基于约束Delaunay三角划分法在节理图上实现网格自动剖分

分析了现有的在节理图上自动生成有限元网格方法的不足之处,提出了应用约束Delaunay三角划分法来实现网格剖分。该方法将所有的节理线看作特征约束线,在散乱点约束的Delaunay三角划分的基础上,逐次嵌入约束线,然后再应用细化算法进行网格加密,得到符合数值计算精度要求的网格。

基于Delaunay三角划分策略的WSN区域覆盖优化研究

针对无线传感器网络在对初次抛洒节点形成的覆盖漏洞进行二次部署的过程中,传统几何学方法难以运用于概率感知模型的问题,提出一种基于Delaunay三角划分策略的无线传感器网络区域覆盖优化算法——DPSO算法。首先对监测区域内随机抛洒的静态节点和监测区域边缘顶点进行Delaunay三角划分,以得到静态节点三角网,结合无线传感器网络节点的概率感知模型证明三角形内部存在完全未覆盖区域即覆盖漏洞;其次将通过筛选得到的三角形形心集合作为粒子群优化算法的初始解集,利用改进的粒子群优化算法完成对移动节点的二次部署,以达到修复覆盖漏洞的目的。实验表明,所提出的基于Delaunay三角划分策略的优化算法能够有效修复覆盖漏洞,使区域覆盖率得到显著提高。

二维任意域内点集的Delaunay三角划分的研究

传统的Ｄｅｌａｕｎａｙ三角划分不适合许多实际的应用．本文提出了二维任意域内点集的Ｄｅｌａｕｎａｙ三角划分（简记为ＤＴＡＤ）的概念，研究了其存在性、唯一性的条件以及一个三角划分是ＤＴＡＤ的充要条件．ＤＴＡＤ具有最小角最大以及平均形态比最大的性质，因此它是给定区域和点集的最佳三角划分．本文同时阐述了它的对偶图：任意域内点集的Ｖｏｒｏｎｏｉ图的概念和性质．ＤＴＡＤ突破了传统的Ｄｅｌａｕｎａｙ三角划分的限制，为有限元网格划分等实际应用提供了理论基础．

二维Delaunay三角划分的平均形态比最大性质

本文提出了三角划分的一种新的准则：平均形态比最大准则，证明了二维Ｄｅｌａｕｎａｙ三角划分具有最大的平均形态比，从而证明了平均形态比最大准则、最小角最大准则、Ｃｉｒｃｌｅ准则的等价性．这个性质在理论上进一步说明了Ｄｅｌａｕｎａｙ三角划分的最优性，为有限元网格划分的质量评估提供了理论依据，并为寻求三维三角划分的最优准则提供了线索．

基于Delaunay三角划分网格计算多连杆机器人工作空间

为了更准确地描述多连杆机器人的工作空间,提出一种基于Delaunay三角划分网格的多连杆机器人工作空间计算方法;给出多连杆机器人的基本结构并进行化简,得到多连杆机器人的运动学方程,构建工作空间的密度函数,绘制出末端轨迹点云图,分别采用所提出的方法、数值积分法和网格划分法计算工作空间的面积。结果表明,采用数值积分法和网格划分法计算的工作空间面积误差率分别为2.76%、2.27%,而采用所提出的方法计算的误差率为1.77%,该方法的计算性能明显优于其他2种方法的计算性能。

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。

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。

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。

Delaunay三角网与Voronoi图在划分城市影响空间中的应用研究

探讨了基于Delaunay三角网和加权Voronoi图划分城市影响空间的方法 ,论证了其合理性和可行性 ,并对两种方法进行了对比分析 ,最后以河南省为例进行了实证分析。

基于映射法和Delaunay方法的曲面三角网格划分算法

提出一种曲面三角网格划分算法 ,该算法在曲面参数域中生成 Delaunay类型的网格 ,然后将其映射到空间曲面 .为了抵消映射过程中变形的影响 ,采用空椭圆准则代替传统的空间准则 ,并给出椭圆的构造算法以及椭圆圆心的定位方法 .这些方法充分考虑到了映射变形和求解速度 .实验结果表明 ,该算法能生成满意的曲面网格 。

一种基于格网划分的高效Delaunay三角网格化算法

对于任意给定的平面散点数据,可以通过Delaunay三角剖分进行网格化处理。但是当数据量较大时,一般的Delaunay三角网格化算法建模过程非常复杂,且内存消耗大,执行效率低。本文在传统的分割-合并算法基础上,对已经进行块分割的格网数据进行排序、再分割,然后按照分割的逆序合并Delaunay子三角网,高效快速地生成Delaunay三角网格,有效地提高了建模效率,其时间复杂度接近于Ο(n)。

基于格网划分的Delaunay三角剖分算法研究

为了提高海量数据的Delaunay三角网的构网速度,本文采用格网划分的三角剖分方法,首先将数据按照线性四叉树方式划分为若干格网块,构建块内子三角网,然后按照自下而上的合并方式对块进行合并,形成全局Delaunay三角网。在此基础上,为了避免出现过小锐角的情况,通过加入约束角来对三角格网进行优化。

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。

先边界后方差的改进的Delaunay三角网划分算法

基于Delaunay三角网划分的两个特性:最大最小特性与空外接圆特性,论文构网过程分三步:生成边界,构造内三角网,对边界与内三角网之间的空洞进行处理。具体实现过程:先通过边界点集构造边界,再在已生成的边界内,利用区域生长法思想,以及方差的方法对非边界点集进行插入,来构造内三角网,最后采用等比例划分方法处理边界与边界内三角网之间的空洞。实验表明,改进后,不需要对每次生成的边进行判断是否是边界边,插入的点是否是边界点的处理,避免了复杂构网的过程,并且快速实现了物体表面Delaunay三角网划分的目的。且上述方法简单、快捷,易于实现,经实验证明是行之有效的。

一种基于Delaunay三角化的笔划分割算法

字符笔划在字符识别等领域中存在广泛的应用。针对字符图形的骨架化及笔划提取,本文提出了一种基于动态约束Delaunay三角剖分的算法。该方法首先通过对字符的轮廓多边形进行三角剖分,生成一系列具有拓扑关系的三角形,再根据三角形的三种类型生成各三角形骨架,并连接为整个字符的骨架。然后定义了骨架的平滑度函数及分支长度阈值,消除了畸变分支,并根据得到的骨架进行笔划分割。实验结果表明,该算法具有快速稳定的特点且鲁棒性较好。

黄河三角洲地区沿海养殖池塘空间演变阶段性划分及特征分析

基于1984—2020年遥感影像数据,获取连续长时间序列的养殖池塘空间分布数据,并采用时空热点分析和PLR_FP方法对黄河三角洲地区养殖池塘空间演变的阶段性进行划分。结果表明,黄河三角洲地区养殖池塘面积呈现波动增长态势,年均增加29.3 km2,时空增长模式多样化,且具有明显的空间分异性;增长热点分布在滨州沿海、东营河口区西部、垦利黄河口南部,成为目前黄河三角洲地区池塘养殖重点分布区,而莱州湾沿岸池塘养殖规模逐渐萎缩。养殖池塘的空间演变过程可划分为起步期(1984—1992年)、平稳期(1993—1998年)、扩张期(1999—2013年)和缩减期(2014—2020年)4个阶段,不同阶段养殖池塘时空增长模式和养殖业发展特征差异明显。

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。

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。