复杂性 复杂性 1099 - 0526 1076 - 2787 Hindawi 10.1155 / 2021/8156630 8156630 研究文章 边界为一个复杂的平面点集构造算法 https://orcid.org/0000 - 0002 - 7130 - 7937 廖 Zhenxiu https://orcid.org/0000 - 0001 - 9545 - 5160 史 国栋 程ydF4y2Ba 慧华 土木工程学院 安徽大学学报 合肥 安徽230601年 中国 ahjzu.edu.cn 2021年 18 6 2021年 2021年 14 4 2021年 12 5 2021年 20. 5 2021年 18 6 2021年 2021年 版权©2021 Zhenxiu辽和成国栋史。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

很难提取复杂平面的边界点与非均匀分布的点密度,凹信封和漏洞。为了解决这个问题,本文提出了一种算法。德劳内三角测量的基础上,介绍了最大边界角阈值作为参数的提取的边界。然后,重点介绍了松动阈值,和边界提取等地方进行凹信封和漏洞。最后,完成整个点集的边界的结果。验证了该算法的有效性通过实验模拟的点集和实际测量的点集。实验结果表明,它有更广泛的适用性和有效性在工程应用中比最先进的基于德劳内三角测量边界构造算法。

 安徽教育部门的自然科学研究项目 KJ2018JD04 科技项目安徽省住房和城乡建设 2020 - yf23 安徽大学的自然科学研究项目 KJ2020JD01 1。介绍

基本空间数据点集,表示物体的形状。GNSS调查中,三维激光扫描、航空摄影、航空航天遥感技术生产大规模数据点集。这些数据的准确和高效的处理是一个挑战建筑信息模型(BIM),地理信息(GIS)、遥感(RS)、计算机信息技术(IT),计算机辅助设计/制造(CAD / CAM)和其他相关领域( 1]。点集的边界信息由离散点代表原始轮廓测量对象的特性。的快速和高效的建筑边界离散点集的信息基本空间数据处理的关键,在GIS-related领域中扮演着很重要的角色,如地理边界的决心( 2, 3)、建筑轮廓提取( 4, 5),地图概括( 6, 7)、统计图形区,和道路土方体积的计算 8, 9]。真正的对象是不同的物理形状,可以是简单或复杂的。这表明边界点集用于数字代表对象的外形也多样和复杂。这个边界的复杂性体现了以下四个问题:(1)的有效组织空间关系(几何、拓扑)的点;(2)非均匀分布的点密度;(3)准确表达信息的边界形状(凹面和凸面);和(4)的内部多孔的问题。这些都是要面对的主要问题复杂的平面点集的边界建设。

目前,两种算法主要是利用构造平面点集的边界点集的算法基于凸包的算法基于德劳内三角的点集。前( 10- - - - - - 12]从点集的凸壳多边形构成和使用不同的收缩算法获得的边界特征点集,可以处理非均匀分布的点集和点集与凹信封地区在特定条件下。这种算法的最大缺点是它不能处理内部多孔的问题。后者必须首先构建德劳内三角测量。然后,提取相应的边界三角形,边界线段,或边界点基于三角测量的几何特征来表示真实对象的轮廓特征。雕塑的算法( 13)和α形状算法( 14)是这类算法的主要代表。雕塑的关键算法和改进算法等<我nl我ne-formula> χ 量 形状 算法( 15),<我nl我ne-formula> ∂ RGG 算法( 16)是逐步删除不需要的三角形从外到内的三角测量,直到一个边界点集,最后生成满足给定的条件。本质上,雕塑算法是一个三角剥离算法。该算法的主要缺点是它不够稳定,处理复杂的凹边界和边界与内部漏洞,特别是狭长孔。阿尔法形状算法被Edelsbrunner首次提出。其主要功能是给一个严格的数学定义的“点集的形状。“在此基础上,该算法构造一个二维点集边界的基础上,德劳内三角。原α形状算法适用于处理的边界点集的凸包与均匀分布,但它不适合复杂的平面点集与凹信封和漏洞。之后,一些改进的Alpha版本图形算法,如<我nl我ne-formula> γ 量 形状 ( 17),<我nl我ne-formula> 一个 量 形状 ( 18提出了]。基于局部度量或全球度规,这些算法采用不同的规则来解决问题构建复杂的平面形状边界点集和非均匀密度等漏洞。然而,一些问题需要解决,如必需的参数太多,令人不满意的提取边界的狭长孔。

总之,德劳内三角可以很容易地记录一个不规则的平面点集的空间信息在一个特定的数据结构。同时,它具有强大的可扩展性,是成熟和稳定的三角代算法。因此,与其他类型的算法相比,德劳内三角测量是相对强劲的平面点集的构造边界。德劳内三角测量的基础上,提出了新的边界构造算法来解决现有问题的边界平面点集的建设。该算法首先处理凸包的边界三角测量作为一个整体,形成一个粗略的边界,然后改进处理结果通过相应的数学模型来实现一个完整的建筑的复杂平面点集的边界。模拟对比实验的结果和实际测量实验表明,该算法是有效和可行的。

 2。相关定义

为方便算法描述,一些基本概念的定义和符号,将在本文中使用了。

让<我nl我ne-formula> 年代 = P 1 , P 2 , … , P n 平面点集和<我nl我ne-formula> DT 年代 是基于生成的德劳内三角测量<我nl我ne-formula> 年代 。让<我nl我ne-formula> v , e , t 是三角形的顶点,边三角形,三角形<我nl我ne-formula> DT 年代 分别为:

边界:在三角形的<我nl我ne-formula> DT 年代 ,属于边缘只有一个三角形来标示<我nl我ne-formula> B e ;算法的结果是一组边界边,也就是说,<我nl我ne-formula> C B e = B e 1 , B e 2 , … , B e 米 。

边界点:<我nl我ne-formula> 年代 ,顶点连接边界边<我nl我ne-formula> B e 表示为<我nl我ne-formula> B v 。边界点的边界点集合,例如,<我nl我ne-formula> C B v = B v 1 , B v 2 , … , B v k 。

内点:<我nl我ne-formula> 年代 nonboundary点是内点和来标示<我nl我ne-formula> 我 v 。内陆点形成了内点集,也就是说,<我nl我ne-formula> C 我 v = 我 v 1 , 我 v 2 , … , 我 v n − k 。

边界三角形:三角形的<我nl我ne-formula> DT 年代 包含至少一个边界边,一个三角形表示<我nl我ne-formula> 英国电信 。三角形形成的边界三角形的边界集,也就是说,<我nl我ne-formula> C B t = B t 1 , B t 2 , … , B t l 。

边界角度:边界三角形的内角对应边界边缘来标示<我nl我ne-formula> B 一个 。

凹信封( 19:给定一个多边形<我nl我ne-formula> P 覆盖点集<我nl我ne-formula> 年代 ,Conv<我nl我ne-formula> 年代 代表的凸包<我nl我ne-formula> 年代 。<我nl我ne-formula> C 代表之间的空地<我nl我ne-formula> Conv 年代 和<我nl我ne-formula> P ,每个开放的区域是由一个封闭曲线表示<我nl我ne-formula> C ¯ 。这些封闭的曲线形成的区域被称为凹信封。在<我nl我ne-formula> DT 年代 的边缘凹信封被称为凹边缘,并且每个凹信封包含可见的边界边和几个凹边缘。

洞:一个凹信封只有凹边缘和边界边是一个特例。

3所示。算法概述

该算法包括两个步骤:提取的边界和提取边界。预处理,一个稳定的算法是利用生成德劳内三角测量<我nl我ne-formula> DT 年代 。在此基础上,点集的凸包<我nl我ne-formula> 年代 发现,基本数据准备的顺利进展的算法。首先,根据边界角的参数选择原则<我nl我ne-formula> B 一个 ,一个粗略的边界提取,过滤内心从最初的凸壳的边缘。然后,最大密度和边缘点作为参数,长度等地方凹信封和孔进一步细化,形成最终的完整的边界。

3.1。提取的边界 3.1.1。算法流程

德劳内三角的点集生成需要的输入数据。生成德劳内三角测量的算法是非常成熟,和增量插入算法是利用生成德劳内点集的三角剖分算法。三角形,三角形边和三角形三种几何实体构成德劳内三角测量。列在表 1数据结构与拓扑关系,德劳内三角测量是为了节省设备的存储空间和提高算法的运行效率。

德劳内三角测量的数据结构与拓扑关系。

实体名称 数据结构
三角点 点id、协调<我t一个l我c>x、协调<我t一个l我c>y
三角形边 边缘id,起点id,终点id,左三角形id、直角三角形id
三角形 三角形id, id的优势1、id的边缘,边缘3的id

从表可以看出 1,德劳内三角的几何实体的拓扑关系定义的三角形边缘。后的开始点和结束点三角形边缘定义,三角形边缘变成一个向量,可以方便地记录其相邻的三角形。

根据完形接近原则( 20.),平面点集的边界是由连结点具有相似距离他们的边缘点。至于边界三角形,如果边界边缘很长,超过给定的阈值,它违反了邻近原则,需要删除。因此,最大边界边长度可以作为筛选条件来提取边界。然而,长度阈值是一个全球性的度量。一旦设置,它是固定的点集的整个过程处理,这不是有效的在处理点集的非均匀分布。在这种情况下,使用最大边界角作为边界被认为是过滤条件。因为三角形的角是由三方构成三角形的相对长度,这是一个当地的指标和适用于处理非均匀分布的点。因此,最大边界角阈值选为筛选条件的边界提取的边界点集。在提取过程中,为了保证结果的唯一性,边界边需要安排在根据边界角的大小降序排列。提取过程如图 1。

流程图的边界提取。

考虑到删除规则边界边,两个特殊情况需要关注,如图所示 2:(1)链和暂停,这不是的一部分<我nl我ne-formula> DT 年代 三角形;(2)两个以上边界边的交点,即。当删除一个边界边,有必要进行拓扑检查新的边界。如果(1)和(2)出现,应该撤销删除操作。

原理图的规则删除边界边。(一)常规边界。(b)不规则边界。

 3.1.2。选择最大边界角阈值< inline-formula > < mml:数学xmlns: mml = " http://www.w3.org/1998/Math/MathML " id = " M37 " > < mml: msub > < mml: mrow > < mml: mi >α< / mml: mi > < / mml: mrow > < mml: mrow > < mml: mn > 0 < / mml: mn > < / mml: mrow > < / mml: msub > < / mml:数学> < / inline-formula >

的过程中提取的边界,最大边界的阈值角度<我nl我ne-formula> α 0 不能确定一个明确的计算公式。相反,它需要由实验决定。在该算法中,<我nl我ne-formula> l 2 规范( 15计算公式( 1)是用来评估的准确性提取结果: (1) l 2 = 区域 O − R ∪ R − O 区域 O 。

在公式( 1),<我nl我ne-formula> O 代表原始图的多边形,<我nl我ne-formula> R 代表了多边形图的四周边界提取的算法。的<我nl我ne-formula> l 2 标准代表了边界提取效果通过之间的比例关系的多边形区域图的原始图和多边形区域提取的边界所包围。越小<我nl我ne-formula> l 2 越高,提取的边界之间的重合度和原始图形边界,和更好的效果。

本文实验通过三组符号形状,包括等值线,F,和k .实验数据点的数量,分别于100年、150年,200年和250年,代表不同的点密度。与此同时,点均匀分布的形状,并确保每个形状内的点集可以覆盖形状边界。最大的范围边界角和一个区间[0,180]10度。图 3说明了F边界形状的提取效果,和图 4显示相应的<我nl我ne-formula> l 2 变化曲线。实验结果表明,该阈值范围内的最大边界角下降[100],和算法可以达到满意的边界提取结果。

提取的边界的草图形状象征F的不同的值<我nl我ne-formula> α 。

每个符号的提取精度的统计图形状边界条件下的不同数量的点。(一)点数量= 100。数量= 150 (b)点。数量= 200 (c)点。(d)点数量= 250。

 3.2。提取的边界 3.2.1之上。算法流程

粗糙的边界提取得到的边界可以代表的轮廓形状特征点集在某种程度上。然而,复杂凹信封的表达不够准确,和黑洞的边界不能完全处理。它可以看到从红三角图 5(一个)可能有非常小的边界角凹信封地区当不规则三角形。因此,边界边缘可能被忽略的过程中删除,从而影响边界结果的质量。删除这样的边界边,最大的门槛边界角必须降低。然而,这将导致边界收缩过度,成为打破。在这种情况下,无法获得理想的边界。考虑到黑洞的边界图所示 6,因为它的边界不是边界三角形的边缘<我nl我ne-formula> DT 年代 ,规则提取的边界边的最大边界角是无效的。因此,有必要为凹信封和孔设计特殊规则来提取边界。

边界凹信封的三角形和点密度分布地区。(一)在凹信封地区不规则三角形。(b)原理图凹点密度的信封。

洞的边界三角形和点密度分布区域。(一)不规则三角形孔地区。(b)原理图的点密度洞地区。

自一个洞是一个特例的凹信封,下面描述的凹信封包含孔的特点,除非另有说明。从数据可以看出 5和 6点集<我nl我ne-formula> 年代 包含凹信封,信封凹区域的点密度明显低于正常的地区。从正常地区凹信封区域,反之亦然,点密度变化很大,和一个参数的变化可以表示称为点松动。让<我nl我ne-formula> P 德劳内任意点的三角测量<我nl我ne-formula> DT D 由给定的点集<我nl我ne-formula> D ,<我nl我ne-formula> l P 的宽松点,可以通过以下公式计算: (2) l P = σ d P d P ¯ , 在哪里<我nl我ne-formula> d P ¯ 和<我nl我ne-formula> σ d P 的平均长度和标准差是点之间的线段<我nl我ne-formula> P 分别和连接的点。

的值越小<我nl我ne-formula> l P ,更微妙的点的边缘长度之间的区别<我nl我ne-formula> P 和连接的点,不太可能<我nl我ne-formula> P 是一个边界点;否则,越有可能<我nl我ne-formula> P 是一个边界点。如数据所示 5 (b)和 6 (b),正常的边界点和凹的松动信封边界点很大,而内陆点很小。因此,松散的阈值<我nl我ne-formula> l 0 可以作为一个参数设置检测凹信封地区,和宽松的凹信封集地区提出了以下公式: (3) l C = l P | l P > l 0 。

边界点的凹信封可以获得的<我nl我ne-formula> l C 。具体地说,一个大松动的凹信封边界点表明边界点之间的线段的长度和连结点是大大不同的。过滤这些线段移除不必要的长边下面的处理至关重要。一条边长度约束参数<我nl我ne-formula> d 0 通过以下公式: (4) d 0 = d P ¯ + σ d P ¯ , 在哪里<我nl我ne-formula> d P ¯ 的平均长度是点之间的线段<我nl我ne-formula> P 点和连接<我nl我ne-formula> σ d P ¯ 所有点的平均值吗<我nl我ne-formula> σ d P 在给定的点集<我nl我ne-formula> D 。

对于任何一个点<我nl我ne-formula> P 在点集处理粗糙的边界提取,如果连结点的边缘长度大于<我nl我ne-formula> d 0 根据边界边,它应该被删除删除规则。否则,保留连结点和边缘处理后的边界提取方法来生成所需的边界的结果。优良的边界提取过程如图 7。

良好的边界提取流程图。

值得注意的是,处理好边界提取序列不能逆转。凹信封(无孔)应该是孔加工之前进行处理。至于算法,需要过滤前的点松动边界边。这可以过滤掉最不规则三角形。此外,宽松点遍历和边缘点遍历连接长度在降序排列,以确保边界提取结果的唯一性。

 3.2.2。松动的确定阈值< inline-formula > < mml:数学xmlns: mml = " http://www.w3.org/1998/Math/MathML " id = " M73 " > < mml: msub > < mml: mrow > < mml: mi > l < / mml: mi > < / mml: mrow > < mml: mrow > < mml: mn > 0 < / mml: mn > < / mml: mrow > < / mml: msub > < / mml:数学> < / inline-formula >

确定点松动阈值<我nl我ne-formula> l 0 是一个边界提取过程中关键的一步好。据的定义点松动,松动的边界点明显大于内部点的。宽松点的确定阈值可以被视为一个二次曲线分割的问题。所示的目标函数公式( 5)是利用检测点集之间的过渡区,找到点自动确定初始边界和最终边界<我nl我ne-formula> l 0 。为此,有必要构建一套<我nl我ne-formula> l = l 1 , l 2 , … , l n 它包含所有点的松动安排在一个升序排序: (5) l 我 − l ¯ < k σ l , 在哪里<我nl我ne-formula> l 我 是<我nl我ne-formula> 我 集合的元素<我nl我ne-formula> l ;<我nl我ne-formula> l ¯ 是一组的平均值<我nl我ne-formula> l ;<我nl我ne-formula> σ l 的标准偏差是准备好了吗<我nl我ne-formula> l ;和<我nl我ne-formula> k 是调整参数。更大的<我nl我ne-formula> k 是,相应的松动阈值越大<我nl我ne-formula> l 0 会,更多的边界细节将被保留。

根据目标函数后,松动<我nl我ne-formula> l 点集的划分为两个部分。圆锥分割实现最好的效果(最大最小值组合方差和组内的方差),PBM指数( 21]介绍了自动求解参数<我nl我ne-formula> k 。这个指数是一个相对的评价指标,可以满足密实度和分离的聚类标准。这个指数的计算公式如下: (6) PBM = 1 N c 年代 1 年代 N c D N c 2 , (7) 年代 N c = ∑ 我 = 1 N c 年代 我 , 年代 我 = ∑ j = 1 N 我 x j − o 我 , D N c = 马克斯 o 我 − o j 我 , j = 1 , … , N c , 在哪里<我nl我ne-formula> N c 代表的数量分类;<我nl我ne-formula> N 我 代表点的数量分类<我nl我ne-formula> C 我 ;<我nl我ne-formula> o 我 代表了质心分类<我nl我ne-formula> C 我 ;<我nl我ne-formula> 年代 我 代表的内部距离分类<我nl我ne-formula> C 我 (分类中的所有点之间的距离的总和和质心分类);<我nl我ne-formula> 年代 N c 代表的内部距离聚类的点集分成<我nl我ne-formula> N c 类;和<我nl我ne-formula> D N c 代表着分离程度的点集的分类。PBM指数越高,分类结果的可靠性就越高。

 4所示。模拟对比实验

来验证该算法的有效性,本文设计了仿真实验对于三个场景,包括非均匀分布的点集,与凹信封一个均匀分布的点集,一个均匀分布的点集与漏洞。与此同时,验证该算法的适用性,德劳内triangulation-based算法<我nl我ne-formula> χ 量 形状 和<我nl我ne-formula> γ 量 形状 被作为参考。实验结果和分析如下。

4.1。非均匀分布的点集

150点是手工绘制一个圆形区域的半径35长度单位的CAD软件。如图 8点的密度,减少从左到右。这些点的二维坐标数据文件从CAD软件导出,然后导入到算法验证程序的点集数据。结果如图所示 8和表 2。

非均匀分布的边界提取效果的比较点集(格林:<我nl我ne-formula> χ 量 形状 算法;蓝色:<我nl我ne-formula> γ 量 形状 算法;和黄色:该算法)。(一)<我t一个l我c>λ= 0.60。(b)<我t一个l我c>λ= 0.40。(c)<我t一个l我c>λ= 0.20。(d)<我t一个l我c>α= 0.36。(e)<我t一个l我c>α= 0.18。(f)<我t一个l我c>α= 0.09。(g)<我t一个l我c>α= 120,<我t一个l我c>k= 2.51。(h)<我t一个l我c>α= 100,<我t一个l我c>k= 2.51。(我)<我t一个l我c>α= 80,<我t一个l我c>k= 2.51。

比较模拟实验结果(非均匀分布点集)。

算法 参数值 粗糙的边界 请注意
χ 量 形状 λ = 0.60 粗糙的
λ = 0.40 温和的 在右边,稀疏有锯齿在点密度,幅度不大。
λ = 0.20 细 在右边,有锯齿在该地区与稀疏点密度。
γ 量 形状 α = 0.36 粗糙的
α = 0.18 温和的
α = 0.09 细
算法 α = 120年 , k = 2.51 粗糙的
α = One hundred. , k = 2.51 温和的
α = 80年 , k = 2.51 细

实验结果表明,三种算法可以成功地提取的边界点集,提取的边界的粗糙度随算法的参数。自<我nl我ne-formula> χ 量 形状 全球测量算法阈值的边缘长度作为参数,边界提取的效果不稳定。为一个小<我nl我ne-formula> λ ,该算法可能产生更多的锯齿波点密度较小的区域。这两个<我nl我ne-formula> γ 量 形状 算法和该算法获得更好的边界的结果。

 4.2。均匀分布与凹点集信封

200点是手动与均匀分布在一个封闭的区域的宽度大约20个单位长度。封闭的区域由CAD软件绘制,这是字母C的外围轮廓包围Arial黑色字体,如图 9。这些点的二维坐标数据文件从CAD软件导出,然后导入到算法验证程序的点集数据。结果如图所示 9和表 3。

均匀分布的边界提取效果的比较与凹点集信封(格林:<我nl我ne-formula> χ 量 形状 算法;蓝色:<我nl我ne-formula> γ 量 形状 算法;黄色:该算法)。(一)<我t一个l我c>λ= 0.60。(b)<我t一个l我c>λ= 0.40。(c)<我t一个l我c>λ= 0.20。(d)<我t一个l我c>α= 0.36。(e)<我t一个l我c>α= 0.18。(f)<我t一个l我c>α= 0.09。(g)<我t一个l我c>α= 120,<我t一个l我c>k= 2.26。(h)<我t一个l我c>α= 100,<我t一个l我c>k= 2.26。(我)<我t一个l我c>α= 80,<我t一个l我c>k= 2.26。

模拟实验结果的比较与凹信封(均匀分布的点集)。

算法 参数值 粗糙的边界
χ 量 形状 λ = 0.60 粗糙的
λ = 0.40 温和的
λ = 0.20 细
γ 量 形状 α = 0.36 粗糙的
α = 0.18 温和的
α = 0.09 细
算法 α = 120年 , k = 2.26 粗糙的
α = One hundred. , k = 2.26 温和的
α = 80年 , k = 2.26 细

实验结果表明,三种算法可以成功地提取的边界点集具有良好的效果。相比<我nl我ne-formula> χ 量 形状 算法和<我nl我ne-formula> γ 量 形状 算法,该算法提供了一个合理的数学定义和检测方法基于二次曲线分割指数有很强的理论基础。

 4.3。均匀分布和孔点集

280点了手动与均匀分布在一个圆形区域的半径35长度单位的CAD软件。然后,40分被删除沿水平方向的直径,形成一条狭窄的洞,如图 10。这些点的二维坐标数据文件从CAD软件导出和导入到算法验证程序的点集数据。结果如图所示 10和表 4。

均匀分布的边界提取效果的比较点集与洞(格林:<我nl我ne-formula> χ 量 形状 算法;蓝色:<我nl我ne-formula> γ 量 形状 算法;和黄色:该算法)。(一)<我t一个l我c>λ= 0.60。(b)<我t一个l我c>λ= 0.40。(c)<我t一个l我c>λ= 0.20。(d)<我t一个l我c>α= 0.36。(e)<我t一个l我c>α= 0.18。(f)<我t一个l我c>α= 0.09。(g)<我t一个l我c>α= 120,<我t一个l我c>k= 2.85。(h)<我t一个l我c>α= 100,<我t一个l我c>k= 2.85。(我)<我t一个l我c>α= 80,<我t一个l我c>k= 2.85。

模拟实验结果的比较(均匀分布与孔点集)。

算法 参数值 粗糙的边界 请注意
χ 量 形状 λ = 0.60 粗糙的 无法提取洞边界
λ = 0.40 温和的 无法提取洞边界
λ = 0.20 细 无法提取洞边界
γ 量 形状 α = 0.36 粗糙的 洞的边界提取,但形状是完全不同于实际情况
α = 0.18 温和的 洞的边界提取,但孔的数量与实际情况的不同
α = 0.09 细 洞的边界提取,但孔的数量与实际情况的不同
算法 α = 120年 , k = 2.85 粗糙的 洞的边界提取,但孔的数量与实际情况的不同
α = One hundred. , k = 2.85 温和的 洞边界提取具有良好的效果
α = 80年 , k = 2.85 细 洞边界提取具有良好的效果

实验结果表明,<我nl我ne-formula> χ − 形状 算法未能提取洞边界,<我nl我ne-formula> γ 量 形状 边界只有当算法提取出洞<我nl我ne-formula> α 是适当的,而该算法提取的洞边界与更好的效果比吗<我nl我ne-formula> γ 量 形状 算法时<我nl我ne-formula> α 是适当的。尽管该算法可以提取的边界孔,有时它也可能失败,提取结果会截然不同的实际情况,如果参数值不合理。在这种情况下,人工歧视在实际应用需要。

 5。试验研究山区高速公路的带状地形点集

来验证算法的有效性,实际测量的点集,长17公里公路地带地形数据组成的8000多个GPS点被选为实验数据。实际测量的点集得到带状地形图调查任务由作者在2016年5月,和高速公路地带位于农村公路的一段Guquan城镇Shuiyang镇宣城城市,安徽省。这项任务的目的是为当地提供地形图道路规划。任务的技术要求如下:(1)地形图应该在数字格式和规模应该是1:1000。(2)地形图的宽度是沿着道路中心线的两侧50米。(3)映射内容包括植物、河流网络、道路、建筑和结构沿中心线。任务的概况网站如图 11。

一些调查任务地点的照片。(一)全站仪的控制点调查工具。GPS RTK (b)详细调查。(c)控制点标志。(d)的转折点。

调查任务在2016年5月没有具体表现来验证该算法的有效性。对于山区高速公路,有很多带状地形弯曲,密集的收集点在高低起伏的地区,和稀疏的集合点在平坦区域。这个特点是均匀分布的点集,许多凹信封(红色圆圈所示图 12(一个)和一些漏洞,如坑池在某些领域(如图 12 (c)和 12 (d))。因此,GPS地形点集获得的调查任务是适合用作数据源来验证该算法的有效性。

边界提取在山区高速公路地带地形数据。(一)整体边界提取效果<我nl我ne-formula> α = 120年 , k = 3.12 。(b)边界提取的影响曲线<我nl我ne-formula> t α = 120年 , k = 3.12 。(c)边界提取的影响曲线<我nl我ne-formula> t α = One hundred. , k = 3.12 。(d)边界提取的影响曲线<我nl我ne-formula> t α = 80年 , k = 3.12 。

8156 GPS地形点被用于实验,和道路的长度约17公里。实验对笔记本电脑配备英特尔®™核心i7 - 10750 h CPU@2.60 GHz和16 GB的内存。操作系统是64位Windows 10,和实验程序的算法实现了基于微软的c#编程语言Visual Studio 2010 IDE。实验结果如图所示 12和表 5。图 12 (b)图 12 (d)放大的图像边界提取的边界角阈值<我nl我ne-formula> α 在高速公路曲线描述图中红色圆圈 12(一个)。

实验结果表的实际测量的点集。

α (°) 边界完整性 粗糙的边界 正确的洞 孔精度(%)
120年 是的 粗糙的 3 25.0
One hundred. 是的 温和的 8 66.7
80年 是的 细 8 66.7

请注意。孔的数量由坑池塘在任务网站是12。

实验结果表明,凹信封在西北的边界可以提取。同时,提取的边界结果改变从粗到细的最大边界角阈值<我nl我ne-formula> α 从大到小的变化。这个结果与模拟实验是一致的。孔的数量由该算法提取的变化从少到多的最大边界角阈值<我t一个l我c>α从大到小的变化。然而,正确的按照实际位置的孔数不会增加。对于一个大<我nl我ne-formula> α 与较小的区域被忽略,一些漏洞,数量小的洞被提取。对于一个小<我nl我ne-formula> α ,保留小孔,孔的数量增加。应该注意的是,提取的洞并不完全正确。有些是“伪黑洞”引起的非均匀分布的实际测量分,需要人工歧视。

 6。结论

根据德劳内三角和两个约束参数,即。,最大的阈值边界角<我nl我ne-formula> α 0 宽松的阈值点<我nl我ne-formula> l 0 本文,提出了一种算法构造复杂的平面点集的边界密度分布不均匀点,凹信封和漏洞。该算法由粗糙边界提取和边界提取。与现有算法相比,该算法有两个主要优点:

该算法具有广泛的适用性,它可以应用于构造复杂的平面边界非均匀密度分布的点,凹信封,孔等。

一个合理的数学定义和基于二次曲线的检测方法分割指数给出处理凹信封,该算法提供了强有力的理论依据。

本文没有给出定量分析该算法的执行效率,即时间复杂性和空间复杂性。目前,该算法的应用仅局限于二维平面点集。进一步的研究应该进行效率的定量分析和三维表面重建。

 数据可用性

使用的数据来支持本研究从实验中产生的结果。

 的利益冲突

作者宣称没有利益冲突有关的出版。

 确认

这项研究是由安徽教育部自然科学研究项目(KJ2018JD04)科技项目安徽省住房和城乡建设(2020 - yf23),和安徽大学的自然科学研究项目(KJ2020JD01)。作者要感谢乔丹编辑器( http://www.mjeditor.com)的语言帮助在准备这个手稿。

 杨 B。 黄 R。 越南盾 Z。 藏 Y。 李 J。 两步自适应提取方法为地面点和破裂线从激光雷达点云 ISPRS《摄影测量与遥感 2016年 119年 373年 389年 10.1016 / j.isprsjprs.2016.07.002 2 - s2.0 - 84989842154 胡 Y。 高 年代。 Janowicz K。 余 B。 李 W。 普拉萨德 年代。 提取和理解城市使用标记照片感兴趣的领域 电脑、环境和城市系统 2015年 54 240年 254年 10.1016 / j.compenvurbsys.2015.09.001 2 - s2.0 - 84942848720 王 z Y。 马 h . C。 徐 h·G。 小说从大规模点云提取边缘算法快 计算机工程与应用 2010年 46 36 213年 215年 沈 W。 李 J。 程ydF4y2Ba y . H。 算法研究的边界提取和基于激光雷达数据的标准化 《遥感 2008年 12 5 692年 698年 李 y F。 棕褐色 d·B。 高 G。 建筑轮廓的提取点云使用双阈值α形状的算法 《长江科学研究所 2016年 33 11 1 4 人工智能 t·H。 姚 l 点群的方法简化与空间分布属性保存 Geodaetica et Cartographica学报 2002年 31日 2 175年 181年 李 j . T。 康 年代。 罗 f . L。 基于分层点组泛化方法泰森多边形法图 Geodaetica et Cartographica学报 2014年 43 12 1300年 1306年 太阳 y Z。 李 J。 刘 B。 农业nachinery操作区域基于改进测量α形状的算法 《中国农业机械化 2019年 40 8 144年 148年 廖 z . X。 王 d . L。 研究DTM锡生成算法考虑边界限制 合肥工业大学学报(自然科学版) 2011年 34 9 1381年 1384年 位于 一个。 山 J。 建筑从机载激光雷达点云边界追踪和正规化 摄影测量工程和遥感 2007年 73年 7 805年 812年 10.14358 / pers.73.7.805 2 - s2.0 - 34347396654 程 x J。 他 g . Z。 洞边界提取的方法和应用多值表面修复 Geodaetica et Cartographica学报 2012年 46 6 831年 837年 李 w·J。 李 s . N。 邱 J。 边界检测multi-density点集群使用凸包收回了方法 测绘科学 2014年 39 9 126年 129年 Boissonnat j。 几何结构的三维形状表示 ACM交易图片 1984年 3 4 266年 286年 10.1145/357346.357349 2 - s2.0 - 84913415905 Edelsbrunner H。 柯克帕特里克 D。 塞德尔 R。 的形状在平面上的点的集合 IEEE信息理论 1983年 29日 4 551年 559年 10.1109 / tit.1983.1056714 2 - s2.0 - 0020780410 Duckham M。 Kulik l Worboys M。 高尔顿 一个。 有效的代简单多边形的形状特征在平面上的点的集合 模式识别 2008年 41 10 3224年 3236年 10.1016 / j.patcog.2008.03.023 2 - s2.0 - 45549086548 Peethambaran J。 Muthuganapathy R。 形状重建的非参数方法从平面点集通过德劳内过滤 计算机辅助设计 2015年 62年 164年 175年 10.1016 / j.cad.2014.12.002 2 - s2.0 - 84919933452 乔杜里 a。R。 乔杜里 B . B。 Parui 美国K。 一个新颖的方法来计算一个点的形状模式和提取的知觉 计算机视觉和图像理解 1997年 68年 3 257年 275年 10.1006 / cviu.1997.0550 Melkemi M。 Djebali M。 计算平面点集的形状 模式识别 2000年 33 9 1423年 1436年 10.1016 / s0031 - 3203 (99) 00124 - 7 2 - s2.0 - 0033686376 Mistry 年代。 Niranjan 美国N。 Gopi M。 Puzzhull:腔和突出层次结构以适应正形多边形 计算机辅助设计 2014年 46 233年 238年 10.1016 / j.cad.2013.08.038 2 - s2.0 - 84887440262 人工智能 t·H。 郭 Z。 多边形集群模式挖掘基于格式塔原则 Geodaetica et Cartographica学报 2007年 36 3 302年 308年 Pakhira m·K。 Bandyopadhyay 年代。 Maulik U。 有效性指数清晰和模糊集群 模式识别 2004年 37 3 487年 501年 10.1016 / j.patcog.2003.06.005 2 - s2.0 - 0348108148