海图等深线自动合并方法研究

提出了一种Delaunay三角网支持下的等深线自动合并方法。首先提出一种避免进行地形特征分析的待合并等深线探测方法,用于自动探测待合并的等深线;其次,通过三角形筛选构建桥接区域,并对桥接区域进行扩展、填"孔"操作;接着,利用Delaunay三角网在曲线弯曲识别方面的优势,提取待综合的弯曲区域;然后,合并待综合弯曲区域和桥接区域得到待综合部分,利用图形对称差分运算得到合并结果;最后对合并结果进行光滑处理。实验表明,该方法能够自动正确地对待合并等深线进行探测,合并结果不仅能够满足航行安全,而且图形形态清晰、光滑。     

面状建筑物多层次骨架线提取方法

由于缺乏对凸部与建筑主体之间的层次关系描述,单个建筑物化简大多采用整体直角化方式进行,缺乏渐进式表达方法,难以实现对建筑物的多尺度、多层次逐步化简控制。针对该问题,提出了一种用于建筑物多层次表达的多层次骨架线构建方法。该方法首先通过构建Delaunay三角网提取建筑物内骨架线段,然后根据骨架线所关联的三角形面积识别得到主骨架线和次级骨架线之间的层级关系;最后对骨架线进行拉直处理。实验表明,该方法能够有效提取建筑物的多层次骨架线,较好地兼顾了建筑物的整体走向与局部形态特征,可为面状建筑物多尺度化简与表达提供支撑。     

基于图顶点深度聚类的建筑物合并方法

建筑物要素合并是大比例尺地图缩编过程中实现空间结构简化的重要手段。基于综合规则的合并方法难以同时顾及要素形态、分布等诸多特征,受预设算法参数影响大,综合过程缺乏灵活性。针对这一问题,本文提出了一种基于图顶点深度聚类网络的建筑物合并模型,利用Delaunay三角网构建建筑物群组表征图模型,结合自编码器与图卷积网络学习剖分三角形的几何形态、空间分布特征,采用自监督学习方式实现三角形的聚类与分类(保留、删除),最终在不依赖样本条件下实现建筑物要素端到端智能化合并。试验表明,该方法对预设合并参数依赖低,能同时顾及建筑物要素的形态与分布特征。合并过程具有一定灵活性,合并结果能较好满足地图可视化要求。     

基于特征边重构的建筑物化简方法

针对轮廓模糊建筑物多边形的化简问题,提出一种基于特征边重构的建筑物化简方法。该方法定义了建筑物的主方向和控制其整体结构的特征边,以保持建筑物的规则形态。首先利用统计加权方法计算建筑物的主方向,基于主方向对建筑物执行直角化操作。然后按照特征边的定义检测直角化建筑物的特征边,将特征边组合并抽象出几种局部结构,建立重组规则。最后通过判别特征边组合的空间关系,选择合适的结构重组规则来化简建筑物。结合真实数据进行多组试验,结果表明该方法有效还原了建筑物的直角特征,面积和形状保持良好,适用性强。     

顾及结构特征的建筑物图形迭代凸分解方法

针对建筑物图形,该文提出了一种结合其形态表达特点的迭代凸分解方法.该方法利用Delaunay三角网提取建筑物图形凹部层次化结构和骨架线定义图形节点凹度,并依据建筑物图形直角化和简洁表达的特点选取分割线迭代消除当前图形中凹度最大节点实现图形凸分解.实验结果表明,该文方法能有效实现带洞(或岛)建筑物图形的凸分解,结果符合视...     

利用三角网遮蔽检测进行真正射影像制作

针对传统正射影像建筑物倾斜、重影等问题,提出了一种基于三角网遮蔽检测的真正射影像制作方法。该方法以三角形为检测单元,通过对三角形进行视觉排序来进行遮蔽区域的检测;采用权值影像的方式,利用相邻影像的可见部分对遮蔽区域进行纹理修补,生成真正射影像。实验结果表明,所提出的方法能够准确地检测出影像遮蔽区域,生成的真正射影像完整、无遮蔽。     

多核处理器的机载激光雷达点云并行三角网渐进加密滤波方法

滤波是机载LiDAR点云数据处理的关键步骤之一,点云数据的海量化特性使得一般的串行化滤波处理方法无法满足快速成图的应用需求。提出一种基于多核计算技术的并行三角网渐进加密滤波方法,将串行方法中最耗时的三角网构建与脚点判别过程进行了并行化改造。三角网构建算法的并行化基于分治法实现,脚点判别算法的并行化采用一种随机分配策略将三角网划分为多个离散分布的三角形子集合来实现负载均衡。并行滤波方法在8核环境下多次渐进加密的实际加速比达到3.1左右。试验证明,该方法可以充分发挥多核计算优势,并且对不同分布形态点云数据具有良好的适应性。     

一种空间面数据宽窄特征判断方法

多样化的面状数据影响了其在地图制图、结构分析上的研究,特别是其宽窄细节问题。为此,提出一种空间面数据宽窄特征判断方法。首先,根据定义的3种定性方法从全局角度判断面状数据的宽窄特征;若无法从全局角度判断其宽窄特征,则在建立的Delaunay三角网的基础上,按三角形的邻接关系、宽窄三角形特征判断式和三角形类型聚类所有三角形,对面状数据的局部细节进行分类和调整;最后,对调整结果重新合并构面,得到面状数据宽窄特征的分割结果。经贵州省某区域图斑数据测试,结果表明,该方法可以在整体上判断出实验区域的狭窄面状数据以及局部上分割出的面状数据的宽窄细节。     

顾及居民地分布特征的建筑物分组合并算法研究

建筑物多边形分组合并是城市大比例尺地图综合中的重要问题。本文在建筑物群的约束Delaunay三角网空间剖分模型及目标间"视觉距离"计算模型研究基础上,以广州地区3种具有典型分布特征的建筑物群分组合并操作为研究对象,并基于"分而治之"的思想,分别提出不同处理方法。设计的算子兼顾了适用性和效率,在广州地区序列比例尺空间数据库快速构建中得到了成功应用。     

面状要素主骨架线自动提取算法研究

基于对Delaunay三角网和对其算法的改进,实现了面状要素主骨架线自动提取。改进了Delaunay三角网生成算法,使其能适用于较为复杂的面状要素的三角网的建立;提出了面状要素三角网边界区域存在的大量的小三角形的定义和处理小三角形的有效算法;以三角形为最小单位作为树节点,有效地建立了基于三角网的二叉树结构。实验验证了对目标主骨架线提取的有效性。     

基于二叉树思想的任意多边形三角剖分递归算法

提出了一种基于二叉树思想的任意多边形三角剖分递归算法。该算法采用二叉树思想，确定剖分三角形的二叉树状结构，并采用递归算法实现。这算法可适用于任意形状的凹或凸多边形，也适用于包含岛屿的多边形。此外，在考虑边界点高程的基础上，可充分顾及地形特征。该算法完全适用于长距离河流流域的三维面状表达。     

三维建筑的三角重剖分算法

三维建筑是三维地物的主体,是三维城市和三维G IS的重要组成部分。三角面是三维图形可视化的基础,三角面的数量决定了三维建筑的渲染速度。针对三维建筑物建模及综合过程中存在冗余三角面的问题,本文提出了一种主要应用于三维综合的三角剖分算法。该算法包括两部分:基于邻面搜索的轮廓构造算法和任意多边形的剖分算法。实验证明此算法可实现大部分三维建筑的重剖分,其应用也可延伸到其他领域。     

多因子影响的地图居民地自动聚群与综合研究

提出了地图综合目的的居民地聚群需要遵循Gestalt的邻近性、相似性和方向性原则,描述居民地结构、形态及其关系需要6个因子,即居民地间的距离、可视区域面积、大小相似度、形状相似度、方向关系、居民地内部方向;进而运用这些原则和因子,给出了居民地的自动聚群和综合方法.     

地图目标群间骨架线提取的算法研究

基于Delaunay三角网提取的骨架线是地图综合中广泛应用的一种空间剖分结构。改进了一种基于约束Delaunay三角网的地图目标群间骨架线提取算法,从程序设计的角度详细描述了算法的数据结构和控制流程。按照三角网中三角形包含约束边的数目,将三角形分为0、1、2、3四类,将0类、2类和单连通的1类三角形视为骨架线追踪的起点或终点,将双连通的1类作为中间通道,对整个三角网进行遍历。针对三角网中的环路、3类三角形等特殊情况,在改进的算法中提出了相应的处理方法。该算法成功地用于等高线的内插和街区地图目标群的邻近分析,验证了算法的可行性和健壮性。     

Delaunay三角形构网的分治扫描线算法

Delaunay三角网作为一种主要的DTM表示法,具有极其广泛的用途。基于分治算法和逐点插入法的合成算法是目前研究较多的用于生成Delaunay三角网的合成算法。简要介绍和评价扫描线算法和分治算法后,提出一种新的基于这两种算法的合成算法。该方法兼顾空间与时间性能,稳定性较高,分别较扫描线算法和分治算法,运行效率和鲁棒性更优。     

基于Delaunay三角网的等高线骨架提取算法

根据等高线数据直接建立不规则三角形网络模型往往会在山顶、山底、山脊和山谷等特殊地区出现＂平三角形＂,导致模型失真。文中基于Delaunay三角网,通过对＂平三角形＂的处理,提取骨架线,并结合地形特征估计其高程值。实验证明该算法能够有效地提取各种地形骨架线,对于建立逼真的数字地面模型和进行数字地形分析具有重要应用价值。     

Delaunay三角网约束下的影像稳健匹配方法

影像匹配是数字摄影测量和计算机视觉领域的关键问题。本文主要研究基于Delaunay三角网约束下的稳健影像匹配方法。首先利用Delaunay三角网对随机初始匹配点进行组织,构建分布均匀、结构稳定的局部连接关系;其次利用线段描述子和空间角度顺序建立了局部辐射和几何约束模型,并将粗差剔除问题转换为分析Delaunay三角网和对应匹配图的相似性问题;然后利用对应三角形局部约束实现匹配扩展;最后在分层策略和交叉验证策略下实现稳健影像匹配。利用3组数据集进行大量的匹配试验,结果表明本文的匹配算法即使在高外点率下依然能够实现稳健粗差剔除,得到高精度的影像匹配结果。     

基于边优先的任意多边形最优三角剖分

针对现有多边形三角剖分算法不能同时兼顾算法的简单有效性、适用性以及剖分三角网质量的问题,提出一种基于边优先的任意多边形最优化三角剖分算法:首先直接对多边形的边进行构网,最后再对生成的非约束边进行构网,最终完成整个多边形的三角剖分。剖分得到的三角网为约束Delaunay三角网,网形稳定、最优,算法简单,执行效率较高,且适用于任意复杂多边形。实验证明了该算法的合理性和有效性,较好地解决了现有多边形三角剖分算法存在的问题。     

Delaunay三角网内插多边形算法研究

针对Delaunay三角网内插多边形的实用性,提出了一种Delaunay三角网快速内插多边形算法,该算法先将多边形的边作为约束数据入网,然后对多边形内部三角形进行清空处理。在影响区域及多边形内部三角形确定上,提出了一种快速解决方法,大大提高了算法的执行效率。