基于Qi算法的Delaunay三角网逐点插入法

Delaunay三角网在很多领域都有着广泛的应用,快速高效地生成Delaunay三角网十分重要。逐点插入法是构建Delaunay三角网中使用最广泛的方法之一。本文深入研究了使用逐点插入法构建不带约束条件Delaunay三角网的过程。在使用该方法生成Delaunay三角网中建立结点拓扑关系这一影响构网效率的关键步骤中引入了Qi算法,简化了该方法生成Delaunay三角网的复杂度。然后在向Delaunay三角网内插入约束边的过程中,再次引入Qi算法,从而提高了构网的效率。为了验证上述模型,我们在Microsoft Visual Studio 2005开发环境下,以C#为开发工具,采用底层开发模式实现了改进的逐点插入法,实验证明引入Qi算法能够提高逐点插入法Delaunay三角网构建及插入约束边的效率。     

Delaunay三角网剖分中的约束边嵌入算法

约束边嵌入是解决D-三角网转变为CD-三角网的一种非常有效的方法，而CD-三角网才能真实地虚拟地形地貌。该文研究了约束边嵌入D-三角网的问题，介绍了约束边嵌入算法的一些基本概念，分析了现存算法的特点，提出了改进的约束边嵌入算法——“插入－交换”算法。该算法能有效地处理各种特殊情况，程序实现简单，符合工程需求。     

一种绘制油层连通栅状图的三维模型

本文介绍一种绘制油层连通栅状图的三维模型。该模型将油层连通层面放在空间不同的层上,从而将绘图范围从井组扩展到井网,将绘图计算量从n~2量级降到常数级,极大地提高了绘图速度,有效地解决了油层连通层面间相互遮挡的问题。     

平面散点集Delaunay三角剖分的一种高效方法

本探讨了以平面散点集逐点插入的Delaunay三角化方法为基础，在三角化过程中采用一定策略，将其改进成为一种简单高效的方法。该方法能够适应各种边界，包括多岛、多连通域等复杂情况，能够生成贴体的三角网，网格能够保证符合Delaunay法则。     

复杂地质体建模与可视化新技术*

基于似三棱柱模型和人工插入虚拟钻孔的方式提出采用虚拟钻孔链控制复杂地质体的新思路,成功设计了一种能够识别褶皱、透镜体、尖灭体、断层和高精度控制边界的推理算法。提出了TIN加密新技术——窗口加密法,发现Delaunay三角形存在“隔离带”现象而实现Delaunay三角网局部重构技术——移动窗口ROI,设计并实现了三种加速算法方案。最后利用C#＋Open Inventor实现真三维可视化和地质体高效率切割、挖掘等。     

Delaunay三角网剖分的约束边嵌入改进算法

重点研究约束边强行嵌入D-三角网的问题。约束边嵌入是解决D-三角网转变为CD-三角网的一种非常有效的方法,而CD-三角网才能真实地虚拟地形地貌。针对基于凸凹判定的对角线交换算法存在的缺陷,提出"分裂约束边"的思想完善算法的健壮性,并引入快速点定位算法以提高算法的执行效率。     

基于虚拟网格的高效Delaunay三角网生成算法研究

针对传统逐点插入算法存在时间效率比较低的问题,设计了高效的存储结构,通过引入虚拟网格技术,在三角形定位和点的插入顺序方面作了改进和优化,提出了一种改进的D-三角网生成算法,提高了点插入过程中查找相应三角形的速度,有效的减少了重构三角形的数量,大大改进了逐点插入算法的时间效率.实验结果表明,改进后的算法具有较低的时间复杂度,能快速地生成三角网.     

三角网约束下的层次匹配方法

针对数字摄影测量中密集匹配问题,提出一种三角网约束与金字塔策略相结合的影像匹配方法.该方法在每层金字塔影像中提取特征点,利用金字塔上层影像的匹配结果构建Delaunay三角网,约束和指导金字塔下层影像的匹配;金字塔策略本身体现由粗到精的匹配过程,而Delaunay三角网能有效地将上层匹配结果作为约束传递到下层影像.实验结果证明,文中方法生成的密集匹配点云密度大、误匹配少、精度高,能有效地反映地貌特征.     

基于自适应三角形约束的可靠影像匹配方法

针对数字摄影测量和计算机视觉中贫乏纹理影像自动匹配的可靠性问题,提出了一种基于良好匹配点三角形局部连续性约束下的影像匹配方法．该方法利用已知良好匹配点形成Delaunay三角网,在每个三角形内提取特征点进行匹配传播．由于新匹配点的实时插入,Delaunay三角网被动态细分使得局部几何约束区域的大小自动适应影像纹理特征的变化．选取实际立体像对进行实验,结果证明大大消减了错误匹配,提高了特征点匹配结果的可靠性和精度．     

网格技术系列讲座之一——网格:虚拟的超级计算机

如果说传统互联网实现了计算机硬件的连通,万维网实现了全球网页的连通,网格技术则是要利用互联网把分散在不同地理位置的计算机、硬件设备、软件、数据等资源组织成一台“虚拟的超级计算机”。     

Self-organization of unattended wireless acoustic sensor networks for ground target tracking

A distributed, self-organization algorithm for ground target tracking using unattended acoustic sensor network is developed. Instead of using microphone arrays, each sensor node in the sensor network uses only a single microphone as its sensing device. This design can greatly reduce the size and cost of each sensor node and allow more flexible deployment of the sensor network. The self-organization algorithm presented in this paper can dynamically select proper sensor nodes to form the localization sensor groups that can work as a virtual microphone array to perform energy efficient target localization and tracking. To achieve this, we use a time-delay based bearing estimation plus triangulation for source localization in the sensor network. Major error sources of the localization method like time delay estimation, bearing calculation and triangulation are analyzed and sensor selection criteria are developed. Based on these criteria and neighborhood information of each sensor node, a distributed self-organization algorithm is developed. Simulation results show the effectiveness of the proposed algorithm.     

带特征线约束的Delaunay三角剖分最优算法的研究及实现

为了提高特征线约束的Delaunay三角剖分的速度和功率,从两个方面进行改进;一是生成无约束的Delaunay三角网时,采用进行剖分算法;二是在约束线上插入点时,应用取三角形外接圆与特征线交点的方法。并行剖分算法具有较好的加速性能;“交点”插入算法考虑了特征线的影响域及Delaunay三角形规则的边界条件,在满足全局Delaunay三角剖分的前提下,使插入的点最少,对原有的网格影响最小。     

基于LiDAR点云数据的三角网构建算法

在现有Delaunay三角网生长法的基础上进行改进,提出了一种三角网生长算法.该算法对大规模点云进行等格网分块,自适应确定搜索范围.通过在构建过程中对生成的基线进行分组和排序,动态删除封闭点,提高了构建三角网的速度;通过在整个点集范围内进行搜索,避免了通过插值所产生的误差和模块之间的拼接过程.利用此算法对大规模LiDAR点云数据进行构网,结果表明了该算法的有效性.     

基于BP神经网络的隐式曲线构造方法

隐式曲线与曲面是当前计算机图形学研究的热点之一。通过把BP神经网络与隐式曲线构造原理相结合，提出了一种构造隐式曲线的新方法，即首先由约束点构造神经网络的输入与输出，把描述物体边界曲线的隐式函数转化为显式函数；然后用BP神经网络对此显式函数进行逼近；最后由仿真曲面得到物体边界的拟合曲线。该新方法不同于传统的对显式函数的逼近方法，因为传统方法无法描述封闭的曲线；也不同于基于优化的拟合隐式曲线方法，因为它无须考虑函数的形式或多项式的次数。实验表明，该新方法有很强的物体边界描述能力和缺损修复能力，因而在物体边界重建、缺损图像复原等领域有一定的应用前景。     

基于网格简化的参数化方法

提出一种基于网格简化的三角网格参数化方法，该方法通过构建并参数化边界三角网格来自动完成复杂三角网格边界的参数化，然后通过一系列局部计算完成网格内部点的参数化．采用该方法得到的参数值可较好地反映三角网格的特性，而且计算具有较高的效率．     

一种基于神经网络的沉积相识别方法

将人工神经网络(ANN)模式识别技术应用于对测井曲线进行单井划相,加快了划相速度,大大提高了工作效率.根据某地区的河流微相特征标志,给出了一种基于神经网络的沉积相识别方法.神经网络采用带有动量项和自适应学习率的反向传播算法(BP)进行训练.     

面向多边形三维显示的快速三角化方法研究

为满足地表及地下尤其是井下构建并显示三维图形的实际需求,针对图形学中广泛应用的计算几何多边形三角化这一经典算法问题,提出一种采用最大角度的可用点作为三角形扩充点的三角网构建算法,该算法的约束条件是三角形面积,并通过递归实现多边形三角化以便进行三维可视化。结合实例对比,该算法对边界点的处理无论精度还是准确度均有较好表现。算法实现简单,易于理解,经过多次修改完善,已经成为数字矿山三维软件Vrmine核心算法之一。     

带内边界约束散乱数据的Delaunay三角剖分算法研究

带内边界约事条件点集的Delauney三角剖分是有限元分析、计算机图形学及真实感图形等许多领域常遇到的一个基本问题,在已有算法的基础上通过插入中点恢复约束边界,较好地实现了带内边界约束散乱数据的Delaunay三解剖分。     

基于灰度分布的图像三角网格化算法

借助于小波图像分解,提出一种基于图像内容的三角网格表示方法——基于双向模板的图像三角网格化算法.算法考虑图像的灰度分布,利用小波的图像分解能够将图像的各个方向的细节表现出来这一特性,给出符合原始图像灰度分布的三角划分,再对图像的三角划分进行三角网格化,最后获取整幅图像的网格划分.为了得到更好的重建图像质量,对该初始网格进行了细分,并针对三角网格规模的减小做出优化算法.同时提出一种记录模板号和细分点的数据存储结构,用二进制数据流来存储三角网格.通过实验数据对比,该算法能够很好的表示图像,在三角网格规模以及重建图像质量上较其它算法都有一定的优势,是一种极其有效的图像表示方法.     

光线追踪等价划分反锯齿算法

为了解决图形处理过程中出现的锯齿问题,本文提出了一种高效的光线追踪等价划分反锯齿算法。算法通过计算相邻像素采样点间颜色偏差,对偏差超过阈值的边界采样点进行递归划分为更小的不规则区域,对偏差小于阈值的采样点不进行分解,用中点颜色取代区域颜色,保证反锯齿效果同时减少采样点的个数。进过仿真实验表明本文算法反锯齿效果与超采样反锯齿效果相同,但采样点数减少39.70%,计算效率提高43.26%。