面向地表上、下集成的二维/三维单纯形剖分算法实验

对地上实体、地形表面和地下实体的集成建模是国内外研究的热点。本文以单纯复形理论,提出了一种以约束Delaunay三角网为纽带,用边界表示模型-不规则三角网-四面体格网的集成空间数据模型,对地上实体、地表和地下空间对象进行无缝集成。用边界表示模型表达地面上复杂的对象,用不规则三角网表达地形,用四面体格网表示地质体对象。对传统的逐点插入法构建约束Delaunay三角网算法进行改进,生成约束Delaunay三角网,对地上实体和地表进行集成。其对不同的地层数据分别进行Delaunay三角剖分,构成四面体剖分的上下边界,构建上、下地层之间的侧边界,形成空腔,进而对空腔进行四面体剖分,形成分层表达的地质体对象。同时设计了一个原型系统,对算法进行验证,展示了其实验结果。     

结合离散网格曲率和克里金的空间插值方法研究

提出了一种结合离散网格曲率和克里金的空间插值方法,根据钻孔点数据构建初始Delaunay三角网,迭代计算三角网格点的高斯曲率,根据曲率的大小动态选择待插值点的位置,新点的高程值用克里金插值生成,完成三角网插值。在三维地质建模中实践证明,本方法在保证插值点精度的情况下,提升了曲面模型的光滑性,以较少的三角面片准确表达曲面模型的特征信息。     

气象等值线的三角网法微机自动绘制

本文介绍了用三角网法对气象中离散点直接进行等值线绘制的原理和方法,并给出了已在IBM-PC及其兼容机上实现的三角形自动联结和等值线自动绘制的程序框图。该方法计算速度快,并且在微机上实现,便于推广应用。     

基于可靠匹配点约束的遥感影像密集匹配

针对现有由稀到密的加密匹配算法中,初始匹配点可靠性低将导致迭代匹配拓展过程存在较多误匹配的问题,提出一种基于可靠匹配点约束的遥感影像密集匹配算法。首先,利用SIFT匹配点约束直线匹配获得的同名直线构建虚拟匹配点集,结合虚拟匹配点集和SIFT匹配点集建立初始匹配点集;然后,依次采用局部影像信息和局部几何约束对初始匹配点集进行检核剔除错误匹配,主要体现在利用指纹信息和梯度信息构建匹配点局部区域约束剔除较为明显的误匹配点,利用匹配三角网构建局部几何约束剔除由相似纹理产生的误匹配点,得到优化后的可靠匹配点;最后,基于可靠匹配点构建的Delaunay三角网,以三角形重心为加密匹配基元,结合核线约束和仿射变换对其进行迭代匹配拓展,得到最终匹配点集。选取4组资源三号卫星前视数据和后视数据进行实验,结果表明：利用局部纹理特征和局部几何双重约束模型可有效剔除误匹配点得到可靠匹配点,通过可靠匹配点进行迭代匹配拓展得到的密集匹配结果相较于对比算法具有更高匹配精度,在4组数据上其平均匹配精度为95%,具有较好的匹配稳定性。     

一种有效的离散数据场等值线生成方法

给出了一种有效的离散数据三角形网格等值线生成算法，首先在Delaunay三角剖分算法中引入了闭合点概念，通过在三角形网格生成过程中动态删除闭合点，减少搜索点集大小，提高了原来三角形剖分算法的速度；其次在三角形网格等值线生成算法中提出了凸边和凸边三角形的概念，通过建立凸边链表和凸边三角形链表，并以凸边进行等值线跟踪，简化了三角形网格等值线搜索算法，提高了等值线生成效率。最后在气象天气图离散站点数据基础上给出了详细测试数据，并给出了天气图等值线绘制效果图。     

正八面体的六边形离散格网系统生成算法

全球离散格网系统是一种面向全球的新型多分辨率数据建模与表达解决方案。与三角形和四边形格网相比,六边形格网具有对称性好、采样效率高、一致相邻等特点,更利于地球空间信息的建模、整合与分析。本文提出一种能生成各种六边形格网系统的算法,将正八面体上的相邻三角面组合为“四边形逻辑结构”,建立三轴离散斜坐标系,描述不同六边形剖分产生的多分辨率格网。其采用面向对象的思想设计了软件模型,通过实验验证了算法的可行性,分析了算法的效率。结果表明,该算法采用统一的数学模型描述正八面体上各种类型六边形剖分产生的离散格网系统,对应的软件模型,将不同格网系统的共性特征和个性特征分离,便于维护和扩展,具有一定的灵活性。     

一种自然邻近关系查询的空间索引结构

自然邻近关系在空间数据库管理系统中具有十分重要的地位。为了克服Voronoi图受空间目标位置的影响,本文采用约束Delaunay三角网,针对在二维欧式空间中离散面目标的自然邻近关系查询问题。首先对离散面进行三角剖分,然后将代表相同邻近关系的三角形合并成一个union,进而建立面目标自然邻近关系表达结构-Unions Delaunay。通过与Unions Delaunay相结合建立空间索引结构-R-tree Gridfile来实现对空间目标自然邻居完备的候选集提取以及索引结构的更新。对比实验结果表明R-tree Gridfile索引结构能够有效支持空间目标的自然邻近关系查询。     

基于Qi(xi,yi)函数的约束Delaunay三角剖分算法

利用Qi算法的性质,提出了一种基于Qi(xi,yi)函数的约束Delaunay三角剖分算法。经过比较分析,本文提出的算法降低了时间复杂度,提高了执行效率。     

一种改进的基于TIN渐次加密的LiDAR点云滤波算法

在深入研究原始不规则三角网(Triangulated Irregular Network,简称TIN)算法的基础上,提出了一种改进的TIN算法。该改进算法通过构建网格筛选地面种子点来提高初始面的可信度。在向上加密过程的四面体顶点阈值选取上,采用了基于局部地形坡度的自适应阈值,克服了原始算法预先设定单一阈值的局限性。实验结果表明,该改进算法可以有效降低三类误差,其中,I类误差降幅达50%,II类误差达30%,总误差达40%。     

局部点、线仿射不变性约束的近景影像直线段匹配

针对直线匹配过程中存在直线提取断裂、影像尺度不一、纹理断裂处灰度相似性约束可靠性弱的问题,本文提出了一种基于局部点、线仿射不变性约束的直线段匹配算法。该算法首先利用SIFT匹配得到的同名点构建参考影像、搜索影像同名三角网,并采用三角网约束直线匹配的搜索范围获得初始候选直线;然后利用方向约束对候选直线进行二次筛选,滤掉明显的错误候选直线;最后分别建立参考直线与候选直线的支持区域,搜索并确定位于直线支持区域内的匹配点并以直线为基准对其进行区域划分,并根据点、线仿射不变性原理分区域约束确定同名直线。通过选取网上公开影像数据库中典型影像对进行直线匹配实验,结果表明本文算法具有较好的鲁棒性,并能获取可靠的直线匹配结果。     

面向D-TIN并行构建的动态条带数据划分方法与实验分析

 数据划分是并行算法设计的重要步骤,其结果的均衡性与高效性是提高并行算法性能的重要前提。对于集聚分布的点集数据,传统的D-TIN(Delaunay Triangulation)并行算法尚未给出划分结果均衡、划分效率高效的理想解决方案。针对上述问题,本文在传统D-TIN并行算法规则条带划分方法的基础上,提出采用动态条带实现针对集聚分布点集数据的均衡、高效划分方法。首先,获取点集的最小外接矩形,并使用规则矩形条带按照同一方向进行点集粗分,然后,按顺序进行相邻条带的合并,必要时需动态调整合并区域边界以达到满足负载均衡的要求。为了提高划分效率,尽量减少边界移动次数,采用了对半移动的规则进行边界的动态调整。为了验证动态条带划分方法的适用性,本文使用人工模拟点集数据,进行加速比测试,使用实验区域真实数据进行D-TIN并行构建效率的统计,实验证明,采用该数据划分方法可以获得更高、更稳定的并行加速比,并且数据分布形态和数据规模对加速比的影响较小,进行D-TIN构建可以获得更好的执行效率,并且加速效果更加明显。     

����DTIN��CORS��׼վ���繹���㷨

???????е?Delaunay ???????????????????CORS???????繹????????????CORS????????桢?????????????????????????????????????????????????????????????о???????????????????????????CORS???????????????????????????????????????????о???????μ??????????????????????????????????Ч???     

稳健的回光反射平面靶心定位算法

针对因回光反射平面标靶点云数据缺失或冗余而难以准确计算靶心坐标的问题,本文提出一种基于距离标靶重心最远点的边缘点提取和靶心定位算法。首先,进行点云数据预处理,先人工大概选取出标靶点云所在位置,并根据回光反射强度信息提取出标靶点云,对标靶点云进行粗差剔除、投影以及坐标旋转等工作;然后,进行边缘点提取,应用所提的边缘点提取算法对投影到二维平面的标靶点云进行边缘点提取;最后,进行靶心定位,先应用抗差最小二乘对边缘点进行拟合计算圆心坐标,然后将其旋转回三维空间作为靶心坐标计算值。实验结果表明,本文提出的边缘点提取算法能高效、准确地提取出标靶边缘点,比文献[12]中的边缘点提取算法节约了大量时间,并且应用所提取出的边缘点能稳健地计算出靶心坐标,与基准值的偏差在亚毫米以内,优于文献[11]、[12]算法靶心计算精度,有效地解决了残缺或冗余的回光反射平面标靶点云靶心定位问题。     

基于改进RANSAC算法的复杂建筑物屋顶点云分割

屋顶模型重建影响到建筑物完整模型重建质量,屋顶面点云分割质量对屋顶模型重建具有重要意义。针对传统RANSAC算法在屋顶点云面片分割时易产生错分割、过分割等问题,本文顾及点云位置信息,提出一种对点云重新分配的改进RANSAC点云分割算法。算法暂时剔除非平面内点,选取平面内点集中3个点作为初始样本,平面拟合判定邻域是否有效,从有效邻域中选取标准差值最小的3个点为初始模型。利用RANSAC算法对屋顶点云进行分割。利用K近邻算法统计误分类点与面片的距离降低误分类,优化过分割面片并进行连通性分析,利用距离及法向量一致性检验的方法重分配非平面内点。为验证本文算法有效性,选取芬兰Helsinki地区的3栋相互独立的复杂建筑物屋顶以及上海某小区的6栋建筑物群屋顶作为实验数据。在2组数据中,本文提出的改进RANSAC算法分割屋顶面片的平均准确率分别为92.17%、87.82%,78%的建筑物屋顶不存在过分割。在第2组数据中,所有分割面片上的点与其对应的最佳拟合平面的距离的标准差的平均值为0.030 m。实验结果表明,本文算法分割建筑物屋顶面片的准确率较高,较好的抑制了过分割现象,且抗噪能力强。     

���ű��νṹ�ľ��ܲⶨ����ά�ؽ�

??????????????????ν?????????????????????ν??????????????????????????????????????????Delaunay?????????????????η???????????????????????????????????棬?????????????δ?С??2??D??3??D?????????????÷???????????????????α??С??????????????     

采用动态负载均衡的LiDAR数据生成DEM并行算法

随着高性能计算的发展,并行技术已经广泛应用于LiDAR数据的分析处理。本文针对现有LiDAR数据生成DEM并行算法所存在的负载不均衡问题,设计并实现了动态负载均衡的LiDAR数据生成DEM并行算法。该算法采用主从式并行策略,管理进程负责LiDAR点云的高效自适应条带划分,计算进程负责LiDAR点云生成DEM的计算。本文设计了任务量的动态调度策略:首先,由所有进程并行创建任务量由大到小排列的待处理任务队列;然后,管理进程根据计算进程的反馈对待处理任务进行动态分配,以达到负载均衡。在24 核集群环境下,用30 GB(约12 亿点)LiDAR数据对本文算法进行测试,生成分辨率为1 m的格网DEM,算法加速比峰值达到15.16;同时,与静态调度策略进行对比实验,结果显示本文的动态负载均衡策略可更好地保证进程间的负载均衡,有效地提高了LiDAR生成DEM并行算法的整体效率。     

一种基于机载点云的DEM生成方法研究

DEM即数字高程模型,是通过有限的地形高程数据实现对地面地形的数字化模拟。DEM具有许多生产方式,作为直接获取对象表面点三维坐标的现代对地观测技术,机载激光扫描在DEM构建方面具有很大优势。因此,本文研究了一种基于机载激光点云数据的DEM生成方法,该方法的关键在于机载点云的地面滤波处理。本文提出了一种改进的渐进三角网滤波方法,通过计算各点坡度以及邻域范围内的高差最大值,进行直方图统计分析,实现高度及角度阈值的自适应估计。将本文结果与人工滤波及布料滤波方法进行对比分析。实验结果表明,本文方法的结果更加贴近人工滤波处理效果,可有效提高DEM生成的精度。