Research on Algorithm of the Point Set in the Plane Based on Delaunay Triangulation

In the paper, an improved algorithm is presented for Delaunay triangulation of the point-set in the plain. Based on the original algorithm, we propose the notion of removing circle. During the process of triangulation, and the circle dynamically moves, the algorithm which is simple and practical, therefore evidently accelerates the process of searching a new point, while generating a new triangle. Then it shows the effect of the algorithm in the finite element mesh.

德国维修连锁企业再现合并PitStop携318家门店加入PointS联盟网络

德国维修连锁企业Pit Stop宣布，旗下3侣家连锁会员共同加入Point S德国网络，以共享后者轮胎供应链综合采购政策，以及为车队提供服务的政策。

多目标金属露天矿配矿装载点选取问题及求解算法

目的:为了减少矿产资源浪费,提高贫矿的利用率,针对大型金属露天矿多装载点配矿问题,综合考虑矿石剩余量不足、铲装设备数量有限等因素对配装载点选取的影响,以品位偏差最小、生产成本最小、车辆总排队时间最短为目标建立配矿装载点选取模型。方法:采用二维矩阵整数编码法,并设计一种基于随机片段交叉与特定变异算子相结合的间接二次遗传优化算法对模型进行求解。结果:以国内某大型金属露天矿实际生产数据为例进行仿真实验,结果表明:所得出的装载点选取方案在受铲装设备数量限制、优先开采矿石剩余量相对较少装载点的条件下,仍能满足配矿计划需求。结论:所提模型、算法能普遍适用于大型金属露天矿山开采,使装载点的矿石得到充分利用。意义:提高了企业的经济效益和矿山整体开采效率。

露天矿无人机遥感边坡地表形变提取方法研究

针对当前露天矿边坡监测过程中存在的设备留有监测死角、点位布控缺乏依据、地质隐患解译困难、无人机(Unmanned Aerial Vehicle,UAV)影像点云重构复杂度高等问题,提出了一种基于无人机遥感的边坡地表形变提取方法。首先,通过分析UAV激光点云与影像特点构建点云序列;其次,利用融合尺度不变特征变换(Scale Invariant Feature Transform,SIFT)与圆柱形邻域搜索的改进迭代最近点(Iterative Closest Point,ICP)算法,实现点云序列的精准高效配准,提高边坡形变提取精度;最终,借助数字高程模型(Digital Elevation Model,DEM)叠加分析与可视化,精准定位边坡重点形变区域,直观提取边坡形变位置和大小,并结合正射影像图像特征进行形变区域分析与解译。以南芬露天矿为工程应用实例,研究表明:边坡形变模型标准偏差为0.032 m,对比全球定位系统-实时动态差分(Global Positioning System-Real Time Kinematic,GPS-RTK)实测形变值,形变中误差为0.012 m,能够快速实现大尺度复杂边坡地表扫描与形变提取,从而为地质灾害隐患分析、盲区边坡形变监测与地面监测设备科学布控提供技术支撑。

点荷载试验在典型露天采场超高边坡工程地质勘察中的应用

夏日哈木镍钴矿山拟建大型超高边坡露天采场,需进行边坡工程地质勘察工作。岩石抗压强度是重要的工程地质参数,如何在青藏高原山区快速获得各类岩石的单轴抗压强度等参数非常关键,尤其是各类难以进行室内压缩试验的风化或蚀变岩石。本次在野外现场采用济南矿岩HDH-1型岩石点荷载仪对矿区内各类岩石进行点荷载试验,并通过前人总结的点荷载强度与单轴抗压强度转换公式计算出了各类岩石的单轴抗压强度及层状(条带状)岩石的各向异性指数。本次点荷载试验克服了昆仑山区岩石测试加工工序复杂、周期较长、成本高等因素,且适用于风化层、蚀变带内不易进行室内压缩试验的岩石,是一种间接测量估算岩石相关强度参数的快捷方法,对以后西部山区的工程地质勘察工作具有较为广泛的借鉴作用。

地图综合图卷积神经网络点群简化方法

地图综合是一个多因素影响的复杂决策过程,针对不同场景判断下的综合算子优化选择常规上通过基于规则的方法实施。顾及不同特殊条件影响,这些地图综合规则需要“打补丁”,导致地图综合规则体系越来越复杂,从而失去普适性。人工智能技术下的数据驱动综合方案通过机器学习提取典型案例中隐含的综合规则,并迁移到新的数据场景,为处理特殊规则下的地图综合提供了一种思路。本文引入深度学习技术,采用领域知识与数据驱动相结合的策略,提出了一种基于图卷积神经网络的点群自动综合方法。本文方法通过样本训练与深度学习获取不同数据场景下的地图综合知识,同时融入既有规则进行引导,可以更有效地向人工地图综合结果的目标迈进。首先,构建Delaunay三角网,在点群之间建立空间邻域关系,并根据地理空间上下文关联、空间异质性等领域知识计算各个点的特征信息,构造点群的特征向量。其次,引入拓扑自适应图卷积神经网络,构建点群数据自动综合网络模型。试验表明本文方法在局部区域与整体地图上均可以保持原始点群的各项特征,体现在相对数量保持、上下文特征继承、属性特征一致方面均有良好的表达效果。

基于ArcEngine的等高线质量检查方法研究

等高线的精准描绘是地图绘制的关键问题。本文针对地图生产中等高线与高程注记点,研究可能出现的矛盾类型,引入基于等高线和高程注记点的不规则三角网检查方法与放射检查方法,以期为生产实践提供参考。基于ArcEngine组件库和C#语言,开发了等高线质量检查程序,并用实例数据对其检查结果的准确度进行了验证。研究结果表明:等高线节点构建不规则三角网进行点线矛盾的检查方法具有较高的精度,可满足项目生产需求。

基于TLS数据的站场线路点云提取算法

铁路站场线路几何信息对于铁路安全管理与维护具有重要意义。由于铁路站场内包含多条线路,且轨道错综复杂,使得从大场景点云中自动提取多股道钢轨点云成为难题。地面激光扫描TLS(Terrestrial Laser Scanning)作为非接触式测量手段,可快速获取铁路场景中的海量点云数据。针对TLS技术获取的铁路站场点云数据,提出一种基于Delaunay三角网聚类的多股道钢轨点云提取算法。基于分割-归并的思想,在获取铁路站场高精度点云后,沿站场线路方向将点云分为若干段,基于轨道平顺性特征,利用三角网聚类算法逐段提取钢轨顶面点云。在归并阶段整合站场中各股道轨面点云信息,将各段轨面点云连接起来,同时匹配左右轨面点云。将该方法在玉林站部分站场区域进行实例验证,提取到的轨道点云在对象层面上的总体精度为93.95%,完整度为90.57%,准确度为97.59%,相较于平面格网法,提取总体精度提升了5.65%,准确度提升了18.49%。在10处截面提取轨面宽度与轨距,统计结果表明轨面宽度中误差为5.2 mm,轨距中误差为5.3 mm,满足工程精度需要。实例结果表明,算法可准确有效提取站场多股道钢轨顶面点云,为铁路场景中其他结构物的TLS数据提取工作提供借鉴思路。

基坑爆破开挖爆点位置与基坑高度对爆破振动影响研究

针对基坑爆破振动预测不准确的问题,该文采用有限元模拟软件,深入研究基坑爆破开挖时爆点位置和基坑高度对振动的影响。首先,基于妈湾跨海隧道基坑爆破开挖工程进行数值模拟,验证模型的适用性;随后在保持爆心距不变的情况下,通过调整基坑爆破点到基坑边缘的距离和基坑的高度,研究这两个因素对地表振动的影响。研究结果表明:随着爆破点到基坑边缘的距离增加,相应距离测点的振动速度逐渐减小;基坑高度越高,相应距离测点的振动速度越大;基坑高度对地表振速的影响要大于爆点位置的影响。研究成果能为基坑爆破的振动预测提供一定参考,具有工程实际意义。

基于RSSI的KNN—PIT室内自适应定位算法

针对基于接收信号强度指示(RSSI)的K最近邻(KNN)算法在室内定位精度较低的问题,提出一种改进的KNN—三角形内点(KNN—PIT)室内定位算法。根据室内空间结构特征,建立具有类标号的位置指纹库。引入虚拟参考点,利用PIT原理进一步约束目标点的定位区域,自适应地使用定位算法进行定位。综合运用高斯滤波、均值滤波技术,降低离线和在线阶段的信号随机误差。结果表明:改进后的KNN—PIT定位算法可以更好地估计用户的实际位置,降低定位误差,定位精度提高12.5%。

堆石坝检测坑点云切片分割提取方法

堆石坝压实质量的检测是大坝工程安全稳定运行的重要保障措施之一。传统的灌水法中检测坑体积的测量耗时耗力,利用三维激光扫描技术可以快速计算检测坑体积,提高压实质量检测效率,而从扫描点云数据精确提取出检测坑点云数据是确保该方法计算精度的关键环节。本文提出了一种基于点云切片分割的堆石坝检测坑点云提取方法:首先对点云数据进行切片处理,然后采用单向搜索排序方法对每个切片点集进行点排序,最后采用一种基于切片点集排序序号的聚类分割方法分割每个点云切片,从而精确提取出检测坑表面点云。利用MATLAB编程实现了基于点云切片分割的堆石坝检测坑点云的快速提取,并通过堆石坝检测坑点云数据开展试验,验证了该方法的有效性。

无线传感器网络中基于APIT与DV-HOP的混合定位算法

无线传感器网络定位技术作为物联网的主要研究内容有着不可或缺的地位。为了达到高定位精确度、高节点覆盖率,本文在对各种基本经典算法深度分析的基础上,提出近似三角形内点(APIT)定位算法和距离向量跳段(DV-HOP)定位算法相结合的混合定位算法。采用角度判断未知节点的准确位置,对三角形内部和外部节点分别进行定位,内部采用APIT算法,定位精确度提高了65%,外部采用最小跳数对DV-HOP加权进行定位,定位精确度提高了24%。相比于原始算法,本文提出的混合算法可以对所有未知节点进行定位,减少了定位误差。通过MATLAB仿真,证明了其有效性。

无线传感器网络基于中垂线分割的APIT的改进定位算法

定位技术是无线传感器网络重要的共性支撑技术之一。在近似三角形内点测试APIT算法基础上提出了基于中垂线分割的改进算法PB-APIT。利用三条边的中垂线将APIT算法中的三角形分割为4个或6个可用小区域,并以检测信号的强弱进一步来判定未知节点的位置,即判断未知节点处于哪一个可用小区域,从而减小原APIT算法的定位区域,提高定位精度。仿真结果表明,与原APIT算法相比,所改进的算法精度上有较大提高。

一种多跳Convex和APIT的改进定位:HCAPIT

针对定位算法中信标节点密度低带来的定位精度低以及定位覆盖率低的问题,提出一种基于多跳凸规划和PIT的定位算法HCAPIT。该算法利用未知节点的K跳邻居信标节点信息,采用最佳三角形内点测试法PIT估计未知节点可能存在区域,通过多跳Convex对区域缩小,对节点进行定位。仿真结果表明改进的定位算法更适合信标节点密度低的网络。

基于ESMD-FE-AJSO-LSTM算法的水闸深基坑变形预测

水闸深基坑开挖变形具有明显的非线性和非稳定性特征,基于此,引入极点对称模态分解算法(extremepoint symmetric mode decomposition method,ESMD)对水闸深基坑开挖变形原型监测序列进行多模态分解,并基于模糊熵(fuzzy entropy, FE)理论对各分解分量进行模糊多模态相空间重构,从而有效甄别水闸基坑变形不同时间尺度有效物理特征。构建基于人工水母搜索算法(artificial jellyfish search optimizer,AJSO)优化的长短期记忆(long short-term memory,LSTM)人工神经网络模型,以重构后的各重构子序列为基础进行优化训练,并把训练后的各预测模态分量合并,实现对水闸基坑开挖变形动态预测和分析。以张家港市十一圩江边枢纽改建工程基坑开挖变形监测为例,采用上述方法对该枢纽工程基坑开挖过程变形进行预测和分析。结果表明:基于ESMD-FE-AJSOLSTM算法的水闸深基坑变形预测方法能够有效预测基坑开挖变形非线性特征,相比传统LSTM、循环神经网络(recurrent neural network, RNN)和支持向量机(support vector machine,SVM)等算法具有更高的预测精度和稳定性,为实现对基坑开挖安全性态实时科学诊断和分析提供技术参考。

基于APIT的无线传感器网络质心算法研究

为了解决基于无线传感器网络的高速公路检测系统中由于信标节点分布不均且稀疏导致的定位误差,结合近似三角形内点测试(APIT)算法提出了一种新的定位算法,保证未知节点在所选择信标节点组成的三角形内。算法不需额外添加硬件,容易实现。M atlab环境下仿真结果显示,基于APIT的质心定位算法在信标节点较为稀疏、不均时,定位精度比采用最近邻信标节点选择的质心定位算法提高了32.18%。

一种基于地面特征与树木位置关系的无人机和地基LiDAR点云配准方法

【目的】无人机激光雷达与地基激光雷达的工作方式不同,导致无人机点云缺乏林内信息,地基点云缺乏林冠信息,单一平台的LiDAR点云难以完整描述森林三维垂直结构,将这两者点云融合有利于消除各自的扫描盲区,估测更为准确的森林结构参数。基于此,提出了一种基于地面特征与树木位置关系的无标识自动化配准方法。【方法】选取哈尔滨城市林业示范基地内的蒙古栎和樟子松作为研究对象,采用大疆禅思L1激光雷达设备与FARO Focus3D X330三维激光扫描仪分别获取样地内的无人机和地基LiDAR点云。首先,利用改进的渐进式加密三角网滤波算法分别从无人机点云和地基点云中提取地面点云,基于两者相似的快速点特征直方图(FPFH)特征,使用随机采样一致性算法得到初始配准参数,完成初始配准。然后,从初始配准后的无人机点云和地基点云中提取相同高度处的树干点云的水平投影位置作为配准基元,分别构建不规则三角网,并基于三角形的角度相似性原理寻找同名三角形对。最后,使用奇异值分解法得到旋转平移参数,从而完成精细配准。【结果】蒙古栎样地内对应树木水平偏移距离的平均值为0.173 m,樟子松样地内对应树木水平偏移距离的平均值为0.283 m,2个样地的树木点云均取得了较高的配准精度。【结论】提出的点云配准方法有效实现了林区无人机点云数据和地基点云数据的配准,二者的融合可为快速完整地获取林木构型信息提供数据基础,从而推动多源激光雷达技术联合应用于林木三维重建和森林资源精细调查等方面。

无线传感网络改进APIT定位算法

未知节点定位是无线传感网络中的研究重点之一,目前最常用算法为基于免测距原理的APIT算法.该算法具有通信开销小、硬件简单易实现等优点,但其基本思想为质心原理定位,故定位精度难以提高,特别是当锚节点稀疏时无法定位.针对APIT定位算法无法定位,锚节点三角形不包含待定节点的情况,提出一种改进两点定位法,并与原APIT定位算法相结合,提高了定位精度及未知节点覆盖率.

基于改进APIT算法的无线传感器网络节点定位

定位技术是无线传感器网络中一个比较重要的技术。近似三角形内点测试(APIT)算法是一种比较常用的算法,为了提高无线传感器网络(WSNs)定位精度,在APIT算法的基础上进行改进,将三角形进行中垂线分割成4个或者6个小区间,通过对各个节点接收到目标节点信号强度进行比较,判断目标节点位于哪一个小区域内。通过仿真可以得到,改进的APIT算法精度上有了很大的提高。

高反光物体的局部点云孔洞补全方法

针对高反光物体点云数据存在噪声明显、孔洞过大,使用传统贪婪投影三角化算法无法达到点云补全目的的问题,提出一种改进的贪婪三角化点云补全算法。利用统计滤波和高斯滤波进行离群点去除和平滑处理;采用移动最小二乘法对局部点云进行上采样增强数据,并且对点云进行进一步平滑。将贪婪三角化算法中的kd树(k-dimensional tree)算法替换为效率更高的八叉树(octree)搜索算法,将主成分分析法替换为准确率更高的移动最小二乘法进行法线估计;最后,进行点云三角化,完成点云补全。实验结果表明,改进算法能够更好地补全孔洞,补全后表面更加平滑、结构更为准确,且花费时间更短。