基于Voronoi图的无线传感网络覆盖盲区检测方法

传感网络的空洞暴露程度较少,在检测网络覆盖情况时更容易出现误差,影响盲区的检测效果。为此,提出基于Voronoi图的无线传感网络覆盖盲区检测方法。根据节点分布关系推测无线传感网络覆盖情况,在Voronoi图的指导下排除已覆盖区域,获取具备检测条件的未覆盖无线传感网络空洞。计算网络空洞的暴露程度和节点能量,作为特征样本输入粒子群分离器中,根据分类器的输出结果,实现无线传感网络覆盖盲区检测。仿真结果表明,所提方法不同覆盖盲区数量下的检测时长低于0.2 s、不同节点数量下的检测能耗低于20 J、不同空洞圆心距下的覆盖盲区差异度最高为0.24,证明所提方法具有较好的无线传感网络覆盖盲区检测效果。

改进骨架提取的Voronoi图导航中骨架重构算法研究

基于Voronoi图的路径规划算法在复杂环境导航过程中会因环境改变和Voronoi图结构的不变性,使全局路径规划器陷入最短路径搜索“陷阱”,导致导航失败。针对这一问题,提出一种改进骨架提取的Voronoi图导航骨架重构算法。对栅格地图进行预处理,生成全局初始骨架;结合激光雷达观测模型更新代价地图,通过改变代价地图的更新方式辅助骨架重构,实现机器人正确导航。对比实验结果表明,所提算法使骨架重构具有“记忆性”,在保证导航实时性的同时,提升了骨架算法的导航鲁棒性。

图形部件Voronoi图生成算法与应用研究

讨论了部件Voronoi图生成的栅格途径,实现了理论上严密,运算简洁、高效、精密且实用化的部件Voronoi图生成算法。统一并拓广了多边形“中轴”及Bimedial骨架概念,揭示了实体的部件Voronoi图与其图形形态、地理意义的内在联系,并讨论了部件Voronoi图的应用领域。

Voronoi图在河南省城市网络研究中的应用

在讨论Voronoi图与中心地空间系统模型的基础上,运用Voronoi图分析了河南省城市网络,发现了河南省城市体系的一些新的分布特征和潜在的新兴城市。

基于Voronoi邻近的移动地图自适应裁剪模型

当前移动地图采用距离关系裁剪模型生成,无法根据地理对象的分布变化自动调整裁剪窗口的大小,导致突出的信息失衡问题,直接影响移动地图的易读性。针对这一问题,提出一种基于Voronoi邻近的移动地图自适应裁剪模型,即通过移动用户的Voronoi邻近关系自适应调整裁剪窗口的大小,以实现移动地图的信息自适应均衡。实验证明,该模型可以有效地改善移动地图的信息均衡性。

基于Voronoi地图表示方法的同步定位与地图创建

针对基于混合米制地图机器人同步定位与地图创建(Simultaneous localization and mapping,SLAM)中地图划分方法不完善的问题,提出了基于Voronoi地图表示方法的同步定位与地图创建算法VorSLAM.该算法在全局坐标系下创建特征地图,并根据此特征地图使用Voronoi图唯一地划分地图空间,在每一个划分内部创建一个相对于特征的局部稠密地图.特征地图与各个局部地图最终一起连续稠密地描述了环境.Voronoi地图表示方法解决了地图划分的唯一性问题,理论证明局部地图可以完整描述该划分所对应的环境轮廓.该地图表示方法一个基本特点是特征与局部地图一一对应,每个特征都关联一个定义在该特征上的局部地图.基于该特点,提出了一个基于形状匹配的数据关联算法,用以解决传统数据关联算法出现的多重关联问题.一个公寓弧形走廊的实验验证了VorSLAM算法和基于形状匹配的数据关联方法的有效性.

SOM聚类与Voronoi图在验证码字符分割中的应用

字符分割是验证码字符识别的关键。为了解决粘连字符构成的验证码分割成功率低的问题,提出了一种基于SOM(self-organizing maps)神经网络聚类与维诺图(Voronoi)骨架形态分析相结合的粘连字符分割算法。该算法通过连通分量区分粘连字符,然后利用Voronoi图获得粘连字符的骨架形态,提取粘连字符的骨架特征点;根据SOM聚类后的拓扑神经元分布确定分割点,完成粘连字符骨架的分割与复原。用网络验证码图片集进行了测试,实验效果与滴水法和连通分量提取法对比显示了该分割算法的优越性。该算法对各种字符粘连类型及字体倾斜扭曲的验证码均能准确分割,为粘连字符分割提供了一种新的方法。

椭球上的测地变换和Voronoi图的生成——地理空间度量

地理空间的度量不宜再采用借助地图投影转换到欧氏空间内的近似解决途径,在定义了大地线尺度作地理空间度量的基础上,采用地图代数完成了全形态(点、线、面)图形在地球尺度空间的精密距离变换,并生成了相应的Voronoi图,为地球上相应于距离的各实际问题的解决提供了严密、合理的解决途径。

自然图形二阶Voronoi图生成的地图代数方法

分析了2阶V图生成原理.基于欧氏空间中离散点集的2阶V图距离变换原理,论述了栅格形式下离散点集和一般点集图形的2阶V图生成的方法,确定了它的时间复杂性为O((2+k)n),适用于欧氏及非欧度量空间的自然图形2阶V图构造.构建了简洁、实用的算法和实验模块,并给出若干算例图.

基于加权Voronoi图及Voronoi树图的城市影响范围研究——以山东省为例

基于山东省17地市经济发展数据,构建反映城市综合实力的指标体系,利用因子分析法确定城市综合实力得分,以此为基础,建立加权Voronoi图揭示1995~2012年山东省各城市的空间影响范围及演变规律,运用Voronoi树图方法实现了城市多层级嵌套结构的表达,有效反映了城市之间的空间竞争关系,为城市合理布局规划提供了有效论证。

基于Voronoi图的点群目标普适综合算法

点要素综合算法的目的是在点数减少的情况下尽量正确地传输包含在点群中的信息,但是目前提出的两种算法均不能达到此要求,如为居民地选取的增长算法不能很好处理拓扑信息,而基于Voronoi的算法又没有考虑点的重要性程度(即点包含的专题信息)。为克服这些缺点,提出了一个新的算法。该算法采用以下两种方法确保不同信息的正确传输:(1)根据基本选取法则确保点数的正确;(2)反复构造剩余点的Voronoi图,并根据一个点与其周围点重要性程度的比较来确定其删除与否,从而使拓扑、专题和几何信息能正确传输。该算法的缺点是没有考虑点的符号化,由此可能导致地图上符号的压盖和重叠。

基于双目视觉和Voronoi图的移动机器人地图构建研究

在双目视觉传感器的基础上,应用改进后的SIFT(Scale-invariant feature transform)算法确定障碍物的三维坐标,提出最大包围盒的思想,将处理后的数据作为Voronoi图的建模生成元,完成移动机器人的全局地图构建;基于V图构建的地图的最大的优点是移动机器人行走的路径是障碍物离散中心的中垂线,可以保证机器人在运行过程中最大程度地远离障碍物;试验结果表明应用该方法构建的地图可靠性高,符合导航的要求。

基于改进Voronoi图的移动机器人在线路径规划

针对移动机器人在部分环境信息已知下的路径规划问题,运用Voronoi图理论及动态路径最优算法(D*算法)理论,研究了一种基于传感器信息的移动机器人在线路径规划的方法.该方法利用现有的已知环境信息离线生成路图,并根据起点与终点的位置规划出一条无碰撞的全局最优路径,然后移动机器人沿着最优路径前进,安装在机器人上的传感器不断地探测环境新信息以在线完成路图的重构及路径的重规划,实时搜索一条全局最优路径.最后,通过在自制的小车平台上的实验证明方法的可行性.

地理多要素Voronoi图相邻关系下的地图放大裁剪方法

针对以欧氏距离作为放大因子对电子地图进行放大裁剪引起的信息失衡问题,提出了采用地理多要素Voronoi图相邻关系的地图放大裁剪方法,可有效避免以欧氏距离作为地图放大因子的地图信息失衡问题。将电子地图中的地理要素分为点、线、面,对于点要素,构建它的Voronoi图;对于非点要素,即线和面要素,构建它们的近似Voronoi图,当用户对电子地图中感兴趣地理要素目标放大时,只需要提取该目标的多要素Voronoi图相邻要素的近似Voronoi图,并计算它们的最小外包矩形,将最小外包矩形区域用于最终的地图放大裁剪区域,则可较好地顾及用户感兴趣地理要素目标周围的地理要素信息,可提高地图的易读性。采用本文方法对某区域电子地图进行了试验,结果表明,地理多要素Voronoi图相邻关系的地图放大裁剪方法能够较好地顾及目标周边地理要素信息,避免了以欧氏距离为放大因子的地图信息失衡。

Voronoi图在地图制图中的应用

在搜集整理Voronoi相关文献与资料的基础上,首先简要介绍了Voronoi图及其应用领域,然后着重从地图信息识别与提取、地图综合和自动注记等方面总结了它在地图制图学中的应用情况,最后分析并探讨了应用中遇到的问题和今后的发展方向。指出Voronoi图在地图制图中的应用是由其特殊的几何与拓扑性质决定的,加权Voronoi图、广义Voronoi图及3D Voronoi图的引入使得其应用有着更远大的前景。

基于骨架关键点重规划的Voronoi图法路径规划

针对目前的Voronoi路径规划算法生成的Voronoi图弯曲冗余,依据Voronoi地图规划路径实时性差,规划出的路径弯曲,机器人导航时转折次数多、时间成本高、效率低等问题,提出一种基于骨架关键点重规划的Voronoi图法路径规划算法。首先对机器人构建的二维栅格地图进行预处理,去掉地图中的噪点和毛边,填充边界上细微的裂缝,然后提取地图的骨架,搜索出骨架中的关键点,将关键点按原来的相邻点连接关系重新连接,生成新的笔直的骨架,并采用降梯度采样方法平滑依据骨架规划出的路径。在经过多次仿真实验和实际实验验证后,证明本文算法生成的骨架比目前的Voronoi图和骨架更加简洁,数据量更小,机器人基于优化后的Voronoi地图能够更加快速规划出笔直的路径,具有良好的实时性,规划出的路径更短,转折次数更少,机器人导航过程中能够迅速到达目标点,导航效率高。

面向雷利法则的加权Voronoi图生成方法

Voronoi图及其生成是计算几何的重要内容。针对传统栅格加权Voronoi图的权重界定局限性,以及栅格数据下Voronoi图生成的计算效率问题,本文研究了基于雷利法则的生长元规模权重和栅格欧氏距离变换权重作为综合权重条件下,规避单图幅背景栅格与每一生长元之间的距离计算,根据生长元各自距离变换图幅构建栅格加权Voronoi图,即雷利Voronoi图(Reilly Voronoi diagram,RVD)的地图代数生成方法。经试验验证,该方法生成的Voronoi图不仅完善了传统的权重因素,而且避免了因背景栅格与生长元的距离运算、判断而产生的大量计算,证明了该方法的切实可行性。

基于Voronoi图的地图空间信息含量的测度

介绍了一种新的地图信息量度方法,与之相对照的是只考虑了统计信息和某些拓扑信息的旧方法。地图符号所占的空间和地图符号的空间分布也应考虑进去,这就引入了新的量度方法。评估实验结果显示,几何信息要比统计信息、量度拓扑信息的新方法要比旧方法更有意义,同时也表明对专题信息的量度也具有应用价值。

基于Voronoi距离的鲁棒的双自组织特征映射网络

提出了一种基于Voronoi距离的双自组织特征映射网络。该网络通过同时使用两个相关的映射网络扩展了原有的自组织神经网络。针对自组织特征映射网络容易受到高噪声的影响,通过使用Voronoi cell的距离来取代网络中的欧式距离,增强了网络的鲁棒性。将改进后的神经网络用于金融时间序列的预测,实验结果表明改进后的神经网络具有较强的鲁棒性。

基于Voronoi图的奥林匹克森林公园风景游憩林空间结构分析

探究林匹克森林公园的林木竞争指数的空间格局,为合理经营森林提供依据。利用GIS的Voronoi图空间分析功能,确定空间结构单元;运用地统计学分析了林木竞争指数分布的空间变异特征,计算了竞争指数的变异函数,并用Kriging方法对竞争指数进行了插值。结果表明:在试验区内,林分存在7种空间结构单元,其中以1株对象木和5株最近邻木的空间结构单元最为常见;竞争指数的半方差函数可拟合成线性模型,呈随机分布;竞争指数的空间异质性较大。建议采取间伐和补植措施,以优化林分空间结构。