一种八叉树和三维R树集成的激光点云数据管理方法

车载激光扫描点云数据已经成为数字城市和危机管理等领域越来越重要的三维空间信息源,针对大规模点云数据高效管理的技术瓶颈,提出一种八叉树和三维R树集成的空间索引方法——3DOR树,充分利用八叉树的良好收敛性创建R树叶节点,避免逐点插入费时过程,同时R树平衡结构保证良好的数据检索效率。并还扩展R树结构生成多细节层次(LOD)点云模型,提出一种支持缓存的多细节层次点云数据组织方法。试验证明,该方法具有良好的空间利用率和空间查询效率,支持多细节层次描述能力和数据缓存机制,可应用于大规模点云数据的后处理与综合应用。     

导航数字地图的快速显示技术研究

针对车辆导航系统中地图显示问题,本文设计了"LOD层+多层四叉树+R树"三级索引结构,对现有的四叉树分块方式进行了改进,提出了基于多层四叉树空间分块和块内根据R树分包的数据组织方案,有效解决了覆盖多个网格的要素存放问题;提出了多层和多块的数据缓冲区结构,以及相应的数据后台预取和更新策略,提高了教据提取效率.试验结果表明...     

车载LiDAR点云混合索引新方法

以车载LiDAR点云数据为研究对象,为提高点云数据的组织与管理效率,提出了一种全局KD树与局部八叉树相结合的混合空间索引结构—KD-OcTree。全局KD树通过分辨器、分割平面的确定,重构点云之间的邻域关系,确保索引结构的整体平衡; 在其叶子节点再构造二级索引结构—局部八叉树,避免了单一八叉树结构点云分布不均衡、树结构深度过大、出现大量无点空间等现象。以3个真实场景数据为测试数据进行试验和对比分析,结果表明,KD-OcTree混合索引不仅能够提高索引构建、邻域搜索的速度,还对分类可靠性产生一定影响。     

一种针对室内疏散的集成Hilbert曲线的R*树空间索引

基于位置的服务需要快速查询、插入和删除研究对象,这种需求在室内疏散相关的应用中被进一步加强,因此有必要引入空间索引优化针对室内空间对象的操作效能。在室内紧凑空间环境下,现有的空间索引效率较低,所以将R*树索引和Hilbert曲线相结合,提出了一种新型的集成Hilbert曲线的索引。将这种新型索引和标准R*树索引进行对比,结果表明,新索引能够显著提升多种空间操作效率。     

一种R树与格网结合的海量地铁隧道点云管理方法

为满足海量地铁隧道点云的高效处理需求,提出了一种R树与格网结合的海量地铁隧道点云管理方法。针对隧道点云的空间分布特点,在全局将大范围点云划分到格网中,并使用R树管理非空网格;在局部使用八叉树与四叉树混合的索引方法管理单个网格内的点云。为了提高点云的渲染效果,提出了基于网格面积的多细节层次结构（levels of detail,LOD）回溯构建方法,并采用高效的单文件存储方式存储点云。实验结果证明了所提出的方法在海量隧道点云的管理和可视化方面优于传统方法。     

一种面向矢量瓦片高效构建的空间索引方法

针对矢量瓦片在构建过程中对原始矢量数据源检索性能的不足,提出了一种基于改进网格与递归网格排序(sort-tile-recursive,STR)R-树的混合索引结构,用于提升对数据源的空间查询效率。该混合索引通过瓦片金字塔上下文信息改进了一级网格索引的查询方式,减少了查询过程中的空间比较。同时,使用STR R-树作为二级索引,有效减轻了因矢量数据空间分布不均衡所带来的影响,实现了二级查询优化。实验表明,对比数据库常用空间索引(如网格索引、四叉树索引、R-树/R*树索引),该混合索引对不同空间分布的矢量数据适应良好,能显著提高对矢量数据源的查询性能,加速瓦片的构建。     

基于改进聚类分裂的动态R-树实现方法

在R*-树的构建过程中引入聚类技术能够有效地提高索引的性能,传统的k-means聚类算法对初始值非常敏感,聚类过程较为复杂。基于此,文中提出一种改进聚类分裂的动态R*-树实现方法,在节点分裂的过程中引进聚类技术,对R*-树的基本结构加以改进,从而获得动态的结构重组。实验表明,动态R*-树以略高的构建开销换取较高的查询效率,大幅度提高索引树的空间利用率,在批量数据动态加载和处理等方面具有较高的实用价值。     

基于八叉树与KD树索引的点云配准方法

针对点云配准算法中KD树多维查询效率较低的问题,提出一种基于八叉树和KD树多层索引结构的点云配准方法。首先为模型点云数据建立八叉树全局索引,然后在八叉树叶子结点构建局部数据的KD树索引。对传统的ICP点云配准算法进行改进,通过叶子结点的全局索引值快速定位局部点云数据块,利用局部KD树索引加快最近点的搜索,计算最近点时利用欧氏距离阈值、点对距离差值和法向量阈值剔除部分噪声点。实验表明,改进算法提高了点云配准的效率和精度。     

并行R树空间索引中叶节点大小的确定方法研究

并行R树空间索引结构中叶节点的大小是影响索引效率的主要因素,其确定方法是并行R树索引结构性能优劣的关键。本文讨论并设计了一种多层并行R树空间索引结构,文中以系统的查询响应时间作为性能评估指标,给出了并行R树叶节点大小的确定方法,并通过实验验证了该方法的有效性和适用性,同时也论证了本文所设计的多层并行R树索引结构是合理的和高效的。     

一种集成R树、哈希表和B*树的高效轨迹数据索引方法

为兼顾时空索引方法的空间利用率、时间效率和查询种类,提出了一种新的轨迹数据索引方法——HBSTR树。其基本思想是:轨迹采样点以轨迹节点的形式成组集中管理,哈希表用于维护移动目标的最新轨迹节点,轨迹节点满后作为叶节点插入时空R树,另外采用B*树对轨迹节点构建一维索引,既有利于提升索引创建效率,又同时满足时空条件搜索和特定目标轨迹搜索等多种查询类型。为提升时空查询效率,提出了新的时空R树评价指标和节点选择子算法改进时空R树插入算法,同时提出了一种时空R树的数据库存储方案。试验结果表明,HBSTR树在创建效率、查询效率和支持查询类型等方面综合性能优于现有方法,支持大规模实时轨迹数据库的动态更新和高效访问。