基于图形处理器的球面Voronoi图生成算法优化

基于四元三角格网(QTM)之间距离计算与比较的球面Voronoi图生成算法相对于扩张算法具有较高的精度,但由于需要计算并比较每个格网到所有种子点的距离,致使算法效率较低。针对这一问题,利用图形处理器(GPU)并行计算对算法进行实现,然后从GPU共享内存、常量内存、寄存器等三种内存的访问方面进行优化,最后用C++语言和统一计算设备架构(CUDA)开发了实验系统,对优化前后算法的效率进行对比。实验结果表明,不同内存的合理使用能在很大程度上提高算法的效率,且数据规模越大,所获得的加速比越高。

基于O-QTM的球面VORONOI图的生成算法

提出了基于“O QTM”(OctahedralQuaternaryTriangularMesh)剖分的球面Voronoi图的格网生成算法 :首先介绍了球面的QTM格网剖分和编码方法 ,并根据地址码进行邻近球面三角形的搜索 ;然后 ,参照数学形态学原理 ,重新定义了球面三角网的膨胀操作和膨胀算子 ,利用球面实体的递归膨胀来生成球面Voronoi图。应用VC++语言在OpenGL 3维平台上开发了相应的实验程序 ,实验结果表明 :利用此算法可生成球面上任意实体的Voronoi图 ,且生成点、弧和曲面Voronoi图的时间复杂度是一样的 ;而其误差受球面距离的影响较小 ,主要与球面实体的位置有关。最后给出了本文研究的结论及进一步的工作。

基于六边形网格的球面Voronoi图生成算法

利用二十面体施奈德等积多面体投影构建了球面多分辨率六边形层次网格;通过边界四元组将六边形单元分解到四元三角形及其子单元中处理;利用改进的四元三角网编码方案建立了网格的数字空间、单元层次编码模型和不同实体在球面上的表达方法。在此基础上,提出了球面Voronoi图的生成算法。实验结果表明该算法与现有算法相比具有更高精度。

基于QTM的球面Voronoi图生成算法与应用

随着全球生态环境、社会经济一体化的不断深入,研究区域逐渐从局部区域扩大到整个地球,而摄影测量、遥感、全球定位系统等现代对地观测技术的快速发展,使得全球大范围、多尺度、多时相数据的获取成为可能。为了在全球范围内有效地管理和分析空间数据,需要构建一个全球的、连续的、多尺度的动态数据模型。

基于Voronoi图的空间点事件统计聚类方法

挖掘地理空间数据中点事件聚集模式对于揭示流行疾病、犯罪分布热点区域及城市基础设施空间分布格局等具有重要意义。针对不同形状、密度和大小的显著空间点聚集模式的识别,目前以空间扫描统计为代表的方法虽然可以对空间点聚类的显著性进行统计推断,减少虚假聚类结果,但其主要用于识别球形或椭圆形状的聚簇,对于沿着街道或河道分布的任意形状、不同密度的显著空间点聚簇识别还存在局限。因此,本研究提出一种基于Voronoi图的空间点聚集模式统计挖掘方法。首先,采用Voronoi图来度量空间点分布的聚集性,将空间点聚类问题转化为热点区域探测问题;其次,结合局部Gi*统计量探测统计上显著的空间点聚簇;最后,通过模拟数据和真实犯罪事件数据进行实验与对比分析。结果表明:本方法能够有效探测任意形状的空间点聚类,并对空间点簇的显著性进行统计判别,识别显著的空间点簇,减少随机噪声点的干扰;聚类识别结果优于现有代表性方法,如DBSCAN算法、空间扫描统计方法等。

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。

基于Voronoi图与条件随机场的自然场景文本检测方法

在自然场景中准确有效地检测文本是一项艰巨的任务,故提出一种基于条件随机场(CRF)框架的场景文本检测方法。通过利用贝叶斯推断估计文本极大值区域的置信度作为一元成本项,通过使用维诺图(Voronoi图)来构建CRF空间邻域信息,从而构建图模型,通过最大流算法最小化成本函数区分文本与非文本标记;利用字符的几何特性通过聚类方法聚合成行。实验结果表明,该算法比传统基于最大稳定极值区域(MSER)算法性能有所提高,自然场景文本检测正确率能达到87%。

基于加权Voronoi图的农村居民点用地适宜性评价及分区管控

随着经济社会的快速发展和城镇化的加快推进,农村人口向城镇集中,造成大量农村宅基地闲置或低效利用,加之宅基地布局散乱、基础设施配套不全,严重影响农村土地利用效率提升和人民生活水平的提高。本文以景泰县为例,在测算农村居民点整治潜力的基础上,应用加权Voronoi图进行农村建设用地适宜性评价和空间热点分析,探究农村居民点布局优化方向与发展的路径策略。结果表明,景泰县农村居民点整治潜力为876.16 hm2,整治潜力较大;农村建设用地适宜性整体较好,但各区域的差异较大,划分为适宜性好、较好、一般、较差、差5个等级;在此基础上将研究区划分为5种农村居民点发展模式区,并针对性地提出管控策略,为更好地开展国土空间规划编制、提高农村土地利用效率,助推乡村振兴提供参考和借鉴。

基于Voronoi图和距离衰减效应的模糊实例空间并置模式挖掘算法

空间并置模式挖掘用于发现一组空间特征,它们的实例在空间中频繁地相互邻近。传统的空间并置模式挖掘过程中,将空间实例抽象成点对象,每个实例对应一个确定位置。然而,规模较大的空间实例有多个重要位置点(如医院、公园入口),其空间位置因对其入口的认知不同而存在差异,具有模糊性。对于这些模糊实例,本文考虑其重要位置点对该实例规模的贡献,重新定义实例间的邻近度。此外,传统的并置模式挖掘方法忽略了特征实例的空间分布密度以及邻近实例间的邻近程度,采用静态的距离阈值来识别邻近实例。本文考虑特征的分布密度,用Voronoi图自适应提取不同特征的邻近实例,结合邻近实例的距离衰减函数,更加科学地描述实例间的邻近度。提出一种同时考虑模糊实例规模和距离衰减效应的空间并置模式挖掘方法,为实现快速挖掘,设计了极大团和哈希表搜索参与实例的挖掘框架。在真实数据集和合成数据集上进行实验,验证本文的算法可以发现传统空间并置模式挖掘方法所忽略的有意义模式。

基于多层次QTM的球面Voronoi图生成算法

随着格网层次的增大,基于全球离散格网的球面Voronoi图生成算法的格网数据量与Voronoi图生成时间都呈指数增长,在高层次时容易出现算法效率较低,甚至内存溢出无法执行等情况。利用球面四元三角格网的层次性,提出了一个基于多层次QTM的球面Voronoi图生成算法。首先用全球低层次QTM格网生成Voronoi图,然后对Voronoi边界格网进行再次剖分,得到下一层次的Voronoi图,重复进行,直至达到目标层次。实验结果表明,相对于单一层次的确定归属算法和扩张算法,该算法能够生成更高层次的Voronoi图,且效率较前两者分别提高了22倍和25倍(第9层)。

QTM格网空间中的球面Voronoi图并行生成算法

根据球面四元三角网(quaternary triangular mesh,QTM)的离散特征及图形处理器(graphics processing unit,GPU)的多线程原理,用距离的计算与比较代替传统的扩张操作,提出了一种基于QTM的球面Voronoi图并行生成算法,并给出了Voronoi边界提取算法。利用C++语言及统一计算设备架构(compute unified device architecture,CUDA)开发了实验系统。实验结果表明,本文算法能够在球面上快速生成点、线、面数据集的Voronoi图,且能够将Voronoi误差控制在两个格网以内。同时,GPU并行计算的使用,提高了算法的效率。

基于二十面体剖分格网的球面实体表达与Voronoi图生成

在分析当前球面空间数据结构的基础上,讨论了利用Snyder等积投影在二十面体上建立球面空间基础剖分方式的思路,然后在初始投影面上采用六边形格网进行层次细分,获得多分辨率的全球铺盖。提出了基于六边形格网的三叶节点管理与瓦片编码的基本思路,确立了球面不同实体的六边形格网表达模式。在此基础上,提出了基于球面六边形铺盖的Voronoi图生成算法,实验验证了算法的正确性与效率。

不同集合的球面矢量VORONOI图生成算法

分析现有球面VORONOI图生成算法的不足,介绍球面不同集合V图的定义,在此基础上提出球面偏置曲线的概念并总结了它的性质,具体分析不同集合在球面上的偏置结果及处理方法,提出基于球面偏置的多集合V图生成算法,通过实验检验算法的正确性与效率,最后得出结论和进一步的研究方向。

基于Voronoi图和快速行进的移动机器人导航路径规划

移动机器人导航路径规划是机器人的关键技术,其目标是高效、高质量寻找导航和运动规划路径。论文介绍了移动机器人通用控制平台的架构,提出了一种新的全局路径规划器,即采用Voronoi图提取环境中最安全的区域,并将快速行进法应用于由Voronoi图所提取的最安全区域中,从而获得最短的路径。另外,提出了通用机器人导航架构,在对导航架构描述的基础上将机器人导航和环境快速全局规划器相结合,并采用样条规划曲线对机器人的全局路径进行细化插补。该方法将地图尺寸缩小为一维地图,且是移动机器人环境中最安全的区域,这使得移动机器人具有速度快、可靠性强的特点。将提出的方法应用于实际的移动机器人导航路径规划中,结果表明该方法能够成功地完成移动机器人导航路径规划任务。

Voronoi图在球面上的推广

本文在球面上建立了Ｖｏｒｏｎｏｉ图，并且证明了球面上Ｖｏｒｏｎｏｉ图的几个性质，这些性质可看作是平面上Ｖｏｒｏｎｏｉ图的性质的推广［１－４］。

基于球面角点特征的鱼眼相机与激光雷达联合标定方法

针对鱼眼相机和激光雷达的联合标定问题,提出一种基于球面角点特征的鱼眼相机与激光雷达联合标定方法。首先利用静电斥力物理模型得到了均匀分布在球面上的点集,并以这些点集为生长点对球面进行Voronoi划分,得到了均匀的球面像素,实现了鱼眼相机图像在球面上的均匀重采样;之后在球面上提取了鱼眼相机图像的角点特征,有效地避免了图像畸变带来的角点提取困难的问题;最后利用17组标定数据在球面上实现了鱼眼相机和激光雷达联合标定,在鱼眼图像上的重投影误差小于2个像素,并通过数据融合实验复现了真实场景中的彩色三维效果。

基于Voronoi图和改进K-means的扇区优化研究

扇区划分是空中交通管制的一项重要工作,合理的扇区划分能够提高空域的使用率,保障航空器的飞行安全。鉴于平峰时段的扇区划设不能很好适用于复杂空情的现状,提出一种基于Voronoi图和改进K-means的扇区优化方法。依据空情态势构建冲突网络,结合航空器速度障碍关系和复杂网络理论提出了扇区综合管制负荷计量方式。依据负荷值采用改进K-means聚类方法确定了合理的聚类中心作为Voronoi图的生成元,从而使用Voronoi图的划分方法生成合理边界来优化扇区。采集厦门空域管制扇区数据作为仿真场景进行了计算分析,结果表明,在繁忙时段,优化后的扇区管制负荷平均方差相比原扇区降低了66.04%,平峰时段降低了13.88%,达到了均衡扇区负荷的目的,验证了扇区优化方法的有效性,为现有的扇区划设工作提供了参考依据。

基于改进Voronoi图的集群无人机区域覆盖方法

近年来,随着机载电子元器件的不断发展,单架无人机已不再适用于当下逐渐复杂的任务环境。因此,以无人机集群为代表的多智能体协同技术已经成为当前研究的热点问题。针对无人机集群在目标区域的覆盖优化问题,采用改进Voronoi图对任务区域进行划分,通过获取划分区域重要因子以及视觉传感器的观测质量,计算集群内无人机对任务区域的覆盖质量目标。由无人机期望状态信息调整集群输入控制律,使其覆盖质量目标达到极大值,实现对任务区域的最大范围覆盖。通过在设定任务场景下的仿真试验,得出该区域覆盖方法对任务场景覆盖率达到90.31%,能够实现最优区域分布。

基于Voronoi图最近邻协商的多机协同追捕方法

为了应对低空空域下频发的无人机“黑飞”事件,本文采用了以协同追捕为代表的柔性反制思路,然而由于低空运行环境复杂、任务快变、约束多元,传统最优控制方法难以有效适用,因此,研究了多对多场景下的多无人机协同追捕问题,建立了基于Voronoi图的多无人机协同追捕模型,并证明了基于面积最小化的追捕策略的鲁棒性。进而,考虑环境障碍、信息非完备的约束条件,提出了基于最近邻协商的多机协同追捕方法,仿真结果验证了所提出的协同追捕策略的高效性和鲁棒性,为多无人机协同追捕问题提供了理论与技术支撑。