2-level r-tree index based on spatial grids and Hilbert R-tree

IntroductionSpatial index is the data structure between spatialoperation algorithms and spatial data objects, and itis usually used to improve the efficiency of spatialdata operations. Spatial index is one of the funda-ment techniques to manage the spatia…     

基于Hilbert排列码与R树的海量LIDAR点云索引

本文分析当前索引方法存在问题,针对高效海量点云数据的要求,提出一种基于Hilbert码与R树的二级索引方法。论文阐述了二级索引的建立原理与方法,可通过聚类方法与R树度M值来的优化第一级索引;使用Hilbert R树作为第二索引,可以有效控制两级R树的高度,同时点云的增加与更新可只在局部进行。最后本文通过两组实验来验证该数据组织方法的可行性和跟其他索引(KD树与四叉树)进行比较,得出它是一种高效管理海量点云的方法。     

基于R树的分布式并行空间索引机制研究

为提高分布式并行计算环境下海量空间数据管理与并行化处理的效率,基于并行空间索引机制的研究,设计一种多层并行R树空间索引结构。该索引结构以高效率的并行空间数据划分策略为基础,以经典的并行计算方法论为依据,使其结构设计在保证能够获得较好的负载平衡性能的前提下,更适合于海量空间数据的并行化处理。以空间范围查询并行处理的系统响应时间为性能评估指标,通过实验证明并行空间索引结构具有设计合理、性能高效的特点。     

基于3D+-TPR-tree的点目标全时段移动索引设计

在经典3D R-tree基础上提出新的3D R-tree索引,通过改变待索引数据项的结构并重新设计查询处理算法,减少包容矩形死区,提高查询效率;为了满足全时段查询要求,设计一种称为3D -TPR-tree的联合索引结构,并对其中TPR-tree的参数包容矩形的调整算法进行优化。通过测试,证明3D R-tree的查询效率明显高于普通3D R-tree;此外,测试结果也表明经过优化的参数包容矩形的调整算法也部分提升了TPR-tree的查询性能。     

基于R树索引的三维场景细节层次自适应控制方法

针对大规模三维城市建模需要,介绍一种基于三维R树索引的多细节层次（简称LOD）管理方法,从叶节点层向根节点自动生成LOD场景,并设计实现LOD检索的算法。通过试验分析,证明本文的LOD定义参数能够定量控制三维场景中的渲染目标数目,进而实现三维场景的自适应可视化方法,尤其适合于建筑物和树木类型的地物目标。     

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...     

基于R树索引的三维可视化查询方法

针对应用日益广泛的最近邻查询,提出了一种基于R树广度遍历和优化排序原理的最近邻查询算法,能适应不同空间分布的目标数据集。同时,提出了多细节层次（LOD）目标查询方法。实验证明,此方法支持多尺度场景逼真描述,查询结果准确,满足当前三维GIS的功能需求。     

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。     

GIS空间数据索引技术研究与实现

GIS通常包含各种大量的空间信息,空间数据索引的建立有利于提高空间数据的存储、检索效率。因此,对空间数据索引模型的研究具有重要的现实意义。OracleSpatial的R-树和四叉树是索引两种空间数据索引模型和空间数据双层查询模型。在Oracle8i对象关系型的数据库管理系统中,通过空间数据和属性数据的有效结合,利用OracleSpatial提供R-树和四叉树两种空间索引方式,可实现GIS中空间数据索引、检索功能,保证了空间数据查询的快速性和准确性。     

基于改进RRT*算法的城市低空路径规划方法研究

随着无人机监测、巡查和测绘等低空技术得到广泛应用,低空长距离空中路径规划成为低空航空器应用面临的一个挑战。而传统快速扩展随机树（Rapidly-Exploring Random Trees/RRT）及其改进算法在大范围长距离低空三维空间下面临计算效率慢的问题,对此,本文提出一种带有R树空间索引的双向启发式RRT*算法,该算法在双向RRT*算法基础上为随机采样过程设置了启发函数,使得在面对狭小城市障碍物之间空隙时,能够避免局部最小值情况的出现。在此基础上为城市障碍物建立R树空间索引,减少了海量障碍物情况下碰撞检测的时间,提高了低空长距离空中路径规划效率。此外,为了得到更加符合无人机运动规律的路径,提高算法的实用性,在采样过程中设置转弯阈值控制转弯角度,并且对规划结果路径使用3次B-spline函数进行路径平滑。最后在武汉市三维城市场景中,利用武汉市建筑物数据进行了实验,实验证明相比已有算法,本文提出的带有R树空间索引的双向启发式RRT*算法相比较RRT算法和双向RRT*算法在500 m、 2000 m、 10 000 m不同距离下规划时间均降低了90%以上;采样次数相比RRT算法在不同距离下分别降低了51.6%、75%、86.7%,相比双向RRT*算法在不同距离下分别降低了20%、24.7%、57.3%;转弯次数相比RRT算法在不同距离下分别降低了77.3%、73.5%、78.3%,相比双向RRT*算法在不同距离下分别降低了37.5%、30.8%、16.8%;同时带有R树空间索引的双向启发式RRT*算法得到的结果路径长度相比其他2种算法也有缩短。该算法应用于低空长距离空中路径规划能够有效提高计算效率,降低规划时间,减少采样次数,缩短结果路径,减少转弯次数,丰富无人机的应用场景。