直线排列建筑物群渐进式典型化方法

地图综合中,建筑物群的排列结构是需要重点考虑的因素。当不同排列的子建筑物群之间存在空间图形冲突时,这些建筑物群的综合就显得更为复杂。直线排列建筑物群的综合在大比例尺地形图上以典型化操作为主。本文提出一种相互之间存在潜在空间图形冲突的多个直线排列建筑物子群的渐进式典型化方法,渐进式地处理多个直线排列建筑物子群之间的空间图形冲突,保留建筑物群重要的直线排列结构;以建筑物表达的视觉图形约束为限制条件,自动确定典型化后的建筑物位置、形状、大小和方位。本文还研究了基于建筑物群空间邻近图的直线排列建筑物子群的自动识别方法,分析了这些直线排列之间的邻近关系和相交关系。最后,以1∶5000地图上的建筑物群综合为1∶25 000为试验对象,验证了所提出算法的可用性和有效性。     

基于加权网格简化的建筑物群渐进式典型化

提出了渐进式简化建筑物群目标的算法,该算法考虑了目标之间的分辨距离和密度,能够渐进式得到任意比例尺的地图,可以从几何和语义两方面最大限度地保持原有建筑物群的特征,同时可保持综合前后不同分区之间的密度差异。     

基于数据匹配的建筑物群典型化快速算法

分析了多尺度数据库和在线综合集成的途径与网格简化技术的矛盾及改进方法,提出了基于多尺度数据匹配的建筑物群典型化算法。算法基于分治原则,将整个图面空间划分为多个分区,每个分区进而划分为多个簇,以簇为单元,支持并行计算。此方法快速有效,适于网络制图。     

建筑物线型排列模式识别的图卷积神经网络方法

针对建筑物空间分布模式识别过程中,建筑物参数间权重和模式间分类阈值难以确定的问题,设计了一种基于图卷积神经网络的建筑物线型排列模式识别方法。该方法在计算建筑排列特征因子和建立建筑物间邻近关系的基础上,根据图卷积操作与B-P神经网络搭建了图卷积神经网络模型,通过对样本的监督学习,建立预测模型。最后,在OpenStreetMap公开数据集上进行了实验。结果表明,该方法能够准确地识别建筑物线型排列的3种模式。     

一种高效的建筑物直线特征提取算法

随着遥感卫星的发射,国内影像处理事业逐渐被人们重视。高效、快速地对遥感及航测影像进行特征提取成为当前研究的热点。本次实验采用辽宁科技大学1∶2 000航拍影像图,针对教学用地建筑物直线提取中绿色植被和道路的影响,提出了一种新的直线提取算法。实验将直线拟合和Hough变换结合并进行改进,对实验结果进行对比,分析改进前后效果。实验结果表明:该方法能很好地适应复杂地形下建筑物的直线特征提取,提取速度快,有效地解决了教学用地中道路和绿色植被对建筑物直线提取的影响问题。     

特征分类与邻近图相结合的建筑物群空间分布特征提取方法

建筑物群综合过程中需要对建筑物群空间分布特征进行认知和识别。本文在分析国内外相关研究的基础上,从描述建筑物空间特征的大量指标中,利用主成份分析方法,总结并提出了有代表性的建筑物空间特征指标集:凸包面积、紧密度IPQ指标、边数和最小面积外接矩形方向,并基于这些指标研究了建筑物群的分类。在利用最小生成树邻近图(MST)划分建筑物空间子群时,考虑了建筑物成群与所处地理环境(河流和道路等因素)的关系。另外,基于最邻近图(NNG)、MST、相对邻近图(RNG)和Gabriel图(GG)4种建筑物群邻近图,提出了自动识别具有特定空间排列建筑物子群的方法,并比较分析了识别结果的影响因素和可用性。最后,选择北京某地区建筑物群为试验对象,实现了对建筑物群的分类和空间聚类,并提取了其中直线型空间排列的建筑物子群。     

建筑物平行直线的提取

利用具有保护边缘的中值滤波消除图像的噪声，再用二阶微分算子（Laplace算子）提取图像边缘点，后经Hough变换，准确地检测出建筑物的平行直线。     

一种新的近似平行沟渠群的典型化方法

提出并实现了一种针对近似平行沟渠群的典型化方法。首先,建立沟渠的方位关系图,通过生成关系图中各连通分量的极大完全子图,提取近似平行的沟渠;然后,依据视觉认知规律定义沟渠间的认知距离,并基于最小生成树的剪枝对沟渠进行分组;接着,运用K-means ++算法对分组后的沟渠进行重新表达;最后,通过比较综合前后沟渠群的外轮廓相似性以及沟渠分布密度的差异,对典型化结果进行了评价。对广州市数据进行了实验,结果表明该方法能有效进行近似平行的沟渠群的典型化。     

图斑群合并的渐进式方法研究

图斑合并（聚合和融合）是专题地图综合中一个很重要的任务。将小于面积阈值的图斑群的空间视觉冲突分为四类,针对不同的类型采取不同的策略,重点讨论了邻接小图斑群的渐进式合并方法。该方法有效地简化了整个计算过程,提高了计算效率,并使得合并前后的变化值达到最小。     

A typification method for linear pattern in urban building generalisation

This paper presents a typification method for linear pattern in urban building generalization. The proposed method includes two processes. Firstly, structural knowledge in terms of linear pattern is detected using a two-step algorithm taking the advantages of Gestalt visual perception, computational geometry and graph theory. Spatial neighbourhood is captured using interpolated constrained Delaunay triangulation and the resulting proximity graph is pruned to be heterogeneous to get acceptable linear patterns with regard to Gestalt visual perception. Then, a typification strategy is proposed, in which typification is regarded as a progressive and iterative process consisting of elimination, exaggeration and displacement. The typification strategy iteratively executes eliminating the building with minimum overall effect, exaggerating remaining buildings considering key location and spatial characteristics and displacing them to preserve the linear pattern until elimination quantity is satisfied. Experiments show that this proposed strategy is effective and linear patterns are guaranteed with correctness and completeness.     

规则池塘群的复杂直线模式识别

针对现有面要素直线模式识别方法难以解决规则池塘中破碎区域的问题,提出了一种规则池塘群的复杂直线模式识别方法。首先,分析了规则池塘群的空间特征和认知特点,提出了“主次关系→并列关系→直线模式→复杂直线模式”的多层次认知顺序;其次,设计了主次关系池塘组、并列关系池塘组、直线模式池塘群的识别方法;最后,构建了复杂直线模式池塘群的识别模型。试验表明:本文方法能够消除破碎区域对规则池塘群直线模式提取的不利影响,有效提升复杂直线模式识别的质量。     

Recognizing building groups for generalization: a comparative study

Recognition of building groups is a critical step in building generalization. To find building groups, various approaches have been developed based on the principles of grouping (or the Gestalt laws of grouping), and the effectiveness of these approaches needs to be evaluated. This study presents a comparative analysis of nine typical such approaches, including three approaches that only consider proximity principle and six approaches that consider multiple grouping principles. Real-life dataset at 1:5000, 1:10,000, and 1:50,000 scales provided by National Geomatics Center of China is used to evaluate the performance of these approaches. Buildings at smaller scales are used to construct the benchmarks to test the grouping results at larger scales, and the adjusted Rand index is adopted to indicate the accuracy of the detected groups. Significant tests (Friedman test and Wilcoxon signed-rank test) are also performed to provide both the overall and pairwise comparisons of these approaches. The results show that (1) the average accuracy of most existing approaches is between 0.3 and 0.5, and the performances of these approaches are significantly different; (2) when only proximity is considered, the buffer analysis approach performs significantly better than other approaches; (3) when multiple grouping principles are considered, the local constraint-based approach usually performs better than other approaches; (4) existing approaches that consider similarity and/or continuity seldom improve the performance of building grouping.     

多维直线概括模型的总体最小二乘估计

针对总体最小二乘估计准则在直线拟合应用中存在的问题,该文在分析当前多种直线拟合模型及相应总体最小二乘估计方法的基础上,提出了附约束的N维直线概括模型及其总体最小二乘分步解法。首先利用间接平差方法通过迭代计算求出总体残差,然后通过条件平差分配残差到各观测量。仿真计算结果验证了该模型及方法的正确性和有效性。     

建筑群组合直线模式识别的模板匹配方法

建筑群空间分布模式识别对制图综合、多尺度表达及空间数据挖掘具有重要意义.针对局部异质性明显的建筑群直线模式识别提取问题,本文提出基于模板匹配的建筑群组合直线模式识别方法.首先分析研究组合直线模式的认知特征和定义;然后,利用建筑物的空间邻近性、尺寸和方向约束进行聚类,获得建筑物间的空间邻近关系和扩展对齐关系;以放大的建筑...     

矢量河网数据的一种渐进式传输方法

矢量河网数据渐进式传输与制图综合密切相关。针对经典的Douglas-Peucker算法产生的多分辨率曲线存储模型存在偏移值异常、数据冗余等问题,该文提出了一种基于双侧Douglas-Peucker算法的等级增量模型,并利用该模型结合目标层与几何细节层上的多尺度表达,建立河网多尺度表达模型。基于该模型,在Web环境下进行了实验,结果证明了该模型的有效性。     

无砟轨道铺轨控制基桩的设置方法

在无砟轨道施工中,为了满足轨道的高直顺性要求,用来控制铺轨的任意三个控制基桩的角度中误差不能大于8″。由于控制基桩的设置方法将直接影响其定位精度,选用一个精度较高的控制基桩设置方法,在一定条件下,可以极大的降低控制网布设的成本,因此,对控制基桩的设置方法进行深入研究是十分必要的。本文在给出完整的精度计算模型基础上,以任意三个控制基桩的角度中误差为设计的精度标准,采用仿真实验的方法,对施工常用的极坐标法和导线法进行比对。实验结果表明,在考虑原始数据误差的情况下,极坐标法难以满足无砟轨道控制基桩的测量精度要求,而采用附合导线法则可以满足控制基桩的测量精度要求。     

Voronoi图增点构造算法研究

论述了一种由计算机自动生成Voronoi图的增点构造法。该方法以一个原始的Delaunay三角网和相应的Voronoi图为基础,针对构造过程中出现的不满足Delaunay三角形空圆特性的数据点,利用最大最小角度法则对三角网进行局部优化,根据优化后的三角网生成最终的Voronoi图。     

塔形构筑物倾斜变形监测新方法

随着各地高层构筑物数量的不断增加,构筑物变形产生的安全隐患也不断受到重视。本文针对传统观测方法的局限性和低效性,提出了基于激光散乱点云数据的塔形构筑物倾斜变形监测新方法,采用两台地面激光扫描仪分别扫描构筑物外表面的散乱点云数据,建立塔形构筑物的基础表面模型,生成沿轴线的塔体中心点数据,筛选可靠性最优的线性排列点,从而得出塔形构筑物在空间上高精度的偏移量和倾斜率。最终编程实现了数据获取到成果输出的一键式计算。结果表明,基于点云的塔形构筑物观测结果与传统方法观测结果的角度误差分别为0.005°和0.001°,倾斜量误差分别为0.000 05和0.000 1 m。本文方法可以快速获得构筑物整体和局部的偏移量变化特征,为塔形构筑物的施工、维修和重建提供了基础模型数据。     

A method for assessing generalized data accuracy with linear object resolution verification

The article is composed of two sections. In the first section, the authors describe the application of minimum line dimensions which are dependent on line shape, width and the operational scale of the map. The proposed solutions are based on the Euclidean metric space, for which the minimum dimensions of Saliszczew’s elementary triangle (Elementary triangle – is the term pertaining to model, standard triangle of least dimensions securing recognizability of a line. Its dimensions depend on scale of the map and width of the line representing it. The use of a triangle in the simplification process is as follows: triangles with sides (sections) on an arbitrary line and bases (completing the sides) are compared with lengths of the shorter side and the base of the elementary triangle.) were adapted. The second part of the article describes an application of minimum line dimensions for verifying and assessing generalized data. The authors also propose a method for determining drawing line resolution to evaluate the accuracy of algorithm simplification. Taking advantage of the proposed method, well-known simplification algorithms were compared on the basis of qualitative and quantitative evaluation. Moreover, corresponding with the methods of simplified data accuracy assessment the authors have extended these solutions with the rejected data. This procedure has allowed the identification of map areas where graphic conflicts occurred.