基于sign(x)函数的点在多边形内外判别算法及应用

在对已有的点与多边形位置关系判断算法分析与研究的基础之上,提出一种新的判断点在多边形内外的算法。该算法用三维空间来解决二维平面问题,将二维平面内的点看作是三维空间在平面上的点,从而得出简单的待判断点与多边形顶点之间的坐标关系式。由于符号函数仅仅有三个值,巧妙地利用符号函数的特殊性来表示待判断点与多边形的顶点之间的坐标关系。最终,可以简单地由符号函数之和判断点是否位于多边形内部。程序验证表明,该算法简单、易于实现。同时,将该算法应用于基于RTK GPS定位技术的机动车驾驶证申领场地考试系统中,结果表明,判断准确率高,且实时性好。     

大规模等值线图的任意简单多边形窗口裁剪算法

针对大规模等值线图裁剪算法面临的两个主要问题,如何减少线段求交次数和判别保留部分的起止点,提出一种针对大规模等值线图的任意多边形裁剪算法.该算法首先使用等网格分割方法,在等值线线段与裁剪多边形边之间建立网格索引,减少线段求交次数;同时,在网格数据结构基础上,采用局部射线法,很好地解决了判断交点在裁剪多边形内外时间复杂度过大的问题,使得算法可以快速判断出需要保留(剔除)的等值线部分.本文算法的优点是能够在求出交点的基础上快速获得需要保留(剔除)部分的起止点;同时,算法中裁剪多边形可以是包含任意多个洞的任意简单多边形,克服传统算法中对裁剪多边形的特定约束条件.本文算法易于实现且高效.     

判断点在任意简单多边形内的改进算法

计算机图形处理的许多算法中经常涉及诸如点是否在区域内部的判断,判断点在多面体内的算法和形体的交、并、差布尔运算中都要用到点是否在多边形内的判断。确定一个点在任意简单多边形内的问题是计算几何、计算机图形学的基本问题。本文提出的算法是对判断点在多边形内的射线法的一种改进,对所有可能出现的特殊情况都进行了处理,能够准确地判断出点在任意简单多边形内的位置。本算法结构清晰,易于编程实现。     

基于AutoCAD的简单多边形剖分算法

在充分挖掘AutoCAD图形中简单多边形自身隐含的垂直与共线关系的基础上,提出一种新的基于直角顶点判定和凹凸顶点判定的简单多边形剖分算法。该算法首先判断出多边形顶点的直角特性和凹凸性,然后根据多边形自身的特点按照一定的先后次序进行剖分,力求把多边形分割成直角梯形、矩形和直角三角形的形式。其中判断辅助线连接次序的优先级是实现剖分算法的关键。程序实现中采用递归算法,对分割后的多边形重新进行判断,直到多边形分割完毕。     

硬件加速的渐进式多边形模型布尔运算

多边形模型的布尔运算中包含复杂的求交计算以及多边形重建过程,精度控制和处理效率是其中的关键.为了降低布尔运算复杂度,提出一种适合硬件加速的基于渐进式布尔运算的多层次细节网格模型生成方法.该方法采用分层深度图像来近似表示多边形实体的封闭边界,将多边形的求交计算简化为坐标轴平行的采样点的实体内外部判断;为了免去各层次细节模型的重复采样过程,渐进式地将边界采样点归并到低分辨率下的立方体中;运用特征保持的多边形重建算法将相同立方体内的边界采样点转换成多边形顶点,根据邻接关系生成网格模型.上述算法使用支持图形硬件加速的CUDA编程并行实现.实验结果表明了算法的可行性.     

基于顶点与邻边相关性的多边形填充算法

为了加快多边形填充算法的运算速度，在深入挖掘顶点与相邻边关系对填充算法影响的基础上，提出了一种基于顶点与邻边相关性的多边形填充算法。该算法首先归纳了多边形顶点与邻边相关性的5种典型类型，然后依据顶点与邻边的相关性，对原有多边形进行了分割与重新组合，使其完全由简单的三角形和梯形这样的单元区域组成，这样就将复杂的多边形填充问题转化为这些单元区域的填充问题，并由此将扫描线与多边形边求交的乘除计算转化为加减运算。通过实验分析，新算法大大减少了运算的时间和复杂度，从而为多边形填充创造了一种有效的新途径。     

多边形单元网格自动生成技术

近年来兴起的多边形有限元方法,在有限元计算中采用多边形单元划分网格,不仅可以更好地适应求解区域的几何形状,而且增加了网格划分的灵活性。为了更方便有效地生成多边形单元网格,在Delaunay三角形的基础上,通过将共圆Delaunay三角形合并为一个圆内接多边形,首先提出了Delaunay多边形的概念,进而提出了一种多边形网格自动生成的Delaunay多边形化算法。利用该Delaunay多边形化技术,对工程中常见的几何形状进行网格划分的具体算例表明,Delaunay多边形化方法可以生成性质优良的多边形单元网格。     

基于网格中心点的点在多边形内的高效判定

提出一种基于均匀网格的点在多边形内的高效判定算法.它首先建立均匀网格,并从左至右依次计算每个网格单元中心点的位置属性.每个单元中心点的位置属性直接依据其左侧邻接单元已知位置属性的中心点快速获得.在判定点的位置时,确定被测点所在单元,并依据该单元中心点的位置属性判定被测点的位置属性.由于预处理和判定时均利用邻近点的已知位置属性来确定未知点位置属性,可以很好地进行局部化的计算.因此,新方法比现有方法快很多,并且其预处理时间复杂度也由同类网格算法的O(N3/2)下降为O(N).同时,新方法可以统一处理含有自相交及重叠边的非流形多边形.实验结果表明,相比于其他基于均匀网格的方法,新方法可将预处理的速度提高几倍,将判断计算的速度提高十几到几十倍.其速度甚至优于具有该问题最低判定计算时间复杂度O(logN)的基于凸剖分的判定算法.     

不规则物体点云切片中的多轮廓分割算法

使用切片法进行不规则物体点云体积测量时，现有的多边形拆分再重组（PSR）算法难以正确拆分较近的轮廓，进而导致计算精度较低。针对这一问题，提出一种多轮廓分割算法——改进最近点搜索（INPS）算法。首先，通过局部点的单次使用原则分割多轮廓；其次，使用多边形内点判定（PIP）算法判断轮廓的包含关系，以确认轮廓面积的正负；最后，采用切片面积乘以厚度并累加的方式获取不规则物体点云的体积。实验结果表明，在两个公开点云数据集和一个化学电子密度等值面点云数据集上，所提算法都能实现高正确率的边界分割，具有一定的普适性；且该算法体积测量的平均相对误差为0.043 6%，低于PSR算法的0.062 7%，可见所提算法实现了高正确率的边界分割。     

平面离散点集的边界搜索算法

进行有限元仿真首先要建立有限元网格模型。使用不含有任何拓扑信息的离散点集直接进行网格划分可以快速、精确地建立网格模型。使用铺路法进行网格剖分是从边界开始向内生成网格单元。该文提出一种使用搜索盒的搜索平面离散点集边界的算法。该方法将离散点分配到搜索盒中，遍历位于边界的搜索盒，将其中的点连接成边界点链表。该算法能正确地搜索包含有凹点、孔洞特征的离散点集的边界，具有较强的通用性。文中介绍了算法的基本思想，并给出算例。     

GIS环境中一种高效的多边形剪裁方法

在Weiler算法的基础上提出一种在GIS环境中计算非凸多边形之间的剪裁区域的新算法。该算法前提是多边形已根据梯形分解法被分解成若干个梯形,首先计算两个多边形之间的交叉点,并在计算的过程中按Weiler算法中的出点和入点来标示它们,然后逆序遍历所有的交叉点来确定剪裁区域。该算法通过减少交叉点的计算时间和遍历时间来提高Weiler算法的效率。在GIS这种具有频繁拓扑关系运算的环境中可以很好地提高运算效率,最后通过实验验证,即使在接近最坏的情况下,该算法也优于传统的Weiler算法。     

格网划分的双策略跟踪多边形裁剪算法

论文提出了一种高效稳定的多边形裁剪算法,算法支持带内环的平面简单 多边形,同时也支持多边形的“并”和“差”等布尔运算。首先,设计了算法所需的数据结构; 其次,基于直线扫描转换Bresenham 算法原理提出了边网格划分的有效算法,并应用一个简 单的方法避免不同网格内边的重复求交;最后,将交点分类为普通交点和顶交点,并针对这 两类交点构造了不同的跟踪策略,在跟踪过程中交替、递归地应用这两个策略来确保算法处 理特殊情况时的稳定性。与其它同类算法的比较表明,新算法具有更高的效率。     

Translation separability of sets of polygons

We consider the problem of separating a set of polygons by a sequence of translations (one such collision-free translation motion for each polygon). If all translations are performed in a common direction the separability problem so obtained has been referred to as the uni-directional separability problem; for different translation directions, the more general multi-directional separability problem arises. The class of such separability problems has been studied previously and arises e.g. in computer graphics and robotics. Existing solutions to the uni-directional problem typically assume the objects to have a certain predetermined shape (e.g., rectangular or convex objects), or to have a direction of separation already available. Here we show how to compute all directions of unidirectional separability for sets of arbitrary simple polygons.The problem of determining whether a set of polygons is multi-directionally separable had been posed by G.T. Toussaint. Here we present an algorithm for solving this problem which, in addition to detecting whether or not the given set is multidirectionally separable, also provides an ordering in which to separate the polygons. In case that the entire set is not multi-directionally separable, the algorithm will find the largest separable subset.Research supported by NSERC under grant No. A9173 and A0392, respectively     

Application of random sets to model uncertainty of road polygons extracted from airborne laser points

High point densities obtained by today’s laser scanning systems enable the extraction of features that are traditionally mapped by photogrammetry or land surveying. While significant progress has been made in the extraction of roads from dense point clouds, little research has been performed on modelling uncertainty in extracted road polygons. In this paper random sets are used to model this uncertainty. Based on the accuracy reported by the data provider, positional errors in laser points are simulated first by a Markov Chain Monte Carlo method. An algorithm is developed next to detect the positions of road polygons in the simulated data and integrating the random sets for the uncertainty modelling. This algorithm is adapted to point data with different densities and variable distributions. Uncertainty modelling includes modelling of the dependence between the vertices of a road polygon. Road polygons constructed from vertices with different truncated normal distributions along with their uncertain line segments are represented by random sets, and their parameters are estimated. The effect of distributions on the area of the mean set is analysed and validated by a set of reference data collected from GPS measurements and image digitising. Results show that random sets provide useful spatial information on uncertainties using their basic parameters like the core, mean and support set. The study shows that random sets are well-suited to model the uncertainty of road polygons extracted from point data.     

基于网格与R-树空间索引的矢量线图任意简单多边形窗口裁剪算法

针对大规模矢量线与大量裁剪窗口同时出现的线裁剪算法存在的三个主要问题,减少线段求交次数、简化交点出入属性计算以及无交点矢量线的取舍,本文提出了一种基于双空间索引的大规模线图任意多边形裁剪算法。算法根据裁剪多边形的边分别建立R-树索引和均匀Cell索引,应用两种索引各自的优点大幅减少被裁剪线段与裁剪多边形上线段的求交次数。在此基础上,基于均匀网格索引,提出局部射线法,简化交点出入属性计算和无交点矢量线的取舍。本文在传统算法基础上提出三点改进:首先提出基于两种空间索引模型进行线段求交计算,保证算法在理论上具有较低的时间复杂度;其次,在射线法和网格索引基础上提出局部射线法,使得判断每个交点出入属性的时间复杂度为O(1)～ O(n~(1/2)),与参考文献中的算法相比,此方法的优点是避免判断多边形上顶点的方向;最后,算法中裁剪多边形可以是包含任意多个洞的任意简单多边形,克服传统算法中对裁剪多边形的特定约束条件。     

Recognizing polygons,or how to spy

A new class of so-called pseudo-starshaped polygons is introduced. A polygon is pseudo-star-shaped if there exists a point from which the whole interior of the polygon can be seen, provided it is possible to see through single edges. We show that the class of pseudo-star-shaped polygons unifies and generalizes the well-known classes of convex, monotone and pseudostar-sphaped polygons. We give algorithms for testing whether a polygon is pseudostar-shaped from a given point in linear time, and for constructing all regions from which the polygon is pseudo-star-shaped in quadratic time. We show the latter algorithm to be worst-case optimal. Also, we give efficient algorithms solving standard geometrical problems such as point-location and triangulation for pseudo-starshaped polygons.A preliminary version of this paper has been presented at the 24 th Allerton Conference on Communication, Control and Computing, Monticello, Ill, October 1986Research for this paper was done while the author was at Carleton UniversityResearch for this paper was done in part while the author was visiting Carleton UniversityThis research was supported in part by NSERC and by Carleton University     

一种基于点集自适应分组构建Voronoi 图的并行算法

论文提出一种基于点集自适应分组构建Voronoi 图的并行算法,其基本思 路是采用二叉树分裂的方法将平面点集进行自适应分组,将各分组内的点集独立生成 Voronoi 图,称为Voronoi 子图;提取所有分组内位于四边的边界点,对边界点集构建Voronoi 图,称为边界点Voronoi 图;最后,针对每个边界点,提取其位于Voronoi 子图和边界点Voronoi 图内所对应的两个多边形,进行Voronoi 多边形的合并,最终实现子网的合并。考虑到算法 耗时主要在分组点集的Voronoi 图生成,而各分组的算法实现不受其他分组影响,采用并行 计算技术加速分组点集的Voronoi 图生成。理论分析和测试表明,该算法是一个效率较高的 Voronoi 图生成并行算法。     

基于图模型的多边形自动并行构建算法

目前GIS基础算法并行化成为高性能GIS进一步深入的前提,作为GIS空间分析基础算法的重点,有必要对多边形构建提出一种自动并行算法。为此,提出基于图模型的多边形自动并行构建算法。该算法根据图模型中有向闭合环的特点对一组线段的集合进行多边形构建,能有效提高多边形构建的自动化程度。将搜索、排序等耗时较多的操作进行并行化处理,能有效减少全局搜索次数及整体排序和逻辑操作时间。实验表明,在对大规模线性数据生成区域时,该算法能有效地实现效率提升,达到良好的效果。     

有向回路法和网格法:多边形内外点判别的新算法

该文把简单多边形视作一个有向回路,利用多边形的环绕方向和区域划分提出了两种判别内外点的新算法:有向回路法和网格法。有向回路法利用了多边形的方向性,在某些情况下可以不必遍历多边形的所有边。该算法程序简单,时间复杂度为O(n),平均性能优于复杂度为Θ(n)的射线法和标号法,但只能处理凸多边形。网格法是有向回路法的改进算法,利用了多边形的方向性和区域划分。网格法将n边形的包围盒划分为(n-1)×(n-1)个网格:如果待处理的点在某个网格内,则仅根据经过该网格的所有边就可以判断该点的内外性。网格法可以处理任意简单多边形,包括带孔的多边形;最坏情况下的时间复杂度为O(lgn),空间复杂度为Θ(n2)。     

海量数据多边形布尔运算的区域分割算法

研究了一种大数据量的2维多边形,称为海量数据多边形,其边界由直线段和圆弧段组成,顶点很多,形状复杂。本文设计并实现了海量数据多边形之间的布尔运算算法。首先用区域划分的方法快速求解出两多边形的交点,然后判断各交点的出点、入点性质,最后沿着多边形的边界跟踪,并根据并、交、差的不同要求切换跟踪路线,直到形成封闭的回路。运算结果仍为2维多边形。该算法从实用的角度出发,避开繁琐的数学推理,易于程序实现,在实际应用中显著提高了布尔运算的效率。