本文旨在阐述如何在‌空三（AT）处理‌中合理配置与高效利用计算资源，以优化计算性能与效率。

 

空中三角计算阶段是创建实景网格的第一个也是必需的过程。

该过程分为五个阶段：

1. 过程初始化(Process initialization)： 该过程是创建项目文件并为其他阶段创建任务。

 

2. 特征点提取阶段(Keypoints extraction)：

 

目的：分析照片以检测二维平面上的特征点并保存其坐标。

任务划分：项目规模影响任务数量，任务通常划分为多个小块以便在多台计算机上并行处理。

硬件需求：使用 CPU 进行处理，速度提升在 32 个处理器线程时达到上限，更多线程不会提高速度。计算机的 RAM 也很重要（我们推荐 64GB）。

特点：一旦特征点被检测并保存，只要不改变设置（如从介质密度改为高密度），后续的空中三角计算将跳过此过程，从而加快处理速度。如果我们把相同的照片重新导入到同一项目的 新的区块中，也同样适用。

 

3. 照片配对选择(Pair selection)：

 

目的：寻找具有共同特征点的照片。

特点：该过程在主计算机上运行，过程不可拆分。速度不易增加。

设置建议：调整选项如最小最大视图距离(view distance)、默认/顺序数据结构。对于数千张无位置元数据的照片，考虑将项目划分为较小的块。如果使用“穷尽(exhaustive)”选项，必须设置最小最大视图距离。否则程序将分析过多的照片，过程将难以完成。

硬件方面：CPU 和 RAM 在此过程中至关重要。

 

4. 特征点匹配(Keypoints matching)：

 

目的：在已知共享特征点的图像组中，进一步划分计算任务为更小的子组以找到共同的点分布模式。

特点：类似于特征点选择，iTwin Capture Modeler 可以估算工作量并将其分配给子任务。

硬件方面：使用 CPU 和 RAM 进行处理，并且可以在多台计算机上并行计算，以实现可增加的计算速度。与前一阶段一样，此处理过程使用 CPU 和 RAM 内存。

 

5. 主要空中三角计算（Main Aerotriangulation）：

 

计算的最后阶段包括收集到目前为止收集的所有数据，并将其代入空中三角计算方程，根据它们在多张照片中的二维坐标以及相机参数（外部和内部）计算特定点的空间坐标。此过程在主计算机上计算，不可划分，主要依赖计算机的 CPU 和 RAM 算力。

在选择“计算姿态(Compute poses)”选项的情况下，它将比“调整姿态(Adjust poses)”选项耗时更长，“调整姿态”选项仅调整每个姿态的初始位置。

AT 的最后，（也是可选的阶段）是颜色均衡和 创建Splats的过程。颜色均衡使用主计算机的显卡。

 

综上所述，在iTwin Capture Modeler中，空三（AT）处理流程的部分计算可通过并行计算设备运行，这能显著提升计算速度的可扩展性。不过需要注意，某些特定计算仍需在单机上完成，且耗时较长。因此，评估整体计算时间时，不能仅依赖于并行连接的高性能计算机或计算引擎，还需结合空三流程的合理参数配置进行综合优化。