一种基于改进四叉树的GIS空间选择查询算法——以ESRI SHAPE格式文件为例

该文通过对原有四叉树在结点分裂和索引对象的结点分配方法方面进行改进,使索引对象被合理地并且不重复地分配到四叉树中的各个树结点中,减少了信息冗余,结点分布更加合理,从而提高整个索引树的搜索效率。并以ESRISHAPE格式文件为例,详细探讨了改进的四叉树在地理信息系统(GIS)的空间选择查询(包括点查询和开窗查询)中的应用与实现算法。实践表明,该算法逻辑清晰,实现简单,查询高效,具有实用价值。     

采用八叉树和OSG分页结点的海量点云三维可视化

针对现有海量点云可视化方法存在索引构建时间长、内存占用大等问题，研究一种八叉树索引结合OSG分页结点的快速可视化方法，可在占用较小内存的基础上快速建立点云索引并实时调度。采用八叉树索引结构对海量点云进行数据组织，建立各层级的八叉树结点并以文件映射的方式分块保存，对结点文件重组织转换为支持OSG渲染引擎的多分辨率点云数据。采用基于OSG分页结点的实时调度技术，对海量点云进行高质量可视化。与目前两款主流的点云数据处理商业软件进行实验对比分析，结果表明所提方法具有索引建立速度快、内存占用小等优点，同时可视化交互更加流畅，适用于各种配置计算机下海量点云数据的调度管理与实时可视化。     

基于改进四叉树分割和结点存储的LOD算法

多层次细节（LOD）算法作为目前使用最多的地形数据简化算法,对提升渲染速度加快场景可视化有着重要作用,而其中以基于四叉树的LOD算法应用最为广泛。通过对以往算法的研究,提出一种对四叉树的分割和结点存储结构同时进行改进的LOD算法。该算法通过减少误差判断次数加快了四叉树的生成速度,同时改变传统的结点存储方式,降低了数据的冗余存储。     

基于改进四叉树索引的矢量地图叠加分析算法

地图叠加是一种非常重要的GIS空间分析功能．首先采用多边形穷举求交方法计算出线段相交点;然后运用引入／引出交点交替配对的叠加结果弧段生成原则,进一步实现了一种面面叠加双重循环算法;对传统四叉树的空间分割和结点分配方法进行改进,并利用改进的四叉树空间索引及其对空间数据的高效存取机制,对文中叠加算法进一步完善,从而极大地提高了计算效率．该算法已成功地应用在商业化的地理信息系统软件GeoBeans开发中,具有很强的实用价值．     

一种拉格朗日粒子流体的高效表面重建方法

为了在几何表示层面捕获拉格朗日粒子流体的表面细节特征以进行真实感绘制,提 出一种高效的基于八叉树的自适应流体表面重建方法。首先进行流体表面粒子的精确检测;然后 根据结点中是否包含流体表面粒子,对流体粒子的包围盒进行基于八叉树的自适应剖分;最后只 在包含流体表面粒子的叶子结点里建立隐式距离场。该方法在流体表面重建过程中的内存消耗和 计算复杂度只取决于流体表面而不是流体体积,适合大规模粒子流体场景的表面提取和绘制。     

一种可扩展四叉树结构及其先序遍历算法

在图象处理领域,数据表达是一个核心问题。四叉树数据结构由于比空间占有树组方式使处理具有多分辨率能力而倍受青睐。文章提出并实现了一种可应用于多分辨率图象处理和地理信息数据表达的四叉树结构,该四叉树综合了循环链表和普通树结构的优点。具有较强的可扩展性和通用性,使得同一层次的结点之间可以顺利搜索,从而大大减少了查找和从子孙结点到父结点操作回溯的复杂度。该文对原先的四叉树结构做了相应改进,并给出了该四叉树数据结构的先根序遍历算法,是一种高效的数据结构。     

基于线性四叉树的快速邻域查询算法

邻域查询是位置服务系统的核心技术,它的实现取决于空间对象数据模型.根据空间对象分布构建的四叉树模型,以及线性四叉树中位置码的使用,提出了一种新的基于线性四叉树的快速邻域查询算法.该算法根据满四叉树结点编码思想对线性四叉树的Morton码进行了改进,并增加了表示四叉树所有结点状态的序列,通过网格模型的邻域查询算法实现了线性四叉树的快速邻域查询.     

一种基于不完全四叉树的LOD生成算法

为了实时地绘制大规模地形数据,提出了一种改进的实时连续LOD生成算法。该算法首先采用Mortan码的编码方式对地形数据进行简化,并利用不完全四叉树存储简化后的高程数据;然后根据视点位置和网格空间对象误差的关系建立基于不完全四叉树的LOD模型,同时采用逐层找邻法调整不同层次之间的裂缝,并给出了寻找不同类型邻居的实现过程;最后采用背面剔除算法将起伏地形的不可见部分去除。实际编程时,由于采用了H ilbert填充曲线方式存储四叉树结点,并采用隔层四叉树方式访问结点数据,从而提高了大规模地形的绘制效率。使用该方法描述荆江地区的地形,取得了良好的绘制效果。     

大规模空间矢量数据分布式存储与计算优化

针对海量空间矢量数据分布式存储与计算需求, 研究了基于四叉树格网编码建立要素索引的方法, 设计了HBase预分区优化策略, 提出了一种空间矢量数据分布式存储模型. 基于MapReduce计算框架, 构建了空间数据分布式计算与分析的优化流程. 最后, 针对空间叠加与统计场景, 采用一定规模的业务数据对所提的方法进行测试, 验证了设计方案的可行性和有效性.     

大规模三维点云快速拾取技术研究

为三维点云处理系统点云查询与交互编辑功能的实现,在系统总结当前计算机三维图形拾取主要方法的基础上,提出三维点云拾取基本方法.针对实际LiDAR(激光雷达)点云处理中往往为大规模点云数据,通过层次包围盒引入四叉树,提出了基于四叉树的大规模三维点云快速拾取系列算法,并从提高四叉树构建速度、降低四叉树内存占用角度,采取有效策略,使得算法整体效率得到进一步优化,实验结果表明算法在大规模三维点云拾取速度和精度上均达到了很好的效果.     

Window Query Processing in Linear Quadtrees

The linear quadtree is a spatial access method that is built by decomposing the spatial objects in a database into quadtree blocks and storing these quadtree blocks in a B-tree. The linear quadtree is very useful for geographic information systems because it provides good query performance while using existing B-tree implementations. An algorithm and a cost model are presented for processing window queries in linear quadtrees. The algorithm can handle query windows of any shape in the general case of spatial databases with overlapping objects. The algorithm recursively decomposes the space into quadtree blocks, and uses the quadtree blocks overlapping the query window to search the B-tree. The cost model estimates the I/O cost of processing window queries using the algorithm. The cost model is also based on a recursive decomposition of the space, and it uses very simple parameters that can easily be maintained in the database catalog. Experiments with real and synthetic data sets verify the accuracy of the cost model.     

Efficient Window Block Retrieval in Quadtree-Based Spatial Databases

An algorithm is presented to answer window queries in a quadtree-based spatial database environment by retrieving all of the quadtree blocks in the underlying spatial database that cover the quadtree blocks that comprise the window. It works by decomposing the window operation into sub-operations over smaller window partitions. These partitions are the quadtree blocks corresponding to the window. Although a block b in the underlying spatial database may cover several of the smaller window partitions, b is only retrieved once rather than multiple times. This is achieved by using an auxiliary main memory data structure called the active border which requires O(n) additional storage for a window query of size n×n. As a result, the algorithm generates an optimal number of disk I/O requests to answer a window query (i.e., one request per covering quadtree block). A proof of correctness and an analysis of the algorithm's execution time and space requirements are given, as are some experimental results.     

DBSCAN算法在公路选线中的应用

基于密度的聚类算法是聚类分析算法中的一种主要技术,它对空间数据库聚类有着很好的性能,然而,对大规模数据库聚类时,DBSCAN算法需要大量的内存支持并伴随着I/O开销.提出了一种带有矢量性的密度聚类算法,具有约束聚类方向,减少候选点的特点.以地理信息系统(GIS)为应用背景,成功应用于高速公路选线,得到了良好的效果.     

Speeding up construction of PMR quadtree-based spatial indexes

Spatial indexes, such as those based on the quadtree, are important in spatial databases for efficient execution of queries involving spatial constraints, especially when the queries involve spatial joins. In this paper we present a number of techniques for speeding up the construction of quadtree-based spatial indexes, specifically the PMR quadtree, which can index arbitrary spatial data. We assume a quadtree implementation using the “linear quadtree”, a disk-resident representation that stores objects contained in the leaf nodes of the quadtree in a linear index (e.g., a B-tree) ordered based on a space-filling curve. We present two complementary techniques: an improved insertion algorithm and a bulk-loading method. The bulk-loading method can be extended to handle bulk-insertions into an existing PMR quadtree. We make some analytical observations about the I/O cost and CPU cost of our PMR quadtree bulk-loading algorithm, and conduct an extensive empirical study of the techniques presented in the paper. Our techniques are found to yield significant speedup compared to traditional quadtree building methods, even when the size of a main memory buffer is very small compared to the size of the resulting quadtrees. Edited by R. Sacks-Davis. Received: July 10, 2001 / Accepted: March 25, 2002 Published online: September 25, 2002     

基于空间数据不同索引方法的比较

空间索引是空间数据库的关键技术,其性能的高低决定着整个数据库的效率。本文分别对R树及其变形树、四叉树、网格文件作了介绍,并基于空间数据对这几种索引结构的性能作了比较,其结果为今后进一步研究提供了参考依据。     

基于MMDB轨道交通AFC清分系统的设计与实现

提出在开发大型联机交易处理系统中,运用内存数据库提高实时处理效率和有效降低I/O频率的技术和方法。讨论了内存数据库、共享内存技术和传统磁盘数据库三种不同处理方式的差异。通过仿真轨道交通AFC清分系统的清分处理,证明运用内存数据库方式在大宗数据处理系统中的有效性和可行性。     

一种基于R-树的空间索引结构

为了有效构建R-树,通过分析数据矩形的性质,结合改进的K-均值算法,提出一种用于构建R-树的数据矩形聚类新方法,给出基于R-树和四叉树的空间索引结构以及该空间索引结构的构造算法和节点插入算法。研究结果表明,该索引结构具有更紧凑的结构和更高的空间查询效率。     

Boundary matching algorithm for connected component labelling using linear quadtrees

A computationally fast top-down recursive algorithm for connected component labelling using linear quadtrees is presented. The input data structure used is a linear quadtree representing only black leaf nodes. The boundary matching approach used ensures that at most two adjacencies of any black leaf node are considered. Neighbour searching is carried out within restricted subsets of the input quadtree. The time and space complexities of the algorithm are O(Bn) and O(B) respectively for a linear quadtree with B black leaves constructed from a binary array of size 2ⁿ × 2ⁿ. Simulations show the algorithm to be twice as fast as an existing algorithm that uses an identical input data structure. The top-down algorithm presented can also be used to efficiently generate a linear quadtree representing all nodes — ‘grey’, ‘black’ and ‘white’ — in preorder when given an input linear quadtree representing only ‘black’ leaf nodes. The boundary matching algorithm is computationally fast and has low static and dynamic storage costs, making it useful for applications where linear quadtrees are held in main memory.     

R-树结点分配的新算法

近年来,针对空间数据库索引的研究引起了人们越来越多的兴趣和关注。为了快速、有效地处理存储于空间数据库中的海量空间数据,专家学者提出了大量的基于磁盘的空间索引方法。其中,1984年Guttman提出的R-树是目前非常有效的空间索引结构。针对R-树的结点分配算法存在的不足,提出了一种新的结点分配算法。研究结果表明： 新的分配算法比原始的算法产生的交叠会更小,从而有效地控制了多路查询的几率,较明显地提高了空间查询的效率。     

多维空间索引结构SHG-Tree(英文)

R-Tree及其变种的多维索引结构在数据的操作过程中通过对空间的分隔和不断调整将整个空间划分为大小不等的子空间以容纳足够的空间对象,这种方法能有效地实现多维空间对象的索引,但不能避免频繁的节点分裂与重组操作所造成的计算开销,也不能避免对叶子节点中的候选对象进行空间匹配所带来的计算开销。提出了一种能有效解决上述问题的索引结构:SHG-Tree。基于SHG-Tree的索引方法将多维空间划分为不同粒度的格子单元并将这些格子单元通过SHG-Tree按空间包含关系组织为层次树结构,同一层的格子互不相交且空间范围固定。空间对象通过文中提出的线性化方法转换为一系列不同粒度的互不相交的空间格子,进而将对象在其覆盖的格子中注册以实现空间对象至SHG-Tree的映射。查询操作只需将查询条件映射为相应的格子并取出这些格子中的对象作为查询结果。这种索引结构能有效减少节点的分裂和组合带来的计算开销,也解决了传统R-Tree索引中对于叶子节点中的候选对象进行区域匹配的计算开销。基于SHG-Tree的索引结构支持包括相交查询、区域查询、包含查询、top-N查询、k-NN查询等常用的多维查询,实验表明SHG-Tree能在毫秒级实现各种空间查询。