基于质心Voronoi结构的布点算法及应用

以初始点的Voronoi结构为基础,建立基于质心Voronoi结构的布点算法。该算法通过区域上的初始离散点构造Voronoi结构,利用面积坐标法确定Voronoi结构的质心点,以成本函数作为质心Voronoi结构的收敛准则。若质心点满足收敛准则,则将该质心点作为区域的离散节点。然后利用切边处理技术,实现复杂区域内的布点算法,即给出不同区域的均匀布点和非均匀布点。以长圆筒为例,采用基于Voronoi结构的布点算法对求解域进行点的离散,利用自然邻近Petrov-Galerkin无网格法计算其应力值,求得的应力值与精确值比较吻合,这证明了将质心Voronoi结构的质心点作为无网格法区域离散节点进行无网格法分析是比较精确、可靠的。

基于质心Voronoi结构的自由曲面布点策略

借鉴已有质心Voronoi结构网格规划的技巧,将自由曲线曲面的曲率函数作为生成质心Voronoi结构中的密度函数,并以成本函数收敛性作为算法结束的准则,提出了一种新的基于质心Voronoi结构的采样方法。采用本文方法实现了采样点的自适应分布,并通过仿真实验与传统采样方法进行了对比验证,结果表明,本文方法相对于一般自由曲面来讲是稳定的、高效的。

融合块显著质心描述和多级关联的多目标跟踪

提出一种融合目标分块、显著质心建模和多级关联的多目标跟踪(multi-target tracking,MTT)方法,用于提高互遮挡、相似目标干扰场景中的跟踪鲁棒、准确性。利用自适应阈值背景差分检测运动区域;将目标区域分块,根据块中运动像素处背景差分值计算色彩显著度,建立运动、色彩显著质心模型;建立目标间、目标与运动检测间全局、块级数据关联,判别互遮挡目标及块,并据块遮挡矩阵更新目标模板;利用有效色彩和运动信息计算块质心转移向量及融合权值,获得目标全局质心转移向量以定位目标。实验结果表明该方法对互遮挡、相似目标干扰及外观变化的多目标均具有稳定跟踪性能。

生成DDA块体相邻面上刚性点对的Voronoi图方法

在高阶DDA用于连续结构的计算分析中,需要在块体之间的相邻面上设置刚性的"连接点对"将相互独立的块体连接成一个连续的整体。对于多构件的复杂结构,快速均匀布点是一个难点。基于Voronoi图理论,改进了几何法生成Voronoi图的算法,并基于质心法对点的位置进行优化。据此编制了相关程序,并采用算例进行了验证。计算结果表明:该方法可以快速在任意凸多边形内获得分布均匀的一系列点,能方便地应用于三维高阶DDA计算分析。

基于质心Voronoi图重构的UDSM边折叠简化

城市数字表面模型网格(UDSM)的相邻网格常常出现曲率剧变,而这些位置是UDSM的细节部分,简化过程中应当尽量保持。针对该情况,引入了质心Voronoi图重划分网格,将曲率较小的表面的点云密度大大降低。重划分的网格表面细节与周围的平滑表面的三角网格尺寸悬殊,在该基础上使用二次误差矩阵边折叠进行LOD构建时网格发生明显变化,范围大大减少。算法在时间性能与网格误差与直接边折叠相近的前提下,更多地保存简化后的网格细节。

基于图像块和边缘增强的运动目标检测

针对复杂背景下的噪声、动态背景和阴影等影响,提出一种基于图像块和边缘增强的运动目标检测算法。用图像块建模,按掩膜结构特点修补断桥使掩膜连续,采用高层图像金字塔建模得到目标质心,用于提取目标,用Sobel平移算子得到细化的边缘,按边缘信息对掩膜进行增强处理从而得到完整的目标。实验结果表明,该算法可有效提取目标,消除单高斯建模法去除不了的复杂背景和阴影,克服传统帧差法常见的边缘不完整的缺点。

基于Voronoi算法的无线多媒体传感器网络覆盖控制研究

无线多媒体传感器网络(Wireless Multimedia Senor Networks,WMSNs)的覆盖控制技术是传感器网络研究的关键问题,只有合理的部署传感器节点,才能达到对目标区域的全面监测。Voronoi图具有良好的区域划分性质,可以将监测区域划分成多个小的区域。所以,提出一种基于Voronoi算法的无线多媒体传感器网络的覆盖策略。通过Voronoi图形寻找新增传感器节点的坐标,计算出节点的质心点坐标,调整节点的方向。实现用比较少的节点,获得较高的覆盖率。

农村土地确权中承包地块四至提取方法探讨

针对农村集体土地经营权确权测绘中填写地块四至的实际需求,提出了一种自动获取并填写地块四至的方法。详细介绍了承包地块的四至提取方法及流程,并用实验进行了验证。

利用质心Voronoi图对地形自适应简化的算法

地形简化算法利用少量有效的地形信息表达整体地形,能很好地解决海量地形数据与计算机硬件之间的矛盾,同时满足多尺度地形应用需求。针对现有地形简化算法难以兼顾局部地形起伏与地形整体特征的问题,提出一种基于质心Voronoi图的地形自适应简化算法。首先,利用质心Voronoi图的特点,以地形起伏度作为密度函数生成质心Voronoi图;然后,利用分布在地形起伏较大区域的质心Voronoi图种子点及大多分布在地形特征线上的Voronoi区域顶点重构地形;最后,通过原始地形与重构地形的特征线验证地形简化的效果,并与三维道格拉斯-普克(3D Douglas-Peucker,3D DP)算法进行精度对比。实验结果表明,从简化地形中提取的山脊线、山谷线、等高线等地形特征线与原始地形的重叠度均较高,算法能较好地保持地形整体特征;且在相同的简化级别下,算法的简化误差小于3D DP算法,具有较高的地形简化精度。

改进波前法初始布点的高质量CVT网格生成

利用改进波前法(AFT)生成网格初始布点和Voronoi质心块(CVT)网格优化技术,在任意平面域获得了几乎是等边三角形的高质量非结构化网格。该算法在边界网格的基础上将离散边界作为初始波前,通过规范边长将网格单元分为合格与不合格单元,在不合格单元侧根据网格尺寸函数的要求构造新的最优点集,并过滤后进行Delaunay插入。利用CVT技术进一步调整网格节点位置,结合局部边交换,获得了网格几何平均质量在0.985以上的几乎是等边三角形的高质量网格。

稠密需求下城市应急中心布局方法

城市发生灾害时,要科学地应急救灾必须合理地安排疏散救援资源.文中针对城市突发灾害下应急中心布局问题进行研究,引入连续的P-中值选址模型来解决布局中的稠密需求问题.首先采用Newling模型拟合城市人口密度,并选取基于质心的Voronoi图理论对连续P-中值问题进行建模;在此基础上,通过等式约束法进行容量限制,并通过L-BFGS优化理论进行求解.具体实例和实验结果表明,该方法具有速度快、准确性高和便于理解等优点.

有向传感器网络覆盖增强研究

为提高视频传感器网络的感知覆盖率,基于有向传感器感知模型,提出一种利用Voronoi图的视频传感器网络覆盖增强算法。该算法采用质心替代节点扇形感知区域并构造Voronoi图,通过调整节点感知方向对代替扇形感知区域的质心进行均匀分布,以消除网络中感知重叠区和盲区,提高整个有向传感器网络覆盖率。仿真结果表明,该算法能够有效提高网络覆盖率并能快速收敛。

多AUV覆盖控制研究

本文设计了一种多自治水下机器人(autonomous underwater vehicle,简称AUV)分布式覆盖控制算法。算法定义了一个位置优化函数以描述覆盖控制的质量,覆盖控制目标就是使此函数值最小化,从而使一群能够相互通信的AUV最终形成质心Voronoi分布来对预定的区域进行调查。对于非均匀分布区域,本文采用蒙特卡罗法来计算多边形区域的质心。数值仿真结果表明,无论对于均匀或是非均匀密度分布,覆盖控制算法都能取得满意的效果。

密度场控制的四面体网格自适应生成算法

通过构造表面模型的密度场,提出一种四面体网格自适应生成算法。在表面模型的轴向包围盒内均匀点采样;以模型表面为边界定义一个非均匀的密度场来构建采样点集的质心Voronoi结构,同时动态地增删采样点以优化点集分布;以模型内部的采样点为基础,以模型表面为边界约束,进行四面体网格划分。实验表明,算法能够处理具有不同拓扑和几何复杂度的表面模型,生成的体网格整体质量较高,网格单元形状规整、尺寸自适应且疏密可调。算法可用于有限元分析、动态仿真等领域。

基于时变密度函数的多机器人覆盖控制

针对多机器人系统编队控制问题,提出一种基于时变密度函数(time-varying density functions,TVDF)的覆盖控制方法。通过TVDF分别对不同机器人所处的粗略参考位置进行数学描述,仅凭借引入的连续时间覆盖算法(continuoustime coverage algorithm,CTCA)和分布近似(distributed approximations,DA)从邻近机器人得到相关的位置信息,对相应的目标区域进行质心Voronoi划分,获取局部最优解。进行大量实验及模拟仿真,将提出的控制算法和其它几种广泛运用的控制算法进行综合性能的对比分析,其结果验证了该算法性能的优越性及高效性。

传感器网络节点表面部署优化算法

节点部署是传感器网络中的一个基本问题,其直接关系到整个网络的性能。但现有的传感器网络节点部署研究大多针对平面以及3D空间的场景,对于3D表面场景部署的研究较少,为此针对该场景研究传感器网络节点部署优化算法。首先通过数学微分几何方法对3D表面构建数学模型,然后通过质心Voronoi剖分对3D表面进行分区,提出一种误差函数来评价部署方法的优劣程度,最后通过仿真比较了该方法与其他表面部署方法的性能优劣,结果表明,所提方法优于对比算法。

基于MKSA算法的曲面自适应采样

针对在机测量传统采样方法存在的采样点过于集中和采样区域遗漏影响曲面轮廓度的问题,将Mac Queen K-means(MK)算法与模拟退火(SA)算法相结合,提出基于MKSA的复杂曲面在机测量自适应采样方法。利用MK算法生成二维质心Voronoi结构(CVT结构),将复杂曲面离散点云数据的高斯曲率绝对值作为生成CVT结构的密度函数,以方差函数为收敛准则,通过全局算法SA的退火准则设置降温系数,提高MK算法的全局寻优能力,生成全局最优的二维CVT结构;将质心点映射回原曲面,获得质心位置对应的曲面采样点,从而实现复杂曲面的自适应采样。仿真及实验结果表明:MKSA算法使曲面测量采样点分布更合理,拟合曲面与CAD模型的最大偏差及平均偏差均小于传统方法,更逼近CAD模型的理论曲面。

基于CVT模型的无线传感器网络覆盖优化

针对目前无线传感器网络(WSNs)节点随机部署时覆盖率低的不足,提出了一种质心化的Voronoi图(CVT)模型和圆覆盖结合的方法用于网络覆盖的优化方法。将网络覆盖优化问题简化,转化为每个WSNs节点各自覆盖对应Voronoi多边形区域的优化问题,降低了问题的复杂性,不仅使得WSNs的节点部署和区域划分更加合理,同时使得网络覆盖范围更佳。实验结果表明:模型能够有效提高WSNs的覆盖率,提供了更优的网络通信服务。

结合质心Voronoi图优化的三维Douglas-Peucker地形简化算法

在多尺度TIN的自动构建过程中,为使各尺度数据保持地形的主要特征,需要选择合适的地形简化方法提取地形的结构特征信息。传统的3D Douglas-Peucker算法通过设定距离阈值参数对地形进行简化,简化后只保留了山脊线、山谷线等主要地形特征,而未考虑局部细节,难以顾及局部地形起伏变化明显的区域;而质心Voronoi图能够以地形因子作为密度函数,通过迭代驱动种子点向地形起伏较大的区域聚集,但其在主要地形特征的表达方面有缺失。为此,本文将二者的特点结合,在利用传统的3D Douglas-Peucker算法简化的同时,通过质心Voronoi图迭代加入局部起伏较大的特征点,综合考虑主要结构特征及局部起伏对地形进行简化,并在多个简化级别下对原始3D Douglas-Peucker算法和本文优化算法进行了对比。实验结果表明,相对于原始算法,本文优化算法在各简化级别下简化误差降低13.6%以上,具有更高的地形表达精度,且能够更好地逼近原始地形。

结构动态可靠性分析的最大熵方法

由于材料特性、外部载荷和部件老化等时变不确定性因素的存在,结构的可靠度是时间的函数并随服役时间降低的。基于结构响应的极值,提出了一种动态可靠性分析的最大熵方法。该方法将输入随机过程进行离散化,使极限状态函数只含有随机变量和时间参数。利用拉丁质心Voronoi抽样技术获取抽样样本,求出目标时间区间内极限状态函数的极值。利用最大熵原理拟合极值分布,将时变可靠性问题转化为时不变问题,求解动态可靠度。利用工程算例验证了所提方法的有效性。