基于改进的八叉树算法三维地质建模技术研究

研究地质构造建模问题,为了能够真实反映三维地质体真实形态,针对传统的三维空间数据模型方法难以真实反映现实三维地质体的形态,提出了基于多尺度八叉树细分算法来真实构建三维地质体模型。基于八叉树细分算法的地学对象表达满足了数据多尺度组织和地质体及属性多尺度划分的需求,同时以空间体元建立起了各种地学对象之间的联系,为空间分析奠定了基础,且地质有了数字上的三维显示。经实验证明,本文提出的地质体建模是一种基于八叉树细分算的方法,这种方法可以应付各种复杂常见的地质条件,且准确度高。     

点云数据在深度学习中表示方法的研究

为了实现在深度学习中能够端到端表示点云模型,提出基于八叉树和K-D树（OctKD）的点云数据表示方法。该方法将无组织的点云转换为体素空间,在体素空间对三维模型进行八叉树剖分,改进了八叉树编码方式;构建节点间的邻接关系,在GPU端并行构建八叉树;为了克服八叉树编码检索效率低的问题,采用三维K-D树索引单个三维空间点。实验结果表明该方法能够真实反映模型本身的细节特征,提高了点云模型的构造时间和检索效率。这种新的数据结构实现将点云转换为卷积神经网络可以接收的数据形式。     

一种基于八叉树结构表达的三维实体布局启发式算法

本文在利用八叉树结构表达三维实体布局块及布局空间的基础上,根据八叉树同构节点匹配的思想设计了一个三维实体布局的启发式算法,并提出了三环图方法,解决了八叉树节点的同构识别问题．理论分析及计算的结果表明了该算法对于具有任意形状和大小的布局对象的三维布局问题来说效果理想．     

基于光学图像的多粒度随动环境感知算法

针对快速三维建模中的室内外随动环境感知问题,提出一种基于光学图像的多粒度随动环境感知算法.该算法根据多种光学图像生成拟合真实三维环境的多粒度点云模型,然后通过概率八叉树压缩并统一表示已生成的多粒度三维模型.进而伴随相机轨迹每个时间节点,通过卡尔曼滤波动态融合多粒度点云模型的概率八叉树表示.最终生成唯一的时态融合概率八叉树三维模型,简称TFPOM,使TFPOM能够在较少的噪声影响下以任意粒度动态拟合真实环境.该算法配合剪枝和归并策略能够适应多粒度融合和多粒度表示的环境建模要求,有效压缩环境模型存储空间,实现鲁棒的随动环境感知,便于基于环境模型的视觉导航,增强现实等应用.实验结果表明,该算法能够在以可穿戴设备为代表的内含多种异构光学图像传感器,低计算效能的平台上实时得到充分拟合真实动态环境的多粒度TFPOM,基于该模型的视觉导航具有较小的轨迹误差.     

基于八叉树分解法的空间散乱点数据场可视化

八叉树分解法是空间散乱点数据场可视化的一种经典算法,它适用于地下岩体模型的可视化,得到的模型可以进行直接三维观察.文中对几种常见的建模方法进行了简单的分析比较,并着重对八叉树分解算法进行了深入研究,而且给出了实现散乱点数据场可视化的关键步骤.经过理论上的分析,八叉树分解法适用于空间散乱点数据场可视化.     

基于八叉树的三维地质剖面生成算法

针对目前构建三维地质剖面算法复杂度高、效率低的问题,提出一种基于八叉树的三维地质剖面生成算法。利用八叉树算法对传统的地质剖面生成算法进行改进,使算法在搜索过程中的时间复杂度降低至O(log8(n/M)),在算法中加入轮廓边约束,对搜索到的边进行预处理,以保证边的正确性和有序性。采用八叉树为复杂三维地质体网格模型内的三角形创建空间索引,通过八叉树快速查找出经过剖面的三角形,计算交点并追踪出轮廓边界,通过画廊看守算法对追踪出的边界三角化并构建三维剖面。实验结果表明,该算法具有复杂度低、鲁棒性强的特点,与传统的地质剖面生成算法相比,时间复杂度由O(n2)降低到O(nlbn)。     

基于八叉树分解法的空间散乱点数据场可视化

八叉树分解法是空间散乱点数据场可视化的一种经典算法,它适用于地下岩体模型的可视化,得到的模型可以进行直接三维观察.文中对几种常见的建模方法进行了简单的分析比较,并着重对八叉树分解算法进行了深入研究,而且给出了实现散乱点数据场可视化的关键步骤.经过理论上的分析,八叉树分解法适用于空间散乱点数据场可视化.     

一种基于GPU实现的自适应八叉树纹理绘画算法

当前,虽然基于二维图像映射定义的传统二维纹理已得到广泛应用。但是它有很多局限性。这是因为很多三维模型在纹理空间中进行参数化是非常困难的,例如隐式表面、细分表面和高密度或高细节的多边形网格。基于八叉树纹理定义,提出了一种新型的自适应八叉树纹理绘画算法。和传统的八叉树纹理映射算法相比,不但占用更少的存储空间,而且实现了基于GPU的纹理查询,有更快的查找速度。     

基于八叉树空间分割的NURBS曲面重构方法

对三维模型和点云曲面重构方法进行深入研究,根据应用特点提出八叉树空间分割和N U RBS曲面重构方法。利用八叉树的快速收敛特性对三维实体的点云数据进行分割、精简,采用N U RBS方法对局部网格曲面进行重构;采用八叉树和四叉树相混合的数据结构,渐进地进行网格曲面的重构。存储结构采用扩展式八叉树结构,编码采用8进制前缀编码方法。利用O penG L设计一个实验模型系统验证了该算法的可行性和有效性。     

基于地面激光雷达点云数据的森林树高、胸径自动提取与三维重建

针对亚热带环境条件下森林树高、胸径自动化提取精度较低、单木形态模拟较为困难的问题,提出基于地面激光雷达点云数据提取森林树高、胸径及重建森林场景三维模型的方法。首先采用变尺度地面点识别法获取地面点并构建DEM。然后根据树木主干点云主方向相似度及轴向分布密度分割主干与其他植物器官点云。接着以主干点云为基础,采用迭代最小二乘拟合圆柱的方法自动提取树木位置、胸径;构建点云的八叉树结构,利用体素的空间邻接性实现点云分割,自动提取树高。最后,结合单株植物建模技术,以树根节点为纽带构建样地尺度上的森林场景三维模型。实验结果显示,胸径估测R~2为0.996,平均相对误差为2.09%,RMSE为0.66 cm;树高估测R~2为0.972,平均相对误差为2.16%,RMSE为0.92 m;所重建的森林场景三维模型可表达森林样地的真实形态。