基于栅格局部细分的带约束条件的不规则三角网生成算法

采用数学形态学和局部细分的方法生成非凸壳三角网,再通过边界搜索和迭代处理,逐步添补三角网边缘三角形,最终得到具凸壳的Ddaunay三角网。在此基础上,加入内部和外部的边界条件,生成具有复杂边界的带约束条件的Delaunay三角网。     

约束Delaunay三角网生成算法研究

对约束Delaunay三角网的构建算法进行研究,并提出一种约束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,从而提高构网速度.     

带约束折线的平面散点集Delaunay三角剖分

首先将原始散点与约束点一起进行三角剖分,形成初始Delaunay三角网,然后再将各条约束线段通过局部更新,依次嵌入已存在的三角网中,从而生成带有约束折线的平面散点集的Delaunay三角剖分。该算法思路简捷,易于编程,生成的三角网形态优良。     

大量约束边条件下Delaunay三角网的快速生成

讨论了建立约束Delaunay三角网算法的研究现状,采用“逐点插入法”和“多对角线交换算法”构成“两步法”,在此基础上,从建立高精度三角网模型的需求出发,研究以大数据量等高线为约束边进行Delaunay三角剖分的改进算法。针对“逐点插入法”,采用网格分块的方法对构网点集和已生成的三角网建立索引,提高了点的查询速度和点在三角网中的定位速度,提高了三角网的生成效率;针对“多对角线交换算法”,增加了一些特殊情况的处理,提高了算法的健壮性和交换速度。     

一种高阶Delaunay三角网生成算法

Delaunay三角剖分是构建数字地形模型的有效方法,但是该方法可能产生人工大坝和局部极小问题,使得地形模型不能很好地反映原始地形的真实面貌。本文在Delaunay三角网的基础上引入了高阶Delaunay三角网,并给出了一种高阶Delaunay三角网生成算法。实验表明,高阶Delaunay三角网能够有效地减少地形的局部极小数量,是建立数字高程模型的一种新方法。因此,采用高阶Delaunay三角网建立的地形模型更接近于实际地形。     

利用点角改进Delaunay三角网生长算法

分析常规三角网生长算法的优缺点,提出点角概念,在生成Delaunay三角形的过程中,逐步缩小离散点的搜索范围,克服常规算法时间效率低的缺点。构网过程中,完全遵守Delaunay三角网的剖分准则,验证算法的稳定性和高效性。     

一种Delaunay三角剖分的改进算法

Delaunay三角网的构建算法和设计在GIS分析管理以及可视化等方面有着重要的作用。本文将逐点插入法和凸包法进行融合,利用Akl-Toussaint启发式函数来剔除原始数据点集中的多余点以便快速高效的实现凸包的构建,利用角度判别对角线法来对生成的初始三角网进行优化,在此基础之上提出了生成Delaunay三角网的改进算法。实践表明,该算法对于小量或大量数据集均有较好的适应性,不仅具有与分治算法一致的高效性,还具有易于理解和实现的算法思路。     

剔除无人机影像BRISK特征误匹配点对算法

针对BRISK特征检测算法在遥感影像中匹配时同名点对冗余度高和全局性差等特点,考虑BRISK特征检测算法能获取大量无人机遥感影像特征点,Delaunay三角网算法能够利用影像的BRISK特征点的粗匹配点对构建三角网,本文综合两种算法的优点,提出了一种结合BRISK特征检测算法和Delaunay三角网算法的剔除无人机遥感影像误匹配点对方法。该方法利用两张影像的BRISK粗匹配特征点构建Delaunay三角网,利用遍历两张影像三角网中的三角形相似度剔除错误匹配点对,并利用摄影不变量原理进一步剔除误匹配点对,提高了两张影像的精度;对比分析了Delaunay三角网的射影不变量算法,RANSAC算法分别剔除原始影像组、加入椒盐噪声影像组及旋转影像组的BRISK特征误匹配点对的效果。试验结果表明,3组影像分别利用结合BRISK特征和Delaunay三角网的射影不变量算法的无人机遥感影像匹配方法获得的正确特征匹配点对冗余度低、全局性优。     

Delaunay三角网的并行构网算法

针对传统的Delaunay三角网的并行构建算法负载均衡性不高、运行效率较低等问题,该文在综合逐点插入算法和分治算法各自优点的基础上,提出了一种Delaunay三角网并行构建算法。该算法首先使用动态格网剖分点要素集,从而得到若干点要素子集;然后根据点要素子集数量初始化线程池,每个点要素子集由一个线程按照插入点法构建Delaunay子网;当所有线程完成子三角网构建,最后使用逐点插入法合并所有子网,从而实现所有点要素的Delaunay三角网构建。分析与实验结果表明,相对于传统的并行算法,该并行算法的负载均衡性好、运行时间少、加速比高,具有较好的构建效率,而且构建结果满足Delaunay规则。     

基于Delaunay三角网的等高线树生成方法

研究如何利用Delaunay三角网构建等高线树,提出一种新的等高线树生成方法。该方法充分利用Delaunay三角网在领域分析中的优势,通过两次利用Delaunay三角网来判明等高线的空间关系进而达到统一被图廓截断的等高线以生成等高线树的目的。本文将等高线作为约束边构建约束型Delaunay三角网,利用Delaunay三角网查找具有邻接关系的等高线,在此基础上结合邻近等高线的高程关系判明、识别,最终统一被截断的等高线;然后对统一后的等高线再次利用Delaunay三角网查找具有邻接关系的等高线对,利用等高线对的高程关系判断出其为父子关系或兄弟关系,据此将等高线插入到相应的位置,逐步生长成等高线树。同时给出了基于Delaunay三角网的等高线树生成方法的算法设计及试验结果。     

一种基于凸包的Delaunay三角网算法设计

Delaunay三角网算法的设计与研究对DTM的建立有着重要的作用,本文在分析已有三角网算法的基础上,根据逐点插入算法的思想与凸包算法相结合,提出了自己的算法:先绘制凸包,然后构建初始三角网,最后用LOP方法整体优化。该算法尽可能的减少了对一条边的优化次数,从而提高了算法的运行效率。     

一种Delaunay三角网的快速生成算法

本文以Lawson提出的逐点插入法为基础，借鉴方向搜索的思想，在确定插入点的影响凸包时，采用递归的局部搜索策略，形成了一种Delaunay三角网的快速生成算法。实验证明，新算法构网时间与点数基本成线性增长关系，具有较高的效率。     

一次性生成约束Delaunay三角网算法的编程与实现

地形分析是指挥员进行决策分析的基础,将以约束Delaunay三角剖分为数据格式的DTM结构的电子地图运用到武警部队执行任务中,是为适应当前新军事革命的必然趋势。文献[1]中,进行了一次性生成约束Delaunay三角网算法的阐述,在此基础上进一步阐述了用Delphi6.0对该算法的编程与实现。     

约束Delaunay三角剖分的“岛屿”类图斑符号填充

针对传统方法对“岛屿”类图斑进行符号填充会造成敏感区域符号布局不合理或符号空间冲突的问题，本文提出了一种约束Delaunay三角剖分的“岛屿”类图斑符号填充方法。首先，对“岛屿”类图斑对应的离散点群进行规则网格化和不规则三角剖分，用于计算等值点；然后，依据附加准则增加“凸”形和“凹”形附加点，顺次连接等值点和附加点作为Delaunay三角剖分的约束边界；最后，构建均匀变化的约束Delaunay三角网，在三角网内进行图元积分，填充“岛屿”类图斑符号。利用电子海图中岛屿边界点数据进行试验分析，与传统方法相比，本文方法填充的“岛屿”类图斑符号变化均匀，交互性较强，便于用户修改和切换，进行二次填充。试验结果表明，本文方法适用于“岛屿”类图斑的符号填充。     

Delaunay三角形构网的分治扫描线算法

Delaunay三角网作为一种主要的DTM表示法,具有极其广泛的用途。基于分治算法和逐点插入法的合成算法是目前研究较多的用于生成Delaunay三角网的合成算法。简要介绍和评价扫描线算法和分治算法后,提出一种新的基于这两种算法的合成算法。该方法兼顾空间与时间性能,稳定性较高,分别较扫描线算法和分治算法,运行效率和鲁棒性更优。     

凸包插值算法的改进与实现

研究了凸包插值算法在n维欧拉空间构造Delaunay三角网的应用，提出了其三角剖分不惟一的重大缺陷，采用了限制区域生长法解决了这一缺陷。     

一种采用流计算的Delaunay三角网切块剖分算法

针对海量LiDAR点云Delaunay三角网剖分的时间与空间性能的矛盾问题,提出了一种采用切块的流计算Delaunay构网算法。首先利用三角网墙（DeWall）从点云上切割特定大小与形状的独立数据块,避免分治算法的深度递归与内存溢出;然后运用分治算法对切块剖分,并给出了切块边界错误三角形删除算法;重复上述过程完成子网剖分,并依据非耦合区域分解模式合并为最终三角网。引入流计算的思想,以进一步提高算法的空间性能。分析与实验表明:该算法占用了较低内存,并取得了接近为O（nlg（δ））（δ为一个切块点数,且δ≤n）的时间复杂度。     

一种快速二维 Delaunay 三角网点定位算法

在构建二维Delaunay三角网的逐点插入法中,定位待插点所在三角形的快慢是影响整个算法构网速度的关键因素。针对目前已有算法存在的搜索路径长、搜索路径求解计算量大等问题,结合三角形重心的几何性质,对点定位算法进行改进,避免求三角形重心和相交边的过程。实验结果表明,文中算法较目前其他点定位算法能够有效地缩短搜索路径,减少点定位的计算时间,提高Delaunay三角网构网过程中点定位的效率。