一种前沿推进的自适应三角网生成算法

现有前沿推进算法在利用前沿推进法对二维平面区域进行自适应三角网剖分时,由于前沿边形态包含复杂的几何特征,导致网格单元质量不高、算法速度慢、鲁棒性低。该文提出一种兼顾三角单元质量及鲁棒性的三角网生成算法。首先,将前沿边内向推进过程中的所有形态归纳为4种类型;然后利用候选网格点试探算法构建最优三角单元,并通过相邻前沿线段内夹角搜索阈值分级让步的方式维护算法鲁棒性。实验表明:该算法能够快速识别并处理复杂的前沿边形态特征,生成单元疏密过渡均匀且质量较高的自适应三角网。

基于聚类的空间数据可视化方法

首先介绍了目前空间数据可视化技术的研究内容和基本方法,对基于实体和基于区域两类常用方法进行了分析和总结。在此基础上提出了一种基于聚类的空间数据可视化方法,其基本思想是利用以Delaunay三角网的自适应空间聚类算法(ASCDT)为代表的空间聚类算法进行聚类分析,并获得结果描述参数,结合基本方法和参数特征设计专门用于聚类结果表达的可视化对象,进而实现空间数据的图上投影。最后对该类方法有待进一步探讨和改进的内容进行了展望。

水深源数据质量对海岛礁DEM精度影响的定量分析

面向海岛礁 DEM 构建的精度需求,定量分析了水深源数据质量对海岛礁 DEM 精度的影响规律。梳理了海岛礁 DEM 构建的基本过程,分析了海岛礁 DEM 精度的影响因素。在此基础上,以目前普遍执行的有关水深测量的国内外行业规范为依据,统计分析水深源数据的精度、密度等因素对海岛礁 DEM 精度的影响规律。实验结果表明:采用自适应三角网建模方法所建海岛礁 DEM 的精度要优于规则三角网 DEM 的精度;执行我国海道测量规范所获取的水深源数据所建 DEM 精度,要优于国际海道测量标准一等要求的源数据所建模型精度,略低于特等要求下的源数据所建模型精度。

Adaptive triangular mesh coarsening with centroidal Voronoi tessellations

We present a novel algorithm for adaptive triangular mesh coarsening. The algorithm has two stages. First, the input triangular mesh is refined by iteratively applying the adaptive subdivision operator that performs a so-called red-green split. Second, the refined mesh is simplified by a clustering algorithm based on centroidal Voronoi tessellations (CVTs). The accuracy and good quality of the output triangular mesh are achieved by combining adaptive subdivision and the CVTs technique. Test results showed the mesh coarsening scheme to be robust and effective. Examples are shown that validate the method.