作战模拟中基于不规则三角网的路径规划研究

针对分队级作战模拟的路径规划问题,该文采用了一种基于不规则三角网的路径规划方法,通过将作战地图上的面状区域进行三角网剖分,区分地貌、地物设置三角面的属性,以描述不同三角网之间的可通行性,并在此基础上利用A*算法寻路,可以快速实现路径规划。非路网的路径规划将使作战模拟中实体的行为更加逼真,达到了野战环境下运动规划的目的。

基于三角网算法的公路纵断面设计及实例验证

当前公路纵断面设计结果与真实施工环境数据拟合度较差,应用效果不佳。为此,提出基于三角网算法的公路纵断面设计方法,并通过实例验证此方法应用效果。首先,根据车辆行驶参数统计分析结果,确定公路基础设计参数;其次,构建基础三维模型,将该模型与研究区域的基础三角网图合并,得到三角网计算模型;最后,应用模型计算结果,完成公路纵断面设计方案,确定关键设计参数。实验结果表明:基于三角网算法的公路纵断面设计结果与真实施工环境数据拟合度更高。

基于渐进三角网的多波束滤波算法研究

多波束测深过程中,由于受到各种要素干扰,数据会生成大量异常值。异常值(通常称为噪声)剔除是多波束数据处理过程中的关键。当前常用的趋势面滤波算法主要是建立水下地形的曲面,对于噪声点与所建立曲面对比完成多波束噪声的过滤。针对多波束噪声剔除问题,提出了渐进三角网加密(progressive TIN densification algorithm,简称PTD)算法,选取最低水深点。利用Grubbs算法选取最低水深点,通过Delaunay三角剖分建立三角网构筑海底模型,利用三角网边长、角度与距离作为判断阈值,分离噪声点与水深点。以温州海域航道水深测量为例,与Caris软件中CUBE算法处理结果以及传统趋势面算法进行对比,验证渐进三角网加密算法的实用性和优缺点。

基于改进的不规则三角网的密集匹配点云滤波与应用

密集匹配点云作为一种新型数据,被广泛应用于各种地形图测绘生产,针对现阶段密集匹配点云滤波技术尚不成熟的问题,本文利用一种改进的不规则三角网加密滤波算法,通过建筑物立面选取地面种子点,结合高程排序构建不规则三角网进行地面点云滤波,并与传统不规则三角网加密滤波算法进行对比,结果表明:改进的算法在地面滤波过程中,选取的地面种子点更加准确。对于不同的地形,此算法具有一定的适用性,在地形平坦区域总误差为9.3%,地形复杂区域总误差为12.9%,匹配精度提升了20%~30%,取得了较好的滤波效果。

一种用于建筑物立面边界特征点提取的凸包三角网算法

基于现存凸包算法较难提取建筑物立面点云中的边界特征点等问题,提出一种构建凸包三角网的建筑物立面边界特征点提取算法。首先利用k近邻搜索算法查找每个点的近邻点,并通过主成分分析方法估算各点的法向量。然后将各点的近邻点投影到局部拟合平面,使用罗德里格法进行旋转获得二维投影点。最后利用凸包算法在求解边界特征点的基础上构建凸包三角网,并获得各三角形中近邻点占地率并统计各三角形的顶角值,得到剩余边界特征点。采用模拟和实测点云数据进行试验,并与改进的凸包算法和基于点的算法进行对比,结果表明,该算法能够提高建筑立面边界特征点提取的准确性和完整性,具有较强的适用性。

改进的渐进加密三角网机载点云滤波方法

针对渐进加密三角网滤波算法在林区机载点云滤波中存在种子点选取困难和精度较低的问题,提出了一种适合林区点云数据的改进渐进加密三角网滤波方法。该方法首先使用去噪算法(SOR)对离群点进行剔除,然后采用布料模拟和局部薄板样条插值方法获取大量均匀可靠的地面种子点,最后利用改进的渐进加密三角网滤波方法进行滤波,迭代运算进而得到地面点。使用6组标准数据和3组林区数据进行实验,标准数据的平均总误差和Kappa系数分别为2.16%和84.96,林区数据的平均总误差为4.62%。实验结果表明,改进方法适用于复杂的林区机载点云滤波,且提高了滤波精度。

三维激光点云下的不规则三角网法土方计算及精度分析

不规则三角网法是土方量计算的常用方法,其计算精度受高程中误差、地形、三角网平均边长等因素的影响。为研究影响土方计算精度的因素,依据误差传播定律,建立不规则三角网法土方计算精度数学模型。实验部分使用地面三维激光扫描仪获取实地点云数据构建数字地面模型(digital terrain models,DTM)模拟真实地形得到区域土方量真值,然后利用不规则三角网法计算区域土方,对高程中误差、边长进行精度影响分析。实验表明三角网边长对土方量计算精度影响显著,需要严格把控;而高程中误差对土方量计算精度影响不明显,将点位的高程精度控制在厘米级即可。

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。

一种改进的自动联结三角网算法

针对自动联结三角网算法的缺点,对该算法进行了改进。改进的算法提出了先建立分区索引后构建三角网的思想,首先将大规模的离散高程点进行分区索引,然后根据实时构建三角形与各分区的关系对候选高程点进行判断。最后用改进的自动联结三角网算法进行了实验,取得了明显的改进效果。

基于三角面元的海岸带机载/船载LiDAR点云配准方法研究

机载LiDAR系统与船载LiDAR系统是获取海岸带点云数据的常用方式。两种测量系统所测数据具有空间差异性和互补性,对这两类非同源点云数据进行配准具有重要意义。本研究提出一种基于三角面元的LiDAR点云配准算法,根据空间分布将目标点云分割成若干不规则的三角面元作为配准基元,利用点-面变换模型,最小化源点云中的测量点与其平面位置处的三角面元间的距离,最终实现海岸带区域点云配准。实验结果表明,配准前后的样本点距离平均误差和点-面距离均方根误差分别从3.30和1.51 m降低到0.76和0.17 m,本研究基于三角面元的点云配准方法可以有效消除海岸带非同源点云数据测量空隙、角度偏差等现象。

三维网格模型的局部三角剖分算法

为了提高三维网格模型的渲染显示效率和提高网格质量以满足有限元分析,提出了一种新的三维网格模型的局部三角剖分方法。本方法的三角剖分基于Bowyer-Watson插点算法实现。通过在新插入点的邻域内搜索三角形来提高三角剖分的效率,通过对网格的几何形状和连通性进行局部修改来提高网格质量。通过尺寸场来约束控制三角剖分区域,使得生成的网格质量和算法性能有较好的综合表现。

渐进三角网加密滤波辅助的布料模拟滤波

为了提高布料模拟滤波(CSF)算法处理复杂地形时的精度与适应性,本文提出了渐进三角网加密滤波辅助的布料模拟算法(CSFPTD)。该方法首先根据地面点云回波次数特点提取单、末次回波点云,以提高点云处理效率,在此基础上,采用渐进三角网加密滤波算法提取地面点,建立宏观反映复杂地形特征的粗数字地面模型(DTM),对点云进行高程归一化处理,消除地形起伏对点云滤波结果的影响,最后CSF实现点云精细滤波。对CSFPTD算法与经典CSF算法进行了对比实验,其中,Ⅰ类误差由11.81%下降到7.48%,Ⅱ类误差由1.90%下降到1.23%,总误差由4.05%下降到2.58%。实验结果表明:CSFPTD算法在综合复杂地形下的滤波精度明显提高,提升了算法的地形适应性。

离散点集Delaunay三角网生成算法改进与软件开发

改进了三角形生长算法,在原算法的基础上,用均匀格网来划分离散点集,建立点集的栅格索引,快速生成初始三角形,再进行扩展;引进了封闭点的概念,在扩展过程中动态删除封闭点,加快了查找点的搜索过程;软件开发中采用VC的MFC类Carray和CList来管理数据,创建了CBuildtin和Craster两个类来生成三角网和栅格索引,提高了程序的可移植性。

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。

一种基于三角网扩张法的Delaunay三角网逐块归并算法

本文中提出一种基于三角网扩张法的不规则三角网的逐块归并算法,它采用按横向或纵向对离散点集切割分块,对各子块用三角网扩张法构建Delaunay三角网,最后用三角网扩张法依次将相邻的子网合并。该算法采用的子集分块的做法使构网时的搜索范围减小,在数据量较大时避免了计算时间随点数的指数次增加,同时在构网时也能保证三角形邻接关系的正确维护。

快速构建三角网数字地形模型方法的研究

改进和优化了逐点插入算法 ,通过建立网格索引 ,实现了DTM数据的高效组织和管理 ,再结合有向查找技术 ,研究出了三角形的快速定位算法。采用Watson的空外接圆法优化构网 ,为减少优化时间 ,提出了按网格轮流取点的策略。在地性线的处理上 ,采用了先构建初级Delaunay三角网 ,再将地性线做为约束边嵌入初级网中的二级建网方案。经实践验证 ,该算法具有速度快、网形优、精度高。

基于Delaunay三角网的等值线绘制算法

提出了一种快速构建Delaunay三角网算法(QGDTN)。在每次迭代中,该算法从点集P最左边的两点中,选取离凸边中点距离最近的一点与凸边构成Delaunay三角形,并加入三角网中,算法实现简单,且时间复杂度为O(n)。基于Delaunay三角网,根据三角形的各边上是否有等值点,用内插值法求出等值点坐标,跟踪、连接等值点生成等值线;最后,采用三次方Bezier曲线平滑等值线。实验证明,基于Delaunay三角网的等值线绘制算法是高效的,并且具有一定的实用价值。

一种生成Delaunay三角网的合成算法

经过２０ 多年的研究，自动生成Ｄｅｌａｕｎａｙ 三角网的算法已趋于成熟。它们基本上可分为分治算法、逐点插入法、三角网生长法等３ 类。其中前两类较第３ 类在应用上更加广泛。但即使这两类算法也分别存在着时间和空间效率上的缺陷，使它们的应用受到了一定的限制。提出了一个融以上两类算法优点于一体，兼顾空间与时间性能的合成算法。经测试，它的运算效率大大高于逐点插入法，在大多数情况下，也高于分治算法，在分割阈值约为总数据量的十分之一时，效率最高。

四叉树高效Delaunay三角网生成算法

实现了一种以地形为应用背景的大规模离散点快速生成TIN的算法,该算法首先对大规模离散点按一定的阈值进行四叉树分割,然后对四叉树的每个叶子块分别以凸壳技术构三角网,而后再自底向上合并具有相同父亲节点的块,最后进行全局优化,生成Delaunay三角网。经实际地形数据验证结果表明:同样的算法,采用四叉树分块比采用平均分块策略有着更高的执行效率。