Delaunay三角网关键技术探讨

利用计算机技术,基于实际测量数据,利用逐点插入法,在不建立格网索引的情况下,提出一种高效的Delaunay三角网构建方法,与建立格网索引法搜索点所在的三角形相比,具有较高的执行效率.     

基于格网和方向法索引的Delaunay三角网生成算法

Delaunay三角网在地形表达、表面对象重建、数字城市等GIS领域有着广泛的应用。常见的三角网构建算法中的逐点插入法算法简单、灵活,但是其效率受查找三角形的约束。文中提出一种用虚拟格网索引和方向法相结合的方法,改进对三角形的索引、对点定位的算法,能有效提高构建三角网效率。通过实验证明,这种方法对计算机硬件配置要求较低,且效率高,构建Delaunay三角网的效果好。     

基于格网和方向法索引的Delaunay三角网生成算法

Delaunay三角网在地形表达、表面对象重建、数字城市等GIS领域有着广泛的应用。常见的三角网构建算法中的逐点插入法算法简单、灵活,但是其效率受查找三角形的约束。文中提出一种用虚拟格网索引和方向法相结合的方法,改进对三角形的索引、对点定位的算法,能有效提高构建三角网效率。通过实验证明,这种方法对计算机硬件配置要求较低,且效率高,构建Delaunay三角网的效果好。     

基于Arcobjects的约束Delaunay三角网支持下的土地利用图斑综合

关于以约束Delaunay三角网剖分模型为基础的地图综合的研究,已经有了很多成熟的算法理论,但在应用中这些模型算法建立的约束性Delaunay三角网都比较复杂,并且在动态更新上,这些模型在实际应用中存在一定的困难。基于此问题,本文提出了以地类图斑多边形为数据源,利用Arcob jects建立TIN模型,从中获取内部约束性Delaunay三角网并提取骨架线,利用骨架线进行剖分多边形,达到图斑多边形融合的目的,来解决大比例尺到小比例尺数据转换中地类图斑的制图综合问题。     

Delaunay三角网中任意约束线段嵌入算法研究

约束Delaunay三角网在地理信息系统、地学分析、表面对象重建、数字城市、虚拟现实等领域有着广泛的应用.约束线段嵌入是解决由Delaunay三角网转变为约束Delaunay三角网的一种有效的方法.本文重点研究约束线段嵌入Delaunay三角网的问题,通过分析约束线段与原三角网之间的关系,给出各种情况的约束线段的预处理方法,以迭代算法为基础,描述了任意约束线段嵌入Delaunay三角网的过程.     

球面Delaunay三角网的透视投影算法

为解决球面Delaunay构网中的拼接问题,顾及球面数据的位置特点,提出了利用透视投影模型将球面构网整体平面化的算法,其核心是置投影中心于球面,通过球面位置(x、y与z坐标)共同约束,进而构成球面与投影平面位置间的一一映射。实验结果表明,此算法具有有效性及通用性,其时间复杂度取决于所采用的平面Delaunay三角网构建算法。     

Delaunay三角网的并行构网算法

针对传统的Delaunay三角网的并行构建算法负载均衡性不高、运行效率较低等问题,该文在综合逐点插入算法和分治算法各自优点的基础上,提出了一种Delaunay三角网并行构建算法。该算法首先使用动态格网剖分点要素集,从而得到若干点要素子集;然后根据点要素子集数量初始化线程池,每个点要素子集由一个线程按照插入点法构建Delaunay子网;当所有线程完成子三角网构建,最后使用逐点插入法合并所有子网,从而实现所有点要素的Delaunay三角网构建。分析与实验结果表明,相对于传统的并行算法,该并行算法的负载均衡性好、运行时间少、加速比高,具有较好的构建效率,而且构建结果满足Delaunay规则。     

基于Delaunay三角网的等高线树生成方法

研究如何利用Delaunay三角网构建等高线树,提出一种新的等高线树生成方法。该方法充分利用Delaunay三角网在领域分析中的优势,通过两次利用Delaunay三角网来判明等高线的空间关系进而达到统一被图廓截断的等高线以生成等高线树的目的。本文将等高线作为约束边构建约束型Delaunay三角网,利用Delaunay三角网查找具有邻接关系的等高线,在此基础上结合邻近等高线的高程关系判明、识别,最终统一被截断的等高线;然后对统一后的等高线再次利用Delaunay三角网查找具有邻接关系的等高线对,利用等高线对的高程关系判断出其为父子关系或兄弟关系,据此将等高线插入到相应的位置,逐步生长成等高线树。同时给出了基于Delaunay三角网的等高线树生成方法的算法设计及试验结果。     

约束Delaunay三角网生成算法研究

对约束Delaunay三角网的构建算法进行研究,并提出一种约束Delaunay 三角网生成算法,它充分利用分治算法与生长算法的优点,对离散点、构网中实时生成的边及三角形采用分块进行网格索引,有效地减少了搜索目标点、边及三角形的时间,从而提高构网速度.     

利用点角改进Delaunay三角网生长算法

分析常规三角网生长算法的优缺点,提出点角概念,在生成Delaunay三角形的过程中,逐步缩小离散点的搜索范围,克服常规算法时间效率低的缺点。构网过程中,完全遵守Delaunay三角网的剖分准则,验证算法的稳定性和高效性。     

TIN建立及其向GRID转换优化算法

由于直接利用大区域等高线矢量数据建立不规则三角网（ＴＩＮ） 的复杂性, 目前还没有一个很有效算法。文中论述了利用大数据量等高线离散点集建立Ｄｅｌａｕｎａｙ 三角网的方法, 提出并实现了一种由ＴＩＮ 向ＧＲＩＤ 转化优化算法, 最后通过实验证明其正确性和有效性。     

规则格网DEM内插精度与效率分析

规则格网DEM是DEM的主要表示方式，应用最为广泛，影响DEM质量的关键因素便是内插过程，包括内插精度和效率两个方面。现有的诸多规则格网DEM内插方法基本都不能兼顾内插精度和效率，很大程度上制约了DEM的生产。本文在分析已有方法的基础上，提出了基于Delaunay冲突区域搜索策略的TIN内插规则格网DEM方法，并以实验对该方法进行验证和分析。实验结果表明文中所提方法对规则格网DEM内插精度与效率行之有效。     

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。     

不规则三角网的几种数据结构及其存储机制研究

在比较分析了TIN的几种常见数据结构的基础上,针对TIN拓扑查询与搜索问题,提出了另外几种强调边拓扑信息的TIN数据结构,根据拓扑关系的表达方式可以将它们分为内存索引式结构、数组索引式结构及二者的混合结构,并给出了这些数据结构的多种序列化存储方式:数组索引直接存储、对象ID存储法、PythoncPickle存储、对象内存地址的存储法。研究比较发现数组索引直接存储的数据占用空间最少,对象ID存储法和对象内存地址存储法的二进制方式占用空间相同,Python cPickle只适合于极小规模的TIN数据的存储。对基于不同数据结构的TIN模型构网效率测试表明,不包含边信息的结构的构网效率最高,含有边信息的结构中采用数组索引表示拓扑关系的构网效率最高。研究结果将对TIN模型的软件实现具有理论及应用价值。     

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。     

Delaunay三角化中特征约束细分嵌入算法

在Delaunay三角化中,以在特征约束上插入附加点的方式对特征约束细分,可使剖分网格在表达特征约束的同时仍满足Delaunay三角网格特性。本文提出了一种改进的细分嵌入算法——端点外接圆法(ETCM),该算法具有线性时间复杂度。以剖分结果的稳定性、附加点个数、运算耗时和网格质量为评价标准,对ETCM和现有的细分嵌入算法进行了评估。实验结果表明,在运算耗时方面,ETCM受数据分布的影响最小,且耗时最少;在其他方面,与现有算法的最好表现持平。     

基于等高线构建TIN模型的平三角形修正算法

设计了一种平三角形修正算法来修正TIN模型中可能出现的平三角形区域.该算法通过对由平三角形组成的区域进行分类,并针对不同的平区域采用交换边、增加点甚至不处理的修正方法,同时对由于等高线数据错误产生的一些特殊情况进行了分析处理.实验结果表明,该算法能够去除约束型狄洛尼三角网中所有应修正的平三角形,并生成对地形描述更为精确的三角网.     

基于等高线构建TIN模型的平三角形修正算法

设计了一种平三角形修正算法来修正TIN模型中可能出现的平三角形区域。该算法通过对由平三角形组成的区域进行分类,并针对不同的平区域采用交换边、增加点甚至不处理的修正方法,同时对由于等高线数据错误产生的一些特殊情况进行了分析处理。实验结果表明,该算法能够去除约束型狄洛尼三角网中所有应修正的平三角形,并生成对地形描述更为精确的三角网。     

基于C4.5算法的道路网网格模式识别

道路网模式的识别对于地图综合、数据匹配和空间分析具有重要意义。网格模式是道路网中的典型模式之一。本文提出一种基于C4.5算法的网格模式识别方法。该方法以道路网中的网眼多边形为基本单元,根据上下文关系将其标识为属于网格模式和不属于网格模式两类。首先采用形状参量和关系参量描述网眼多边形,然后,基于决策树C4.5算法分别对5维参量和3维参量构造分类器,运用10折交叉验证获得具有说服力的结果,其Kappa值分别为0.63和0.66,正确率分别为81.7％和82.9％,置信度90％的置信区间分别为[0.785, 0.846]和[0.797, 0.857]。在新数据上进行了识别效果的验证,结果表明该分类器可用于网格模式的识别。研究试图将传统模式识别和数据挖掘的理论方法应用于空间问题的解答中。