POI点要素空间邻近图质量评价——以Delaunay三角网和缓冲区构建方法为例

为有效促进地理空间数据邻近关系的快速构建与语义表达,基于结构、数量、空间、性能等多重视角,提出结合图结构分析、度频率分析、可视分析、推理性能分析的空间邻近图评价方法,并利用Delaunay三角网和缓冲区两种方法进行上海市交通服务设施POI点要素空间邻近图构建与质量评价。结果表明,相比缓冲区方法,基于Delaunay三角网构建的空间邻近图具有如下优势:①在结构方面,规模小、图上节点聚集程度低、冗余邻近关系少;②在数量方面,邻近关系数量少且集中、局部邻近关系冗余度低;③在空间方面,邻近关系数量与POI空间分布情况相关性强;在性能方面,推理效率稳定。该方法能对空间邻近图进行全面评价,可为地理空间知识图谱构建过程中邻近关系建立方法的选择提供参考。

Delaunay三角剖分的汽车螺旋锥齿轮磨损检测

由于汽车后桥螺旋锥存在耦合竖向振动,导致齿轮磨损难以精准检测,因此提出Delaunay三角剖分的汽车螺旋锥齿轮磨损检测方法。通过扫描式方法测量齿轮表面的离散数据,对相邻扫描线进行Delaunay三角剖分,完成齿面非特征离散数据分块,实现对齿轮表面区域的全面描述。根据数据分块结果,采用基于Hermite插值的LMD算法,遍历计算三角网格的PF分量幅值,完成齿轮磨损故障的检测。实验结果表明,所提出方法的磨损深度与磨损率检测结果与实测结果基本一致,并且能够对齿轮磨损区域面积进行有效检测,检测精度最高达到98.7%。因此,说明所提出方法能够对齿轮磨损进行有效的检测。

基于AFT-Delaunay的二维解耦并行网格生成算法

面向平面任意几何区域网格生成,提出了一种将波前法AFT(Advancing Front Technique)与Delaunay法相结合的解耦并行网格生成算法。算法主要思想是沿着求解几何区域惯性轴,采用扩展的AFT-Delaunay算法生成高质量三角形网格墙,递归地将几何区域动态划分成多个彼此解耦的子区域;采用OpenMP多线程并行技术,将子区域分配给多个CPU并行生成子区域网格;子区域内部的网格生成复用AFT-Delaunay算法,保证了生成网格的质量、效率和一致性要求。本算法优先生成几何边界与交界面网格,有利于提高有限元计算精度;各个子区域的网格生成彼此完全解耦,因此并行网格生成过程无需通信。该方法克服了并行交界面网格质量恶化难题,且具有良好的并行加速比,能够全自动、高效率地并行生成高质量的三角网格。

DEGREE:一种基于Delaunay三角的任意群目标外形识别方法

集群目标相比单一甚至多目标表现出复杂时变集群特性,其外形估计与评价颇具挑战性。针对任意形状的集群目标外形估计与评价难题,本文提出了一种基于数据驱动的多传感器集群目标群形状建模与识别方法,以及一种群目标外形拟合度评判指标。所提算法由三个部分组成:首先,采用信息洪泛(Flooding)方法实现强连接的多传感器对视场中目标信息的采集与传播;其次,采用密度峰值聚类实现观测数据的聚类;最后,采用改进Delaunay三角网络算法实现群目标外形的拟合。所提群外形拟合度指标可用于对群目标外形估计准确度定量评价。通过与超曲面、随机矩阵等经典方法进行比较,证实了所提出算法的有效性和可靠性。

AFT Fathom在某大型化工厂循环水系统水力学计算中的应用

应用AFT Fathom软件对某大型化工厂循环水系统管网进行水力学分析计算,得出循环水系统管网的流量、压力分配情况。与传统手算方法相比,该方法能够优化设计,提高设计准确性,减少工程运行成本,对于同类型给水排水系统的设计优化具有指导意义。

一种断层面约束下的Delaunay三角剖分与等值线生成算法

传统等值线算法在生成等值线图时,往往采用先生成等值线后抠除断层多边形的方法,或者采用先抠除断层多边形再直接生成等值线的方法。这两种方法均忽略了断层处的层位信息,因而在断层面附近的精度达不到现代油气资源勘探的要求。对断层面与解释层位交点进行精细处理,通过对断层数据的细分加密得到断层面的精确控制点序列,使用Clough-Tocher插值方法进行插值,获得断层面处层位点的高程,提高等值线在断层面处的精度。研究断层面约束的Delaunay三角剖分,设计光滑等值线快速生成算法。形成断层面约束下的层位等值线自动生成技术模块。结果表明,该方法不仅提高等值线绘制的精度,同时也有效降低等值线查找的复杂度,提高了计算效率。

基于改进Delaunay三角网的煤堆三维重构算法

煤堆表面结构复杂且点云数据量大,传统的Delaunay三角网剖分算法无法满足企业实际需求。为了快速、精准地完成煤堆曲面重构,提出了基于组合三角剖分的改进Delaunay三维重构算法,该算法将剖分过程分为区域分块、单区域剖分及区域连接3个步骤。通过对标准煤堆模型测量实验,10次测量平均误差为2.66%,算法的稳定性和精度都较高。最后以徐州某发电厂的封闭储煤基地为试验场所,分别通过逐点插入法、三角网生长法与本文提出的改进算法,对煤堆进行三维重构。对比发现,改进算法重构曲面更加细腻,在构网点数、狭长三角形数及时间上表现均为最优,重构时间89 s,测量误差仅为0.21%,满足效率与精度要求。

边界优先的Delaunay-层推进曲面四边形网格生成

为了提高复杂组合曲面四边形网格生成的鲁棒性和边界单元质量,提出一种边界优先的Delaunay-层推进网格生成方法.首先在剖分域内粗的约束Delaunay背景网格的辅助下,以物理域的位置偏差为引导,在参数域中迭代计算边界点的法矢量;然后结合层推进策略,在几何特征附近生成各向异性或各向同性正交网格;最后使用Coring技术加速内部网格的生成并进行单元合并,得到四边形为主的网格.若干复杂平面区域和组合曲面模型的剖分结果表明,所提方法可生成等角扭曲度和纵横比优于主流商业软件的网格;在12个线程的PC平台上,使用OpenMP并行剖分包含21772张曲面的引擎模型只用了38.68 s.

带流数据集AFT模型的可再生估计

流式生存数据是一个随时间延续而无限增长的动态生存数据集合,由于数据集以流的形式不断高速到达,一旦当前批次的数据到来,经过快速处理后就要被释放,不能继续保留在内存中。基于右删失流式生存数据来解析协变量与生存时间之间的相关性时,加速失效时间模型(AFT模型)是常被使用的模型之一。文章基于带流数据集的AFT模型,通过泰勒展开构造一个Working估计方程,提出可再生估计,该估计仅依赖历史批数据集的汇总统计量和当前批数据集,有效避免了计算机对历史批数据存储带来的压力。模拟分析和实证结果表明,基于带流数据集的AFT模型提出的可再生估计方法在有限样本中的运行性能较好,在实践中具有可操作性。

基于径向基函数和Delaunay图映射的高效高鲁棒性的非结构网格变形方法

对于气动外形优化、气动弹性计算等涉及更新流场计算网格的问题,网格变形方法的效率和鲁棒性对整个研究过程有显著影响。其中径向基函数(radial basis function,RBF)方法能够保证较高的网格质量,但是当空间及物面网格数量较多时效率极低。而Delaunay图映射(Delaunay graph mapping,DGM)方法效率很高,但在大变形时网格质量会迅速下降。因此,将结合RBF和DGM两种方法的优点,利用网格聚合方法自动生成背景网格,通过RBF方法更新背景网格,解决DGM方法无法适用于物面大变形的问题,利用DGM方法提高变形效率,建立一种高效高鲁棒性网格变形方法。通过对比,网格变形质量方面该方法能够和RBF方法基本保持一致,且对于本文三维网格算例,网格变形效率较RBF方法能够提升90%以上。

右删失数据下多响应AFT模型的两阶段估计

在生存分析领域,加速失效时间(AFT)模型经常被用于预测事件发生的时间.本文将该模型推广到多事件时间情形,提出了多响应AFT模型,并假设协变量是高维的,模型的系数矩阵是联合低秩且稀疏的.此外还假设多个事件时间受制于同一个右删失变量.为了估计模型中的系数矩阵,本文提出一个两阶段方法,先对数据进行逆概率删失加权(IPCW),再用SESS算法求解一个稀疏降秩回归问题.本文通过数值模拟,验证了所提方法的有效性.最后将该方法应用于一个关于白血病患者骨髓移植的临床数据集.

结合FREAK和Delaunay三角网的图像匹配算法

针对机器人搭配视觉对目标物进行检测、识别和抓取等作业,提出了一种结合FREAK和Delaunay三角网的图像匹配算法。该算法综合了FREAK特征检测算法能获取到快速稳定的获取特征点和Delaunay三角网算法,能够利用FREAK特征点的粗匹配点对构建三角网的优势,以颜色不变量模型作为FREAK的输入,利用K近邻算法解决FREAK算法引起的颜色特征信息丢失和特征点过于密集的问题。根据三角形相似度函数保留Delaunay三角网中三角形相似度大于0.75的三角形,剔除错误匹配对数,提高匹配精度。通过实验论证该算法的优势和可靠性,与当前匹配算法相比,该算法能有效的提高图像的匹配率。

基于Delaunay算法的子弹散布均匀性检验方法研究

子弹药抛撒散布均匀性评价是子母弹设计、鉴定应用中的一项重要内容。现有评价方法因结果主观性强、存在检验盲区或是计算复杂等,没有得到广泛应用。文中提出的基于Delaunay三角形剖分的均匀性评价方法,克服了现有评价方法的不足,可满足子弹药地面散布均匀性检验工程应用。

基于Delaunay三角形网格的多视点视频编解码算法

为解决多视点视频的三维视觉感知冗余及传输和存储数据量庞大等问题,本文提出基于Delaunay三角形网格的多视点视频编解码算法。将视频内的每帧图像作为原始参考图像,基于Delaunay将其自适应地分割成若干三角形,将分割后的三角形的各个顶点信息反馈至输出图像中,并基于Delaunay模型、参数仿射变换估计三角形中各点的视差矢量,得到多视点视频残差图像。运用EDCT(embedded discrete cosine transform)算法对残差图像进行编码,通过将熵编码的过程反向操作实现多视点视频解码。实验验证了所提算法可以完美地还原原视频内容,编解码后的视频情景逼真、画质更清晰,观感体验更佳。

高效构建Delaunay三角网数字地形模型算法研究

在对传统构建Delaunay三角剖分 (尤其是分割 合并 )算法进行分析的基础上 ,采用自适应格网划分方法对点集进行排序、分割 ,并按照逆序合并Delaunay子三角网 ,然后进行约束处理 ,快速、高效地实现了Delaunay三角网的构建 ;对Delaunay子三角网合并、地性线处理、平三角形处理等关键问题进行了描述。实测结果表明 ,该算法的时间复杂度接近于O(n)。

Delaunay三角网的生成算法研究

Ｄｅｌａｕｎａｙ三角网作为一种主要的ＤＴＭ表示法，具有极其广泛的用途。经过二十多年来的研究，它的生成算法已趋于成熟。本文简要介绍了Ｄｅｌａｕｎａｙ三角网的定义及其特性，在简单回顾和评价了分割－归并法，逐点插入法，三角网生长法等三类主流算法的基础上，提出了一个融以上算法优点于一体，兼顾空间与时间性能的合成算法。经测试，一般情况下它的运算速度远快于逐点插入法，与分割－归并法相当，较好的情况下快于分割－归并法。

Delaunay三角网中点目标快速定位算法研究

为了提高内插法的构网速度及方便数字地面模型的后续应用,本文对三角形定位算法进行了研究,对基于点-线关系的方向定位算法和基于线-线关系的方向定位算法进行了改进,算法极大地减少了定位目标三角形的时间,由于定位三角形的速度是影响内插构网速度的一个关键因素,从而提高了构网速度。同时对两种算法进行了分析比较,得出最速方向定位算法更健壮,其定位路径唯一,效率更高。

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。

二维复杂限定Delaunay三角化算法

针对包括曲线边界和内部带有曲线限定条件的二维Delaunay三角化问题,提出了一种细化算法.首先给出了曲线段的逼近边定义,以保证限定曲线在网格中的存在;然后证明了该算法的收敛性和最终曲线的逼近边集合与原曲线的拓扑一致性,并且生成的网格符合Delaunay优化准则;最后给出了算法的应用实例,验证了其有效性.

基于格网划分的海量数据Delaunay三角剖分

提出基于格网划分、面向海量数据的Delaunay三角剖分方法,它首先把数据集划分为若干格网块,按照格网划分的逆序对每个格网块采用基于自适应格网划分的分割 合并算法进行Delaunay三角剖分,把格网块Delaunay三角网中不受边界影响的三角形进行存储并释放内存,然后顺序合并相邻格网块Delaunay三角网,形成全局或类全局Delaunay三角网。该方法对计算机硬件配置要求较低,适合于并行处理,可以实现面向海量数据的Delaunay三角剖分。