顾及Gestalt邻近与简化原则的平面点集形状重建

针对经典Delaunay三角网平面点集形状重构方法存在的经验参数确定和容易出现不符合实际情况的碎洞问题,提出了一种顾及Gestalt邻近与简化原则的Delaunay三角网平面点集形状重构的算法SRGT。首先根据邻近性原则,采用双极差粗差探测技术来识别和定位Delaunay三角网中的极长边,逐步细化三角网中的内外边界;然后基于简化性原则,将形状重构的碎洞优化转化为粗差探测问题,并利用3σ粗差探测原则来实现碎洞的剔除。采用模拟与真实数据验证了本文算法的有效性。与4种经典算法(α-shape、χ-shape、边长比约束法以及■RGG)进行对照试验,表明本文算法的优越性。模拟数据表明SRGT在面状点集为均匀或随机分布时,无须设置先验参数即可有效提取复杂形状的内外边界,并且L²误差范数值明显低于其余4种方法。真实案例的试验结果也表明本文算法在工程实践中具有良好应用效果。     

顾及Gestalt邻近与简化原则的平面点集形状重建

针对经典Delaunay三角网平面点集形状重构方法存在的经验参数确定和容易出现不符合实际情况的碎洞问题,提出了一种顾及Gestalt邻近与简化原则的Delaunay三角网平面点集形状重构的算法SRGT。首先根据邻近性原则,采用双极差粗差探测技术来识别和定位Delaunay三角网中的极长边,逐步细化三角网中的内外边界;然后基于简化性原则,将形状重构的碎洞优化转化为粗差探测问题,并利用3σ粗差探测原则来实现碎洞的剔除。采用模拟与真实数据验证了本文算法的有效性。与4种经典算法（α-shape、χ-shape、边长比约束法以及∂RGG）进行对照试验,表明本文算法的优越性。模拟数据表明SRGT在面状点集为均匀或随机分布时,无须设置先验参数即可有效提取复杂形状的内外边界,并且L²误差范数值明显低于其余4种方法。真实案例的试验结果也表明本文算法在工程实践中具有良好应用效果。     

潜在连接点集下拓扑推进三维建模算法研究

通过三维激光扫描仪可以获取到表示空间对象的点云数据。通过设置仪器的采样间隔可以获取到表示对象不同精密程度的点集。但是由于离散点之间缺乏相应的拓扑关系,限制了以点为基本图元的模型的应用。以空间离散特征点集为研究对象,研究了一种三维建模算法。算法基于距离较近的点之间比距离较远的点之间存在拓扑连接的可能性更大的前提,对点集进行预处理,然后在此基础上进行快速建模,最终获取到以三角形为基本面片的格网模型。所建立的模型易于进行各项空间分析和操作。该算法也能够有效地应用于更为复杂的建模任务中,以达到一体化建模的目的。     

Web环境下三维复杂模型的简化与可视化方法研究

大规模三维模型数据传输和可视化是面向Web的3D GIS应用的关键技术之一。而三维复杂模型较大的数据量和有限的网络带宽又制约着大规模三维模型传输和可视化的发展。文中结合三维模型简化技术与渐进式传输可视化技术,以电力杆塔模型的简化和传输为例开展研究,并利用Cesium平台进行模型可视化,通过实验对该方法进行验证。结果表明,该方法简单、实用,模型传输和渲染效率显著提高,不同分辨率模型之间切换顺畅,使复杂精细的三维模型脱离了专业平台的束缚,在Web环境下的应用更加便捷和高效。     

用图论方法生成控制网条件路线集的研究

本文应用图论的方法分析了控制网拓扑结构，提出了自动组成控制条件集的方法。首先介绍了控制网与图的转换关系，然后给出生成条件集的遍历方法和对条件集的优化措施。最后讨论了为生态极条件和基线条件对三角网三边网线图化的一种拓扑变换方法。     

基于相似特征点集的SIFT匹配改进算法

当影像中存在相似或重复场景时,传统SIFT匹配算法存在匹配成功率低,目前改进的SIFT匹配算法计算量大。基于相似特征点集的SIFT匹配改进算法,依据相似性或重复场景的影像纹理特点,在SIFT特征点匹配过程中,通过设定阈值提取初始同名点,建立针对未成功匹配参考特征点的相似特征点集,利用已获取初始同名点建立仿射几何约束模型构建参考特征点的匹配约束窗口,在该窗口内利用特征点相对主方向及尺度约束,对特征相似点集进行匹配获得同名点,最后采用RANSAC算法剔除误匹配点。对比实验结果表明,在影像像对间存在较多相似性场景,同时存在较大尺度缩放、旋转变换、视角及模糊差异的情况下,文中算法在匹配成功率和计算复杂度上具有明显的优势。     

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。     

三维散乱点集Voronoi图快速生成算法研究

提出了一种高效的三维散乱点集Voronoi图的生成算法。该算法采用点-面-体数据结构存储Voronoi单元,初始化首点Voronoi单元,通过单元分裂与单元重组快速生成新增点的Voronoi单元,并完成其相邻单元的维护。实验证明,该算法可快速准确地生成任意三维散乱点集的Voronoi图。基于该算法可有效地解决逆向工程中三维散乱数据点拓扑近邻的快速准确查询问题,对产品模型的曲面重建具有重要意义。     

一种平面散乱点集的自适应空间划分算法

针对平面散乱点集空间划分问题,提出了一种基于栅格统计的自适应空间划分算法。以栅格场为辅助手段为散乱点集建立空间索引,即判断各点与栅格的归属关系;统计各个栅格内包含点的数量;以栅格为基本统计单元对空间进行划分。划分过程中借助了二叉树结构,同时引入迭代次数作为划分终止的参数。该方法可灵活地将点集划分为数据量相对均衡的若干组,且各组的空间范围较合理。实验与分析表明,该算法具有较高的计算效率,也不需占用太多额外的存储空间。     

使用安置参数优化的无人机点云与影像精配准

针对现有的无人机激光点云与影像配准方法主要基于仿射变换建立点云与影像之间的配准模型,无法描述激光点云与影像之间的复杂变换关系问题,该文提出一种基于安置参数优化的无人机激光点云与光学影像精确配准方法.以相机安置参数为优化参数,以归一化互信息作为点云特征影像与光学影像之间的相似性测度,采用改进Powell算法作为优化策略,获得最优配准参数,实现无人机激光点云与无人机影像之间的精确配准.基于实验数据与现有两种配准方法进行精度对比.实验表明,基于相机安置参数优化的配准方法优于两种常规配准方法,可以实现无人机激光点云与光学影像之间的自动化配准,并达到像素级的配准精度.     

3维建筑综合中基于最小特征的面平移算法

城市建筑的形态多种多样,其中平行结构建筑是城市中最为广泛的一类.随着3维数字城市模型的广泛应用,对于此结构建筑综合方法的研究越来越多,其中化简方法的实现是综合的重点和难点问题.面平移算法是当前平行结构建筑化简所采用的主要方式,此处采用最小特征作为面平移的基础实现了平行结构建筑化简的面平移算法,通过实验对该算法进行了验证,并从化简过程、化简结果和不确定性3个方面将此算法与基于最短距离的面平移算法进行了详细的对比和分析.     

3维建筑综合中基于最小特征的面平移算法

城市建筑的形态多种多样,其中平行结构建筑是城市中最为广泛的一类。随着3维数字城市模型的广泛应用,对于此结构建筑综合方法的研究越来越多,其中化简方法的实现是综合的重点和难点问题。面平移算法是当前平行结构建筑化简所采用的主要方式,此处采用最小特征作为面平移的基础实现了平行结构建筑化简的面平移算法,通过实验对该算法进行了验证,并从化简过程、化简结果和不确定性3个方面将此算法与基于最短距离的面平移算法进行了详细的对比和分析。     

基于三次参数样条的等高线点加密算法

分析了DXF格式结构中各组码段与对应代码段的含义及关系特点,实现DXF文件的读写,并根据提取地形图中等高线的信息,利用Visual C++编写三次参数样条自动实现对等高线进行点加密算法。通过实例验证,该算法可保证等高线原始趋势不变,特别是出现大挠度等高线时,对等高线进行点加密,能保证地形图的准确性,提高工作效率。     

基于可见性预处理的地形模型视相关简化算法

提出了一种基于可见性预处理的点删除简化算法。该算法针对海量地形数据,首先建立了高效的空间索引系统,利用这一索引系统快速完成了视锥截取、背面剔除和隐藏面消除等可见性测试,再对预处理后的网格模型依据顶点曲率大小进行点删除简化。实验表明,采用可见性预处理可大大提高绘制速度,并且绘制帧速率基本独立于模型的复杂度。     

一种基于遗传算法的曲线化简方法

提出一种基于遗传算法的曲线化简方法。根据曲线化简问题的特点,设计了保证有效的交叉算子和局部寻优的分裂变异算子;针对固定遗传概率容易引起早熟的问题,设计了可根据个体适应度及种群整体状态自适应调节的遗传概率。试验证明:与传统化简方法相比,该方法能得到更优的化简结果;与基于现有典型遗传算法的曲线化简方法相比,该方法具有更好的全局收敛性。     

基于约束点的曲线一致性化简

详细探讨了基于平面上的特征约束点(无论在曲线上还是在曲线外)的曲线化简,并针对各种情况提出了一致性化简的方法。     

平行结构三维建筑化简中基于最短距离的面平移算法

从三维建筑的数据组织入手,提出了一种适于综合的数据结构,从平行结构建筑的正交化处理、平面结构的引入和特征信息的获取三个方面分析了建筑的结构化方法;根据可视化需求,将建筑LOD分为三个层次,在此基础上,以最短距离为指标实现了平行结构建筑的面平移化简算法。实验证明,该算法具有较高的效率和较好的通用性,对于平行结构建筑几何特征的化简具有良好的效果。     

基于顶点单位法向量法的模型简化算法研究

提出了改进的基于顶点视觉重要度的模型简化算法,该简化算法在顶点视觉重要度的计算中采用了顶点单位法向量法,目的是使处于平面内的顶点优先进行简化,从而使模型视觉尖锐的地方得到了很好的保持。在边折叠时,采用狭长三角形最大最小角方法及边角和法,增加模型的逼真性。最后,通过与QEM简化算法比较得出,本文简化算法较好地保持了模型的视觉特征,模型数据存储量也有大幅度减少,并缩短了简化时间。     

基于蚁群优化算法的线状目标简化模型

基于蚁群优化算法的基本原理,分析线状目标简化过程中所需满足的约束条件,建立具体的算法设计模型,并引入长期禁忌表和局部搜索策略以提高算法的运算效率,给出解题的关键步骤。最后对该算法进行测试,简化结果表明将蚁群优化算法用于线状目标的简化,能较好地保持线状目标的几何形状特征,在顾及长度偏差和矢量偏差的同时有较高的压缩率。与道格拉斯算法简化结果对比表明,在相同的几何限差内蚁群优化算法所得目标函数值更佳。     

非线性模型参数估计的大洪水解算方法

直接搜索算法作为非线性模型参数估计的一种求解方法,具有无需求导,适用范围更广的优点,因而成为近年来的研究热点。将大洪水算法作为一种新的直接搜索算法引入到非线性模型的参数估计中,并以实例进行了计算分析,结果表明:大洪水算法是一种简单有效的非线性模型参数估计的直接搜索解算方法,不但在算法性能上表现优越,而且解的搜索不依赖于初值,能以较大概率收敛到全局最优解,是一种值得推广的直接搜索算法。