顾及拓扑一致性的水系三维曲线化简

鉴于常规曲线化简方法应用于水系曲线化简时难以顾及水系要素的三维特征及其拓扑关系,本文提出了一种顾及拓扑一致性的水系三维曲线化简方法。该方法首先对D-P算法进行三维扩展,实现水系中单条河流三维曲线化简,然后构建水系树结构表达其拓扑关系,最后按照水系树的层次顺序依次进行河流曲线化简和干流与支流的拓扑关系重构。试验结果表明,该方法化简精度高,既能保持水系的三维形态特征,又能保证河流交汇处的拓扑一致性。     

顾及局部特征的线状要素制图综合

针对传统的线状要素化简方法难以准确描述线要素局部结构特征的问题,该文提出了一种顾及局部结构特征的线状要素制图综合方法。引入m阶邻居坐标点概念,分析坐标点对线要素局部结构特征的贡献程度;建立了局部结构特征度量方法,实现了简单线要素的自动化简;基于该化简过程,从拓扑不变性角度顾及线状要素的整体形态及不同线状要素之间的拓扑关系,实现了复合线划网络的自动综合。基于对简单线划目标和复杂线划网络的实验结果表明:通过调整m的取值,可以完成不同尺度下线要素的自动制图综合,且化简结果较好地保持了原始线划要素的整体形态特征。     

一种顾及图斑拓扑关系的化简方法

针对地理国情普查成果制图的实际需求,提出了一种顾及图斑原有拓扑关系的化简方法。通过对图斑数据进行拓扑构建,将对图斑的化简转化为对共享弧段的化简;同时对弧段进行分类,对不同类型的弧段采用相应的化简方法。通过实例验证表明,该方法能够保持图斑化简前的形态结构,并保持图面整洁,符合地图制图要求,取得了较好的应用效果。     

一种河口湾海岸线渐进化简方法

形态复杂的河口湾海岸线自动化简是当前线要素化简研究的难点之一。在现有研究基础上,结合地理特征影响下河口湾海岸线形态特点及海图综合约束,提出一种河口湾海岸线渐进化简方法。该方法以约束Delaunay三角网为支撑构建河口湾骨架线二叉树模型,结构化表达河口湾海岸线形态特征;基于此模型,通过叶子流路渐进取舍、"退化"充分化简细小弯曲或弯曲细小部分,通过局部夸大消除河口湾内视觉冲突等,实现河口湾海岸线化简。试验结果表明,该方法充分化简目标尺度下不可视的局部细节,顾及河口湾海岸线整体形态特征保持,在几何层次、地理层次上都具有一定优越性,适于多种形态河口湾海岸线化简应用。     

曲线弯曲深度层次结构的二叉树表达

地图综合要顾及目标的几何特征、语义特征和拓扑特征，其中地理意义是控制综合算子系统、参量调整的决定性因素。就线状要素而言，单从角度、距离、矢高等几何特征出发设计的曲线化简算法只能算作对曲线坐标串的几何压缩，不是真正意义上的地图综合。由于曲线的弯曲特征在表达线状地物地理特征上具有重要意义，对弯曲特征的识别、结构描述及操作分析成为目前线要素制图综合的研究热点。本文基于约束Delaunay三角网模型提出一种方法描述曲线弯曲特征在深度上的层次结构，对曲线上的矢量点构建三角网，在三角网覆盖区域里，由外向内进行三角形的“剥皮”操作，根据“剥皮”操作，根据“剥皮”进行过程中遇到的特征三角形构建二叉树，实现大弯曲套小弯曲层次结构的表达。该方法基于Gestalt对称性、连续性原则、对二叉树结点进行考察，可提取认知意义上的真正弯曲。本文同时给出了弯曲特征二叉树在多边形（闭合曲线）综合化简中的算法设计及实验结果。     

弯曲面积头尾断裂分类的曲线综合方法

针对现有基于曲线弯曲的综合方法存在算法复杂、计算量大,过于关注局部相邻弯曲之间的关系,忽略整体弯曲之间联系,现有算法有用于筛选弯曲的阈值设置基于经验不合理等问题。该文借助头尾断裂分类法,提出了一种根据弯曲面积分类,以达到化简曲线目的的综合方法。该方法采用斜拉式曲线划分方法,将曲线划分为若干弯曲,以曲线首尾的连线为轴线,计算各个弯曲与相应轴线围成的面积,然后利用头尾断裂对其进行分类,将面积位于数据"头部"的弯曲予以保留,并提取"尾部"弯曲中距离轴线最远的点作为特征点,最后,合并弯曲与特征点作为综合结果。实验表明,该方法简单高效,可以迭代地在顾及整体弯曲数据且不使用经验阈值的情况下,舍去细小弯曲,保留原有曲线的特征弯曲,以获取不同细节层次下都符合自然规律且与原图高度相似的综合结果。     

制图综合中建筑物多边形的合并与化简

讨论了数字环境下顾及建筑物矩形几何特征的多边形自动综合算法,针对多边形之间的拓扑邻近与视觉邻近两种空间关系,提出了基于矢量和基于栅格的两种建筑物多边形合并方法。关于建筑物形状的化简,本文提出了矩形差分方法,并在此基础上建立了建筑物多边形化简的层次化途径。     

制图综合中建筑物多边形的合并与化简

讨论了数字环境下顾及建筑物矩形几何特征的多边形自动综合算法,针对多边形之间的拓扑邻近与视觉邻近两种空间关系,提出了基于矢量和基于栅格的两种建筑物多边形合并方法。关于建筑物形状的化简,本提出了矩形差分方法,并在此基础上建立了建筑物多边形化简的层次化途径。     

基于交叉点的道路曲线化简算法研究

现有的曲线化简算法不能很好地化简具有交叉路口的道路曲线,针对这一问题提出一种基于交叉点的道路曲线化简算法。算法分为预化简和修正化简两个阶段:首先识别并得到曲线上的分段点,利用相邻的分段点作为道格拉斯-普克算法的首尾点对曲线进行化简,得到预化简的结果;然后对于交叉点引入偏差阈值ε,通过判断道路曲线交叉点与化简后交叉点的距离与偏差精度ε的大小关系来确定该交叉点的化简与保留,如果保留或者化简后的道路曲线没有交叉点那么将原交叉点作为分段点对此段曲线进行重新化简。理论分析与实验结果表明,文中算法能够有针对性地保留或化简道路交叉点以及保持曲线化简后的形态特征。     

顾及拓扑的室内薄壁三维模型重建方法

针对当前室内三维重建没有同时顾及内、外拓扑和建筑部件语义的问题,该文提出了一种顾及拓扑的室内三维薄壁模型重建方法。该方法在已有的二维数据基础上,利用"推拉"操作,直接生成保留语义的室内薄壁三维拓扑数据模型,并通过实验进行了验证。结果表明,该方法生成的三维模型保留了墙、门、窗等建筑部件,并顾及了内、外拓扑,能够快速生成室内薄壁三维模型,为室内导航、室内应急等应用提供了模型基础和方法借鉴。     

数字海图线性特征的识别、量测与综合

图形特征的变化是无究的,只是依据与位移、夸大、化简等相似的综合方法,而不包含图形特征的识别与量测,数字海图的自动综合是无法实现的。只有识别、量测和综合方法的组合,才是数字海图综合概念的全部体现。因而,本文模拟人的综合方法的同时, 点模拟了人的图形特征的识别方式,同时,经过Ｄｏｕｇｌａｓ二叉树方法的引入,给出了图形特征的识别与量测函数,实现了数字海图红性特征的自动综合。     

Contour line simplification method based on the two‐level Bellman–Ford algorithm

The contour line is one of the basic elements of a topographic map. Existing contour line simplification methods are generally applied to maps without topological errors. However, contour lines acquired from a digital elevation model (DEM) may contain topological errors before simplification. Targeted at contour lines with topological errors, a progressive simplification method based on the two‐level Bellman–Ford algorithm is proposed in this study. Simplified contour lines and elevation error bands were extracted from the DEM. The contour lines of the elevation error bands were initially simplified with the Bellman–Ford (BF) algorithm. The contour lines were then segmented using the vertices of the initial simplification result and connected curves with the same bending direction were merged into a new curve. Subsequently, various directed graphs of the merged curves were constructed and a second simplification was made using the BF algorithm. Finally, the simplification result was selected based on the similarity between several simplification results and adjacent contour lines. The experimental results indicate that the main shapes of the contour groups can be maintained with this method and original topological errors are resolved.     

采用斜拉式弯曲划分的曲线化简方法

线要素化简一直是自动制图综合中的重要研究内容。分析已有线化简算法在线弯曲形态保持和单调弧段划分时只考虑一侧等不足,提出线要素的斜拉式弯曲划分和化简新方法。该方法对线要素采用斜剖方式划分弧段,兼顾线要素两侧的弯曲形态;识别出每个划分的单调弧段是U型弧段还是V型弧段,是大弧段还是小弧段,从而分别对其进行不同的处理;在处理过程中,每化简完一个单调弧段,重新对线要素进行弧段划分,然后再次对每个单调弧段进行化简,以此类推,因此该算法是一种动态化简过程。实例显示,本算法在线要素特征点保持、u型弧段和V型弧段保持、大弯曲的保持、整体形态保持等方面非常有效,且化简率非常高,充分证明本算法的科学性和优越性。     

基于语义特征的堤防外坡激光脚点分割

在缺乏影像等辅助数据的情况下,本文直接利用激光雷达LiDAR点云数据,提取水系边缘,并在此基础上实现基于语义分割的堤防外坡激光点云提取方法。分两步进行边坡的提取:首先获取LiDAR数据中水体边缘轮廓线,进一步获取堤防边坡的下缘线;然后以下缘线为增长基线,通过最小二乘平面拟合,利用区域增长的方法,将边坡平面提取出来,从而获取边坡脚点。     

河网线要素与DEM综合的三维Douglas-Peucker算法

目前三维Douglas-Peucker(3D_DP)算法主要应用于单一类型的DEM综合。本文引入"弯曲调节指数"来改进3D_DP算法,提出了一种三维空间河网要素与DEM综合的新方法,即将河网线矢量提取成三维离散点数据集(增加高程属性),与DEM三维离散点数据集合并,在河网层次化选取基础上,利用改进的3D_DP算法对合并数据集进行综合操作。通过试验结果的对比和分析表明,该方法通过弯曲调节指数的调节使河流自身所具有的弯曲形态与地形的主要特征得以同时保留,试验效果良好,实现了三维空间河网要素与DEM数据在同一简化因子作用下的综合,提升了地图综合的质量。     

A progressive line simplification algorithm

An application of line simplification considering spatial knowledge is described. A method for identifying potential conflict regions, in order to avoid the self-intersection of generalized, lines, is also discussed. Further-more, a new progressive line simplification algorithm is presented. From the view point of spatial cognition, a spatial hierarchical structure is proposed, and its application to construction of spatial knowledge related to a line is explained.     

A progressive line simplification algorithm

1　ＩｎｔｒｏｄｕｃｔｉｏｎＭａｐｇｅｎｅｒａｌｉｚａｔｉｏｎｉｓｏｎｅｏｆｔｈｅｃｌａｓｓｉｃａｌｃａｒｔｏｇｒａｐｈｉｃｐｒｏｂ ｌｅｍｓ.Ａｌｌｍａｐｓ,ａｒｅｇｅｎｅｒａｌｉｚｅｄｒｅｐｒｅｓｅｎｔａｔｉｏｎｓｏｆｔｈｅｒｅａｌｉｔｙ.Ｇｅｎｅｒａｌｉｚａｔｉｏｎｉｓｎｅｃｅｓｓａｒｙｔｏｉｍｐｒｏｖｅｔｈｅｄｉｓｐｌａｙｑｕａｌｉｔｙｏｆｓｍａｌｌｓｃａｌｅｍａｐｓ,ａｌｌｏｗａｎａｌｙｓｉｓｗｉｔｈｄｉｆｆｅｒｅｎｔｇｒａｄｅｓｏｆｄｅｔａｉｌ;ａｎｄｒｅｄｕｃｅｄａｔａｓｔｏｒａｇｅｒｅ…     

关键点检测的复杂建筑物模型自动重建

利用机载LiDAR点云数据进行建筑物重建是当今摄影测量与遥感领域的一个热点问题,特别是复杂形状建筑物模型的精确自动构建一直是一个难题。本文提出一种基于关键点检测的复杂建筑物模型自动重建方法,采用RANSAC法与距离法相结合的分割方法自动提取建筑物屋顶各个平面的点云,并利用Alpha Shape算法提取出各个平面的精确轮廓,根据屋顶平面之间的空间拓扑关系分析建筑物的公共交线特征,在此特征约束下对提取的初始关键点进行修正,最终重建出精确的建筑物3维模型。选取不同类型复杂建筑物与包含复杂建筑物的城市区域点云进行实验,结果表明该算法具有较强实用价值。     

基于特征约束的点云简化算法研究

针对传统的点云简化算法导致特征区域容易丢失的问题,提出了一种新的基于特征约束的点云简化的算法。首先对散乱点云用KD—TREE建立起空间拓扑关系,在此基础上建立起单个点的K-邻域。然后对K-邻域内建立起最小二乘平面,设定合理的阈值来度量数据点的重要性。依据特征点的分布估算每个点的简化距离阈值,以此为基础对每个点进行自适应简化。实验证明该算法能满足在点云数据简化过程中检测并保留特征点的要求。