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。

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。

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。

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。

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。

快速构建Delaunay三角网算法研究

研究一种快速构建 Delaunay三角网的算法 ,该算法结合逐点插入算法和分治算法 ,具有建网速度快、耗费空间小的优点。采用多级自适应网格划分点集 ,对叶子网格内的点采用改进了的逐点插入算法生成子三角网 ,子三角网间利用分治算法的思想进行合并。经实践验证 ,算法复杂度与点数几乎成线性关系。

基于改进Delaunay算法的树冠三维重构单木因子提取

针对树冠结构复杂和点云数据量大的特点,为了提高测算单木因子中树冠表面积和体积的精度和效率,通过改进Delaunay三角网的算法机制,提出一种基于空间分割的分块优先级机制的三角网表面重建算法,用于重构树冠表面,形成一种高精度高效率的树冠表面积和体积因子提取方法。利用地面三维激光扫描系统获取树冠点云数据,分别通过传统人工方法、点云量测法、数字高程模型算法与提出的改进SD Delaunay算法,计算实验区域研究对象的树冠表面积与体积,并进行对比分析,结果表明提出的算法完全满足计算精度,同时该计算方法的耗时只有传统人工法的41%,数字高程模型法的62%,大大提高了运算效率。

DELAUNAY三角网的算法详述及其应用发展前景

在GIS应用领域中,Delaunay三角网通常被用于生成不规则三角网(TIN)模型,并用于描述地表形态。本文详细叙述改进了的现有国内外Delaunay三角网的生成算法,并发现Delaunay三角网不但在描述地表形态上有很大的优势,而且在图像处理、模式识别领域也将有很大的优势。而且国内外已经有部分学者专家作出一定的尝试,并且取得了较好的效果。所以作者进一步提出将Delaunay三角网用于地图符号信息识别,将是一个很有发展前景的应用方向。

快速Delaunay逐点插入网格生成算法

对插入形心的Delaunay逐点插入算法,提出按单元可插度分组的双向链表组数据结构,避免了对最大可插度单元的搜索。采用了邻接单元搜索、双向链表存储、随机方向搜索、邻接旋转、几何量继承等技术,使算法的计算时间与生成单元数近似呈线性关系,时间复杂度达到O(N1.05),N为生成单元数。算例表明,在一台AMD Athlon3200+(主频2.0 GHz)PC上,该算法的四面体单元生成速度达50 000个/s以上。

平面多边形域的快速约束Delaunay三角化

针对任意平面多边形域,采用增量思想和均匀网格,在局部范围内快速生成约束Delaunay三角形.该方法不会生成区域外的三角形;对存在折线、离散点以及含“洞”的情况不需要特殊处理.实验结果表明,该方法对于随机生成的简单多边形域三角化速度快,平均计算时间呈近似线性.另外,针对文字、工业图案等带状图像的边界多边形,充分利用其近似等宽性优化算法,将其应用于带状图像骨架的快速提取.

面向四面体网格生成的曲面Delaunay三角化算法

提出了一种曲面域Delaunay三角网格的直接构造算法。该算法在曲面网格剖分的边界递归算法和限定Delaunay四面体化算法的基础上,利用曲面采样点集的空间Delaunay四面体网格来辅助曲面三角网格的生成,曲面上的三角网格根据最小空球最小准则由辅助四面体网格中选取,每个三角形都满足三维Delaunay空球准则,网格质量有保证,并且极大的方便了进一步的曲面边界限定下的Delaunay四面体化的进行。

一种基于映射法的散乱点云Delaunay三角剖分算法

针对直接在三维空间构建海量点云的Delaunay三角网格效率低下,提出一种新的基于映射法的Delaunay三角网格构建算法。首先提出一种基于区域增长法的点云分片方法,能够保证对分片后的点云数据进行映射而不产生重叠;然后保持空间点云之间的距离特性,将三维点云映射到二维平面;在二维平面内进行Delaunay三角剖分,再将结果返回到三维空间内。实验结果表明,算法能够构建质量较好的三角网格。由于该算法将点云的三角剖分转换到低维空间,通过实验结果对比本算法与其他算法效果,证明该方法能够更快地完成重构。

约束数据域的Delaunay三角剖分算法研究及应用

研究了一种约束Delaunay三角网生成算法,它充分利用分治算法与生长算法的优点,对离散点、构网中实时生成的边及三角形采用分块进行网格索引,有效地减少了搜索目标点、边及三角形的时间,从而提高了构网速度,并将该算法用于地面模型的构建中,实现了地形三维可视化。

基于Delaunay三角网模型的等高线地形特征提取及谷地树结构化组织

基于Delaunay三角网模型在矢量等高线基础上通过弯曲特征分析 ,给出了一种地形结构特征提取及谷地树组织的方法 ,与传统的基于DEM或TIN数据结构提取地形特征的方法相比 ,该方法不仅得到了谷地系统在平面图上的拓扑结构 ,还获得了河谷在空间分布上的汇水范围 ,依托矢量线、多边形的几何关系判断 ,增强了谷地树组织中的结构化 ,避免了DEM方法中的噪音干扰 ,方法的核心是Delaunay三角网在单根等高线弯曲深度表达上的层次结构识别。基于系统地实验详细讨论了 3种树的结构化组织 :等高线弯曲特征嵌套结构表达的二叉树、谷地系统拓扑关系表达的平面结构树、水文意义上主支流河谷表达的语义层次树。

一种新的带特征约束的Delaunay三角剖分算法

本文提出了一种新的带特征的约束条件的散乱数据Delaunay三角剖分算法 .本算法通过在特征线上加入若干数据点 ,使得在保留特征线的同时 ,最终的剖分结果也满足全局Delaunay特性 .与现有同类算法相比 ,本算法更充分地利用了Delaunay三角剖分中的圆准则 ,从而大大减少了所需加入的附加点数 .实验结果证实了本算法的这一特性 .