覽器進(jìn)行任務(wù)提交，經(jīng)由業(yè)務(wù)服務(wù)與調(diào)度服務(wù)，將任務(wù)推送到計(jì)算節(jié)點(diǎn)上運(yùn)行。監(jiān)控服務(wù)將定時(shí)采集各計(jì)算節(jié)點(diǎn)的核心資源指標(biāo)。中心化的調(diào)度服務(wù)依賴(lài)消息/緩存組件、資源監(jiān)控組件與數(shù)據(jù)庫(kù)組件。接收到業(yè)務(wù)服務(wù)的任務(wù)計(jì)算指令后，調(diào)度服務(wù)先對(duì)任務(wù)進(jìn)行分塊，并從監(jiān)控中拉取各計(jì)算節(jié)點(diǎn)的實(shí)時(shí)硬件狀態(tài)信息，根據(jù)任務(wù)包類(lèi)型及各計(jì)算節(jié)點(diǎn)的資源條件，優(yōu)先選取性能優(yōu)越的節(jié)點(diǎn)進(jìn)行派送。計(jì)算節(jié)點(diǎn)接收到任務(wù)包計(jì)算指令時(shí)，開(kāi)始啟動(dòng)計(jì)算，當(dāng)計(jì)算節(jié)點(diǎn)上的任務(wù)包計(jì)算完成后，將計(jì)算完成的消息通過(guò)消息/緩存組件上報(bào)到調(diào)度服務(wù)，調(diào)度服務(wù)根據(jù)任務(wù)包類(lèi)型及任務(wù)包運(yùn)行情況判定是開(kāi)啟下一流程任務(wù)包計(jì)算還是全流程任務(wù)計(jì)算完成；不斷循環(huán)此任務(wù)調(diào)度方式直到該任務(wù)全部計(jì)算完成。

2.3" 分布式任務(wù)調(diào)度實(shí)驗(yàn)對(duì)比分析

在2.1論述的調(diào)度規(guī)則及2.2采取的調(diào)度框架基礎(chǔ)上，構(gòu)建分布式空三計(jì)算任務(wù)調(diào)度系統(tǒng)，并對(duì)此展開(kāi)對(duì)比實(shí)驗(yàn)。

2.3.1" 常規(guī)單節(jié)點(diǎn)計(jì)算與分布式單節(jié)點(diǎn)計(jì)算對(duì)比

由于分布式計(jì)算需要用到網(wǎng)絡(luò)服務(wù)用以保證消息通信及數(shù)據(jù)共享，需要開(kāi)線程喚醒任務(wù)計(jì)算，這些操作過(guò)程不可避免地會(huì)影響任務(wù)的計(jì)算過(guò)程。因此，選擇在同一性能配置的服務(wù)器主機(jī)上，使用腳本式運(yùn)行的單節(jié)點(diǎn)任務(wù)計(jì)算流程與分布式平臺(tái)使用單節(jié)點(diǎn)計(jì)算同一個(gè)任務(wù)進(jìn)行對(duì)比，驗(yàn)證分布式是否在任務(wù)運(yùn)行的性能上有損耗?？紤]到光束法區(qū)域平差收斂到閾值的計(jì)算時(shí)長(zhǎng)具備不穩(wěn)定性，采取多次實(shí)驗(yàn)取中位數(shù)方式，實(shí)驗(yàn)結(jié)果如圖2所示。

實(shí)驗(yàn)結(jié)果表明，采用腳本式單節(jié)點(diǎn)與分布式單節(jié)點(diǎn)的計(jì)算時(shí)長(zhǎng)相差無(wú)幾，由此可見(jiàn)，使用設(shè)計(jì)的分布式框架進(jìn)行任務(wù)計(jì)算能夠保證算法計(jì)算效率與常規(guī)單節(jié)點(diǎn)一致。

2.3.2" 均勻分配的分布式多節(jié)點(diǎn)與規(guī)則化分配的分布式多節(jié)點(diǎn)計(jì)算對(duì)比

在2.3.1實(shí)驗(yàn)的基礎(chǔ)上，已經(jīng)驗(yàn)證了分布式運(yùn)行時(shí)，并不損耗每個(gè)步驟的算法運(yùn)行效率，由此可以進(jìn)行下一步的驗(yàn)證：規(guī)則化的分布式調(diào)度方式與非規(guī)則化的節(jié)點(diǎn)調(diào)度方式在任務(wù)運(yùn)行效率上的不同表現(xiàn)的對(duì)比實(shí)驗(yàn)。其中，規(guī)則化的分布式調(diào)度方式指的是針對(duì)空三算法計(jì)算特征，有選擇地對(duì)任務(wù)包進(jìn)行任務(wù)派送；非規(guī)則化的節(jié)點(diǎn)調(diào)度方式指的是，當(dāng)集群中有待定的計(jì)算任務(wù)時(shí)，不加選擇地對(duì)任務(wù)進(jìn)行派送。為模擬實(shí)際建模的工作集群條件并驗(yàn)證采用規(guī)則化調(diào)度的效率，實(shí)驗(yàn)采用不同梯度硬件指標(biāo)的工作站進(jìn)行測(cè)試。采用的測(cè)試節(jié)點(diǎn)機(jī)性能情況見(jiàn)表4。

為比較規(guī)則化任務(wù)調(diào)度與非規(guī)則化任務(wù)調(diào)度在計(jì)算效率上的區(qū)別，在相同配置的集群環(huán)境上分別部署非規(guī)則化分布式節(jié)點(diǎn)與規(guī)則化的分布式節(jié)點(diǎn)，采用相同的計(jì)算參數(shù)進(jìn)行同一份攝影測(cè)量像片數(shù)據(jù)的空三計(jì)算，采用任務(wù)運(yùn)行的時(shí)間長(zhǎng)短比較分布式調(diào)度方法的運(yùn)行效率。

鑒于分布式運(yùn)行過(guò)程中是并行計(jì)算的，采取的時(shí)間指標(biāo)為提交開(kāi)始的時(shí)間與最后一個(gè)任務(wù)包運(yùn)行成功的時(shí)間。鑒于光束法局域網(wǎng)平差計(jì)算至收斂的時(shí)間不一定，故采用多測(cè)實(shí)驗(yàn)取中位數(shù)的方法，實(shí)驗(yàn)結(jié)果如圖3所示。

其中，條紋狀柱形為非規(guī)則化分布式節(jié)點(diǎn)計(jì)算時(shí)長(zhǎng)，純色柱形為規(guī)則化分布式節(jié)點(diǎn)計(jì)算時(shí)長(zhǎng)，折線表示規(guī)則化分布式較非規(guī)則化分布式節(jié)點(diǎn)的提升效率。實(shí)驗(yàn)結(jié)果表明，在保證測(cè)試環(huán)境及測(cè)試任務(wù)相同的情況下，在空三計(jì)算上使用規(guī)則化的分布式比使用非規(guī)則化的分布式運(yùn)行效率要高出10%左右，且運(yùn)行效率提高程度與照片數(shù)量呈現(xiàn)一定的正相關(guān)性。從邏輯及實(shí)驗(yàn)結(jié)果上分析主要的原因有如下幾點(diǎn)。

1）性能占優(yōu)的主機(jī)在執(zhí)行計(jì)算時(shí)的效率較高，同一個(gè)任務(wù)包在高性能主機(jī)上運(yùn)行的時(shí)長(zhǎng)要短于性能較弱的主機(jī)，通過(guò)調(diào)度規(guī)則優(yōu)先選擇性能較高的節(jié)點(diǎn)進(jìn)行派送，提高了任務(wù)的周轉(zhuǎn)效率，進(jìn)而縮短了整體的運(yùn)行時(shí)長(zhǎng)。

2）鑒于空三計(jì)算過(guò)程中流程化的特性：即需要特征提取計(jì)算完成后計(jì)算特征分類(lèi)及特征匹配，特征匹配計(jì)算完成后計(jì)算分塊平差；等所有平差任務(wù)結(jié)束后才能計(jì)算融合平差。非規(guī)則化的調(diào)度方法在節(jié)點(diǎn)運(yùn)行選擇上不具備自主性，運(yùn)行過(guò)程中會(huì)由于主機(jī)性能影響了單任務(wù)包的計(jì)算時(shí)長(zhǎng)，引發(fā)了后面關(guān)聯(lián)計(jì)算流程等待時(shí)間過(guò)長(zhǎng)，進(jìn)而導(dǎo)致整體運(yùn)行時(shí)長(zhǎng)偏高。

3）照片數(shù)量與整體運(yùn)行效率提升有一定正向關(guān)聯(lián)的主要原因是照片數(shù)量與拆分的任務(wù)包數(shù)有正相關(guān)性，拆分的任務(wù)包越多則高性能主機(jī)的任務(wù)周轉(zhuǎn)度越高，總體任務(wù)在計(jì)算效率上有更好的表現(xiàn)。

3" 結(jié)論

本文從傾斜攝影測(cè)量的現(xiàn)狀入手，通過(guò)分析空三計(jì)算過(guò)程中的算法特性，探索了分布式空三任務(wù)調(diào)度效率優(yōu)化的可行性。實(shí)踐證明如下。

通過(guò)自動(dòng)化單節(jié)點(diǎn)計(jì)算與分布式單節(jié)點(diǎn)的對(duì)比實(shí)驗(yàn)表明，采用了本文的分布式架構(gòu)進(jìn)行調(diào)度計(jì)算并沒(méi)有影響計(jì)算任務(wù)的運(yùn)行效率，表明使用的分布式設(shè)計(jì)方案并不損耗空三計(jì)算任務(wù)的整體計(jì)算效率，本實(shí)驗(yàn)為后續(xù)的進(jìn)階實(shí)驗(yàn)提供了基準(zhǔn)的參照。

通過(guò)非規(guī)則化分布式任務(wù)調(diào)度方案與規(guī)則化的分布式任務(wù)調(diào)度方案對(duì)比實(shí)驗(yàn)表明，采用了規(guī)則化的調(diào)度策略后，傾斜影像的空三計(jì)算時(shí)長(zhǎng)較未采用規(guī)則化的任務(wù)計(jì)算時(shí)長(zhǎng)要短。且不同傾斜像片量級(jí)在采用了規(guī)則化調(diào)度策略后的計(jì)算效率提升幅度與傾斜像片數(shù)量有一定的正相關(guān)性。

綜上所述，實(shí)驗(yàn)表明，使用了分布式空三計(jì)算調(diào)度規(guī)則的調(diào)度方式與不使用調(diào)度規(guī)則的計(jì)算方式相比，提高了整體的計(jì)算效率，在空三計(jì)算效率的提升方向及提升手段上具有一定的參考意義。

參考文獻(xiàn)：

[1] 趙斕.基于傾斜攝影測(cè)量的三維模型在城市規(guī)劃中的應(yīng)用[J].智能城市，2022，8（2）：16-18.

[2] 王瑤瑤.基于LiDAR遙感的古建筑文化遺產(chǎn)三維重建與數(shù)字化保護(hù)研究[D].濟(jì)南：山東建筑大學(xué)，2019.

[3] 華秀兵，顧杰.基于無(wú)人機(jī)傾斜攝影的自然資源調(diào)查監(jiān)測(cè)成果質(zhì)量檢查研究[J].測(cè)繪與空間地理信息.2023，46（1）86-89，93.

[4] 孫明霞，魏文斌，黃莉萍，等．?dāng)z影測(cè)量方法制作數(shù)字化線描圖在麥積山石窟的應(yīng)用[J]．敦煌學(xué)輯刊，2014（4）：127-140．

[5] 王亞男，馬燕燕，萬(wàn)保峰，等.無(wú)人機(jī)航攝1∶2 000立體測(cè)圖關(guān)鍵技術(shù)探討[J].地礦測(cè)繪，2016，32（1）：30-33.

[6] LOWE D G. Distinctive image features from scale-invariant keypoints[J].lnternational Jounal of Computer Vision，2004，60（2）：91-110.

[7] LI J， WU W， XUE D. Transfer naive bayes algorithm with group probabilities[J].Applied lntelligence，2020，50（2）：61-73.