当前位置:首页 > 物联网 > 《物联网技术》杂志
[导读]摘 要:地形可视化与人类的生产生活息息相关,就是利用计算机对地形数据进行模拟仿真,并通过对相关技术的应用实现对地形模型的表达、显示以及传输。该技术涉及到测绘学、图像处理、现代数学以及计算机网络等多个学科,如今,该技术在虚拟现实、地理信息系统以及计算机仿真等领域的应用越来越广泛,是当前计算机图形学的一个重要研究课题。随着地形仿真应用要求的不断提高,地形可视化逐渐向构建三维真实感地形模型的趋势发展,而要生成三维真实感地形,就需要进行较复杂的数据计算,所以,计算机的图形处理能力非常重要。本研究就是基于数字地形模型对三维地形建模技术进行探讨,并对可以生成数字地形模型的TIN(不规则三角网模型)的改进算法进行详细分析。

引 言

DTM(数字地形模型)的定义为“以数字形式存储的地球表面上所有信息的总和,是描述地面特征空间分布的数值的集合,是地形表面形态等多种信息的一种数字表示,是描述地形特征空间分布的有序数值阵列。”数字地形模型不仅包通过航、卫片的立体像对生成的高程数据,还包括公路、建筑物、河流等存在于地形表面的地物数据。地形可视化概念自形成以来,国内外学者就针对不同的目的对数据模型、相关算法以及理论进行不断研究,如今依托于计算机技术已经成功建立起多种可视化模型。1997 年,Mark 等人提出了 ROAM(实时优化适应网格)算法,ROAM 算法规则是对传统 LOD(层次细节技术)算法的改进,优化后的的ROAM 算法可以极大地提高地形数据的运算效率,尤其适合应用于大规模地形数据,因为它可以根据视点的位置实现对模型细节层次的动态计算。通过近年来的研究,我国学者提出一种基于地形特征和参数的地形生成方法,研究者将地形视为一个随机统计过程,并综合应用了实用回归、分形几何模型等多种技术。另外, 有学者将三角网地形生成方法与传统的分割 - 合并法融合在一起,提出了基于不规则三角网模型的自适应分块思想以及相应的地形简化过程。

1 改进的 Delaunay三角网法算法

数字地面模型从数据结构的角度可以分为 2 大类,即TIN(不规则三角网模型)和 Grid(不规则网格模型),TIN是针对离散点数据,其具有数据冗余小的优点,而且可以充分顾及到地形特征,能够将地形各种复杂的细节特征有效反映出来,但该方法的算法比较复杂,所以在实现方面存在一定难度,而且存储以及空间操作上也很不方便 ;Grid是基于规则分布数据点,该方法拓扑关系简单,算法容易实现,存储以及空间操作都非常方便,但其数据冗余较大,不能有效地对地形结构和特征进行描述。TIN是地形生成算法的基础, 本文着重讨论TIN的算法。三角网相对于TIN 和 Grid算法比较简单,而且图形灵活多变,改进的Delaunay三角网法可以有效提高 TIN的建网效率,下面就对Delaunay的改进算法的相关研究。

利用数据分块建网再合并技术对Delaunay 算法进行优化处理,因为 Delaunay 算法的原则同样适用于TIN 建网和合并, 所以基于该方法的建网效率与采样点增长呈线性递减分布,使得Delaunay 三角网的生成速度得到大幅度提高。Delaunay 改进算法处理过程如下:

2 处理原始数据(切分采样点)

图 1所示是采用数据切分的过程图,图中的“A为原始采样点。首先对原始采样点 A插入二叉树根节点,并根据采样点的地理位置置入叶子节点,如果叶子节点中采样点的最终数量大于三角网采样点的最大允许数量值,将该叶子节点作成根节点形成两个叶子节点,此时形成了两部分数据,实现了区域二分,反复进行此操作模式直到数据插入完毕”。图 1中采样点处理完毕后一共形成 4个三角网,各个三角网的合并好结合其在二叉树中的位置进行, 其中有父节点相同时先合并。图 1中 11由110和 111 合并而成,1由10和 11合并而成,完整的Delaunay 三角网最终由1 和 0 合成。

3 基本三角网的生成


首先要生成初始三角网,然后逐个插入其余点,并采用LOD 对初始三角网的形成以及数据插入过程进行优化,以保 证形成有效的 Delaunay 三角网。初始三角网的形成过程 :一 是根据采集的原始采样点特征构造凸壳 ;二建立用于逆时针 存储凸壳形成过程中各个点的链表;三是 将链表中的 P0 点(凸 壳上最小的点)以及后续点 P1、P2 构成第一个三角形 ;四是 从P2开始重复步骤三的操作,形成新的三角形,直到链表头部, 整体过程采用 LOD 进行优化。初始三角网形成后,再逐点插 入所有数据,以形成完整的 Delaunay 三角网。之后就可完成 基本三角网的合并。
虚拟现实中三维地形建模及其算法探讨


3 三维地形可视化系统的实现 

3.1 系统设计 

地形表面网格模型的构建根据 DEM 数字高程模型,以 实现三维地形可视化系统的设计,并利用光照、立体视觉技术 以及纹理映射等实现地形地貌的真实再现。三维地形建模的 流程如下图 2 所示。 

3.2 系统设计结构 

本 研 究 的 基 础 设 施 为 Windows XP 操 作 系 统 以 及 VC++6.0、OpenGL,基于以上系统和软件进行开发,三维地 形可视化系统用到的关键数据结构可根据三角形面片使用单 链表形式定义,代码如下:(来自 DEM 文件的数据多通过面 向对象方法设计出的 Cterrain 类来处理,这里不再详细介绍)。

“Typedef struct triangle {
Int tripointID_1 ;//三角面片顶点 1 所在网格 ID 号’
Int tripointID_2 ;
Int tripointID_3 ;
}Triangle,*Ptriangle ;
Type struct TriNode{
Ptriangle tri ;//tri为指向一个三角形面片的指针’
TroNode*next ;
}TriNode,*PtriNode ;”
虚拟现实中三维地形建模及其算法探讨


4 结 语

采用逐点插入的方法对 Delaunay 进行三角划分是三维地 形显示中非常重要的环节,在原有 Delaunay 算法基础上采用 采样数据分块建网,然后对基本三角网进行合并,这一方法极 大的提高的 Delaunay 三角网的生产速度。






本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

随着科技的飞速进步,人工智能(AI)已经逐渐成为了引领新一轮科技革命和产业变革的核心驱动力。AI不仅在改变着我们的日常生活,还在推动各行各业的创新发展。展望未来,人工智能的发展将呈现出哪些趋势呢?本文将从技术、应用、伦理...

关键字: 人工智能 算法 AI技术

机器学习是人工智能的一个分支,它通过揭示数据模式(即特征和目标变量之间的关系)来模拟人类的学习能力。特征是表示给定观察点或数据点的属性的独立变量。另一方面,目标变量是一个因变量,我们感兴趣的建模作出预测。

关键字: 机器学习 独立变量 建模

机器学习算法不会要求一个问题被 100%求解,取而代之的是把问题转化为最优化的问题,用不同的算法优化问题,从而比较得到尽量好的结果。

关键字: 机器学习 算法 最优化

据数据类型的不同,对一个问题的建模有不同的方式。在机器学习或者人工智能领域,人们首先会考虑算法的学习方式。在机器学习领域,有几种主要的学习方式。

关键字: 机器学习 人工智能 算法

NVIDIA 量子模拟平台将通过各大云提供商提供,帮助科学家推进量子计算和算法研究

关键字: 量子计算 算法 量子云

随着科技的飞速发展,人工智能(AI)已经成为当今科技研究的热点和前沿。AI的快速发展不仅带来了许多新的应用场景和商业模式,也在推动科技进步的同时,引发了一系列关于其未来发展方向和潜在影响的深入讨论。本文将对人工智能的科技...

关键字: 人工智能 AI技术 算法

机器学习算法:机器学习是一种让计算机通过学习数据和模式来改进自身算法的技术。这些算法包括监督学习、无监督学习和强化学习。

关键字: 人工智能 机器学习 算法

随着信息技术的快速发展,机器学习作为人工智能的核心技术之一,正逐渐渗透到各个领域,引领着一场前所未有的科技变革。在机器学习的实际应用中,有三大重点至关重要,它们分别是数据质量、算法选择与模型评估。本文将深入探讨这三大重点...

关键字: 机器学习 数据质量 算法

在人工智能的浪潮中,机器学习已逐渐成为推动科技进步的核心动力。机器学习技术的广泛应用,从图像识别到自然语言处理,从智能推荐到自动驾驶,都离不开其三个基本要素:数据、算法和模型。本文将深入探讨这三个基本要素在机器学习中的作...

关键字: 机器学习 算法 人工智能

随着信息技术的迅猛发展,机器学习作为人工智能的核心技术之一,已经深入到了各个领域,为我们的生活和工作带来了翻天覆地的变化。无论是智能语音助手、自动驾驶汽车,还是个性化推荐、疾病预测,这些令人惊叹的应用背后,都离不开机器学...

关键字: 机器学习 人工智能 算法
关闭
关闭