利用自适应分块的任意多边形三角剖分算法

三角剖分算法是计算几何领域中的重要课题之一,针对现有多边形三角剖分算法大多不能同时兼顾算法的简单有效性、适用性以及三角网的质量问题,提出一种基于自适应分块的任意多边形三角剖分算法。多边形的自适应分块区别于传统的格子分块,它充分顾及了多边形边作为剖分三角网约束边这一特点,通过选择原始多边形一定数量的边,并对这些边构建最优三角形,将原始多边形分割成若干个小的简单多边形,这些简单多边形之间通过三角形进行连接。至此,原始多边形的三角剖分直接转化为这些简单多边形的三角剖分,这样由一条边寻找一顶点构建最优三角形,直接在该边所在的简单多边形内进行搜索,大大减少了点的搜索范围,提高了算法效率。利用基于边优先的多边形三角剖分算法对分块后的小多边形进行三角剖分,从而完成整个多边形的三角剖分。算法具有适用性广,剖分三角形网形稳定、最优,思路简单,易于实现,执行效率高的特点,最后通过实验证明了本算法的科学性和先进性。     

基于边优先的任意多边形最优三角剖分

针对现有多边形三角剖分算法不能同时兼顾算法的简单有效性、适用性以及剖分三角网质量的问题,提出一种基于边优先的任意多边形最优化三角剖分算法:首先直接对多边形的边进行构网,最后再对生成的非约束边进行构网,最终完成整个多边形的三角剖分。剖分得到的三角网为约束Delaunay三角网,网形稳定、最优,算法简单,执行效率较高,且适用于任意复杂多边形。实验证明了该算法的合理性和有效性,较好地解决了现有多边形三角剖分算法存在的问题。     

GIS岛多边形三角剖分算法

结合Delaunay三角剖分原理,在多边形顶点关系的基础上,通过对多边形从外向内间隔相邻级环间的三角剖分,来实现岛多边形的剖分算法。算法涉及图形相交、相邻、相离、包含等几何关系分析,以及Delaunay三角形构建等过程。对图形几何关系判断和三角形构建等过程进行了优化处理,提高了岛内三角剖分的精度和速度,解决了GIS制图中存在的"岛中岛"等复杂几何图形的剖分问题,可以对任意凹凸多边形实现快速三角剖分。首先获取并存储shape文件中多边形的空间坐标数据,然后基于该算法在VC++开发环境中完成岛多边形的三角剖分和显示。通过对不同形状的岛多边形反复测试表明,该算法的三角剖分结果均可达到最优,且效率较高。     

边界为简单多边形的离散点Delaunay三角剖分及可视化研究

简单多边形的Delaunay三角剖分,在计算机图形学及地学问题三维建模领域有着广泛地应用。本文提出了一种不需要判断多边形的凹凸性,直接对多边形建立最大凸包,在建立凸包的基础上建立Delaunay三角剖分的方法,设计了一个有效的数据结构。在剖分的基础上,去除三角形的内切圆圆心在多边形内的三角形即可得到满足需要的三角剖分。为了提高处理大规模数据的速度,实验中对数据进行了分块处理,提高了建网的速度。最后利用OpenGL技术实现了剖分后的地形三维显示。     

顾及特征线和三角形形态最优的TIN三角网构建算法

传统三角形剖分方法只考虑三角网的形态最优,忽略了地形特征线的影响,导致构建的地形模型不能真实反映地形特征。文章提出既顾及特征线又满足三角形形态最优的TIN模型的构建方法。在研究了有关三角形形态理论的基础上,设计了数据结构,对如何利用该方法进行三角形剖分做了具体研究。实例证明,利用该方法进行三角形剖分,构建的TIN三角网模型既能满足三角形形态最优,又能避免特征线穿越三角形,能够真实反映地形特征。该三角形剖分方法对于地形较复杂区域的TIN模型构建具有很好的适用性。     

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。     

伪形心多边形形心距离计算方法

针对多边形形心距离计算过程中存在的形心位于多边形外的问题,该文提出伪形心的概念,通过三角剖分的方式,计算多边形边界到多边形形心距离最小的点,将形心合理地平移到边界上,进而计算多边形形心距离。针对伪形心存在于邻接边的特殊情况,又提出将形心平移到多边形主骨架线上的改进算法。该文提出的算法简单,易于实现,适用性强,进一步扩展了多边形形心距离计算的思路。     

一种动态构建Delaunay三角网的算法

Delaunay三角剖分算法是构建数字高程模（DEM）的主要算法。在分析现有的Delaunay三角剖分的3种算法之后,指出现有算法存在的不足。并提出一种TIN的动态建模方法,利用分块技术来改进搜索方法,大大提高了Delaunay三角网的构建速度。实验结果表明,此算法和前面3种算法相比,效率有了很大提高。     

散乱点云数据空间三角网构建方法的研究

点云数据三维建模主要是对目标物体的表面进行网格建模。三角形作为三维建模的基本表示元素,不仅性质简单,而且可以有效地表示物体表面复杂的几何属性。Delaunay三角网是当前使用最广泛的三角剖分方法,它能够最大限度地避免狭长三角形的产生,并且无论从何处开始建网都能保持网型的唯一性。本文在已有生长算法研究的基础上提出了一个新的算法:即在二维生长算法的基础上,利用空间三角形的法向量来进行第三点的搜索构建空间三角网。该算法的优点是:适合大量点云数据构建空间三角网、构建的空间三角网可以很好地反映出物体的表面特征。     

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Delaunav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Delaunav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.