基于海量数据delaunay三角网构建分析与实现-analysis and implementation of delaunay triangulation base on massive data.docx

摘 要海量数据的 Delaunay 三角剖分在“数字城市”、“数字矿山”等 GIS 三维建模领域具 有重要的意义。本文主要研究海量数据 Delaunay 三角剖分的算法实现。本文以传统的 Delaunay 三角剖分算法为研究对象，分析对比三角网生长法、逐点 插入法及分治法各自的优缺点。通过分析传统的 Delaunay 三角剖分算法，结合目前海 量数据 Delaunay 三角剖分的特点，提出一种基于格网分割的 Delaunay 三角剖分算法。 在基于格网分割的 Delaunay 三角剖分算法中，首先将海量数据分割为大小相等的若干 块子数据，然后对分割后的子数据块进行 Delaunay 三角剖分，最后将所有的子块剖分 数据进行合并，实现海量数据的三角剖分。在子块数据的 Delaunay 三角剖分的过程中，本文利用逐点插入法生成 Delaunay 三 角网。首先，利用凸包算法计算子块点数据的凸包，然后利用逐点插入法将除凸包点外 的所有点插入到子块中，同时生成及不断优化三角网。在向凸包中插入未知点时，如果 利用直接计算插入点的影响三角形区域的方法进行三角网优化时，则可能出现不连贯的 影响区域的问题，影响三角形的正常生成。为此，笔者先寻找插入点所在目标三角形， 然后查找目标三角形的边，最后查找与边有关的三角形是否为插入点的影响范围。利用 此方法可以解决并优化三角形影像区域不连贯的问题。在格网间三角网合并过程中，首先分析不同格网间所有凸包连接过程中可能出现的 多边形形式（凹多边形，凸多边形），然后根据多边形类型分别进行三角剖分，从而达 到格网间多边形合并的目的。在此过程中，凹多边形主要分为两种形式：简单凹多边形 与自相交凹多边形。在自交凹多边形剖分过程中，首先要解决其自相交的特性，将自相 交凹多边形转化成简单多边形，然后利用简单凹多边形剖分的方法，进行凹多边形剖分， 实现格网间三角网的合并。另外，本文还研究了 java3D 可视化技术，总体把握了 java3D 技术可视化的原理与 方法。在海量数据 Delaunay 三角网剖分系统实现时，利用 java3D 的可视化技术实现三 角网的三维可视化。在系统中还实现了三维漫游、定点查询、测距查询，三维坐标查询 等实用功能。关键词： 海量数据；Delaunay-TIN；三角形剖分；DEMABSTRACTDelaunay triangulation about huge amounts data has great significance in the GIS three-dimensional modeling, such as “Digital City”, “digital mine field”. This paper researches on algorithm about the Huge Amount Data Delaunay Triangulation.In this paper, traditional Delaunay triangulation algorithm is regarded as the object of study, we analyze the advantages and disadvantages of triangulation growth algorithm, incremental insertion algorithm and divide and conquer algorithm. Based on the traditional Delaunay triangulation algorithm and combined with the characteristics of current mass data Delaunay triangulation, this paper proposed one kind of Delaunay triangulation algorithm based on the grid segmentation. In this Delaunay triangulation algorithm, firstly, mass data are divided into equal size pieces of data, and then run the Delaunay triangulation algorithm on the small pieces of data, and finally all the sub-block triangulation data are combined to a huge amount of data triangulation.Duri