初始凸包对改进快速凸包算法效率的影响

针对目前众多采用了改进的快速凸包算法对给定的平面海量离散点集生成凸包的文献中,没有明确指出其初始凸包的形式(四边形或八边形)对算法效率的影响的问题,该文对凸包的生成过程进行了深入分析,并进行了大量的实验。通过比较这些实验的结果,发现以四边形或八边形作为初始凸包均能有效地提高算法效率,但在相同的条件下,以八边形作为初始凸包时,并不能将算法效率进一步提高,与以四边形作为初始凸包相比,其实际的执行效率不升反降。实验结果表明以四边形作为初始凸包时算法效率最佳。     

一种栅格辅助的平面点集最小凸包生成算法

针对平面点集的最小凸包生成问题,提出一种栅格辅助的算法,预先剔除那些不可能成为凸包顶点的点,从而提高算法效率,算法的时间复杂度可近似达到O(n),最坏时间复杂度与Graham扫描算法相同。试验表明,随着行列数的增加,计算效率先快速递增,随后逐渐减小;当栅格行列数取值为总点数的平方根时,剔除比接近最大值,算法执行效率亦相对较高。     

坐标排序的离散点凸包生成算法

针对传统的凸包生成方法在数据量较大情况下效率下降明显的问题,该文提出了一种基于平面离散点快速生成凸包算法。基于凸包边界单调性对平面点集分区域按X轴方向排序的方法,较好地减少了传统凸包生成算法的计算量,实现了凸包求取的高效性。实验结果表明:该算法不仅可以快速有效地生成凸包,还能够保证结果的准确性,且效率较高。     

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。     

基于改进凸包算法的树冠轮廓点提取与体积计算

针对城市中树木数量多、树冠结构复杂、形态多变、难以测量等特点,为解决传统凸包算法在提取树冠轮廓时误差较大的问题,并实现树冠轮廓点提取和树冠体积自动计算,提出迭代渐进的凸包算法。以三维激光扫描仪获取的点云为原始数据,基于所提出的算法获取树冠轮廓点,结合格林公式及不规则台体体积法计算树冠体积。为验证算法的准确性,采用人工交互的方式提取树冠外轮廓点计算树冠体积,以此为参照对迭代渐进的凸包算法进行相关性与均方根误差的验证,并将该算法分别与几何体模型法、体元模拟法、Graham扫描线法计算的树冠体积进行对比分析,结果表明,迭代渐进的凸包算法计算出的树冠体积更接近于树冠的真实体积,为树冠信息的精细提取与建模提供一种新的方法。     

2维空间数据最小凸包生成算法优化

最小凸包是计算机几何中得到广泛研究的问题之一，在地理信息系统中也有着广泛应用。探讨了1种较为常用的最小凸包生成算法，提出点集分组计算和动态删除判定点的方法以提高算法的执行效率，并结合实例分析了算法的运行效率与凸包形态、分组子集的大小之间的关系。     

基于二叉树的散乱点集快速凸包算法

在右壳树和左壳树概念的基础上,提出了基于二叉树的散乱点集快速凸包算法,它在查找每一个凸包顶点的同时,通过去除若干非凸包顶点来迅速、动态地减小散点集的规模,通常情况下能达到线性时间复杂度。算法省却了凸包顶点间连接关系的判断过程,适用于任何复杂的散点分布情况,并且简单,易于实现。     

一种新的空间凸多面体的生成算法

在计算机图形学中的平面凸多边形的生成算法的基础上,针对点数较多的空间点集,提出一种基于坐标极值法的空间凸多面体的生成算法。该算法可以快速地计算出给定的空间点集的最小凸多面体,输出组成该多面体的顶点和面的集合(凸包),是求解空间的最小覆盖问题的一种新的方法。该算法已应用到古建筑的3维建模中,证明了该方法的有效性和实用性。     

利用初始包容壳求二维点集凸壳的自适应算法

二维点集凸壳应用广泛,算法较多,但实现较为复杂。虽然"利用正负划分性求平面点集凸包的最优算法"[1]计算准确,计算过程中只用到加、减、乘和比较运算,时间复杂性低,但存在极值点分布情况不全面及分情况处理的局限。为弥补这些不足,首先从分析凸壳的3~8个基本极值点出发,将补全后的分布情况融入初始包容壳中;然后详细给出一种经过完善的追踪凸壳的新算法。该算法继承了文献[1]算法的优点,不仅考虑全面,而且化繁于简,并可应用于三维点集。该算法是一种自适应算法。     

GIS中空间数据最小凸包串行算法的改进

针对传统最小凸包算法无法快速处理数据量较大的空间数据这一不足,该文通过分析最小凸包的性质,对传统的最小凸包串行算法进行改进,以提高最小凸包的构建效率。首先将空间点群分为绝对凸包顶点、可能凸包顶点、绝非凸包顶点三类,然后将大量的绝非凸包顶点剔除,仅仅判断可能凸包顶点中哪些点是构成最小凸包的顶点,最终和绝对凸包顶点构成所需要的最小凸包。通过对比分析,该文改进的方法原理正确,在遍历点的数量上较传统串行算法具有明显的优势,算法执行效率较高。     

一种三维凸边界生成算法

给出了一组空间离散点三维凸边界的定义,提出了基于八叉树的空间分块索引方法。在此基础上发展了一种生成三维凸边界的算法,并利用实验对算法进行了验证。     

带有边界条件的Delaunay三角网生成算法的研究与实现

Delaunay三角网是构建数字地形模型的主要途径,凸壳是构造Delaunay三角网的基础,一般的凸壳构造方法找到的凸壳为最少点的多边形,但也有多点在一条边界边上的情况。在Delaunay三角网生成算法的基础上,提出了一种新的查找凸壳的算法并导出了带有边界条件的Delaunay三角网生成算法。通过实际数据的测试,表明该算法是有效的。     

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。     

凸壳原理在点群目标综合中的应用

对聚焦分布的点群，借助凸壳算法形成多层嵌套，以反映它的逐层分布特征，为点群目标的２经选取提供整体分布控制，借助ＶＯＲＯＮＩ图各个特体的区域性评价提供补充性的量化依据。综合过程分为两个子过程：凸壳层的合并和多边形折线顶点的综合。     

基于凸包算法和抗差最小二乘法的激光扫描仪圆形标靶中心定位

针对激光扫描仪圆形平面标靶点云数据缺失或冗余时不易准确获取标靶中心的问题,提出一种稳健的中心定位算法。首先根据回光强度提取标靶点云数据;然后剔除标靶点云数据粗差点,拟合标靶的最佳平面;接着利用凸包算法提取标靶边缘点;最后利用抗差最小二乘求解标靶的中心坐标。实验表明,该算法定位精度能达到亚毫米级,可以有效解决标靶数据缺失或者冗余时标靶定位精度低的问题,提高标靶的中心定位的稳健性。     

GIS中点集凸包的快速算法

对文献[1]的划分算法的时间复杂度进行理论分析,指出它的不适用范围.提出了一种计算凸包的O(n)的算法.     

利用车载点云数据构建建筑物立面窗户模型

采用车载LiDAR数据进行窗户模型构建是一项艰巨的工作，本文提出了一整套窗户模型构建方法。首先利用RANSAC算法对建筑物立面进行探测分离主墙面，基于空洞思想对主墙面窗户进行聚类，然后采用动态椭圆凸壳算法探测窗户边界轮廓点。对获取窗户边界点采用RANSAC算法进行分割，采用基于稳健整体最小二乘算法进行直线拟合和角点恢复，最终结合窗户的几何特征完成窗户模型构建。试验结果证明了该方法能够准确有效地构建建筑物立面中的窗户模型。