基于点集凸包Delaunay三角剖分实时算法研究.docVIP

基于点集凸包Delaunay三角剖分实时算法研究 　　摘要： 凸包作为计算几何的一种基本的数据结构，在计算几何设计方面有着十分重要的应用。本文采用坐标及单映射的算法来构建平面散乱点集的凸包。而点集的Delaunay三角化对三维曲面重构有着十分重要的应用，由于Voronoi图和Delaunay三角化的对偶性，一般通过构建点集的Voronoi图来构建Delaunay三角网，本文直接构建Delaunay三角剖分，该算法原理简单，稳定，易实现，尤其适合数据点较少的点集。 　　关键词： 单映射；对偶性；凸包；Delaunay三角剖分 　　中图分类号：TP306.1 文献标识码：A 文章编号：1006-4311（2015）09-0317-02 　　0 引言 　　凸包，就是包含点集中所有点的封闭的最小凸多边形，使得点集中任意两个点的连线都在该多边形内部。构建凸包通常要解决两个问题：其一，是要从大量的离散点中判断出哪些点是要求的凸包的顶点；其二，是要解决这些凸包顶点的链接关系。要解决这两个问题所需的时间复杂度至少为O（n logn），其中n为参加构建凸包离散点的个数。显而易见，要提高计算速度就必须减少参加构建凸包的离散点的数目[1]。二维平面最简单的几何体是三角形，而三维空间最简单的是四面体。Delaunay网由于其独特的数学性质，是数学分析的有力工具，是GIS中DTM模型的一个重要表示方法和分析处理手段[2]。 　　1 平面凸包构建算法 　　在通常情况下，平面点集的凸包只是由其中的一部分点构成的，而其余的大部分点都是存在于凸包的内部，这就使得可以通过减少参加构建凸包的离散点数目来提高计算速度，即快速凸包法[3]，从而避免了逐点插入法构建点集凸包的冗余繁琐，尤其是在有大量数据点的情况下并且在确定凸包顶点的同时也能判断出非凸包顶点。 　　1.1 判断点在多边形内外的法则 判断一个点与一已知多边形的位置关系可以根据待判断点与多边形各个顶点之间的夹角矢量和来判断[4]。当点P在多边形P1P2P3P4…Pn的内部，那么点P和多边形各个顶点所得角度矢量和为360°；当点P在多边形P1P2P3P4…Pn的外部，那么该点和多边形各个顶点所得角度矢量和为0°。 　　1.2 凸包构建算法 利用单映射法进行凸包构建，横坐标为X轴，纵坐标为Y轴。取点集S的X坐标最小点PL、最大点PR，Y坐标最小点PD、最大点PU，连接这四个点（如果满足要求的不只一个点，则当参考坐标为X坐标的时候，取Y坐标值最小的那个点；当参考坐标为Y坐标时，取X坐标值最小的那个），构成的四边形PLPDPRPU将点集S划分成四个区域，分别记为SLD、SRD、SLU、SRU，建立链表TuBao[i]（i=1，2，…，n），并将这四个点存入链表TuBao[i]之中。 　　根据1.1节，点与多边形位置关系的判断准则，判断出四边形的内点和外点，以此类推，找出所有的顶点，存入链表TuBao[i]之中。直至所有区域都为空。将链表TuBao[i]中的点按照角度法进行依次连接，完成排序，构建凸包。 　　2 Delaunay三角网格 　　2.1 定义 三角化的典型应用包括有限元分析和计算机图形学。Delaunay三角化使点集中所有的三角形最小角度得到最大限度的增加。 　　定义1：对于点集S，它的Delaunay三角化是S的三角化，即每个三角形的外接圆内部不包含点集S中的其它点。Delaunay三角化的棱边称为Delaunay棱。 　　由定义1，可知图1（a）中的三角化不是Delaunay三角化，（b）图是Delaunay三角化。 　　2.2 点与圆的位置关系判断准则 本文采用四点共圆法判断点与圆的位置关系。将所要判断的点与其余三个点（共圆）连接构成一个四边形，若以该点为顶点的角与其对角之和大于180°，则该点在圆内，若小于180°，则该点在圆外，若等于180°，则该点在圆上，即四点共圆（一般进行Delaunay三角化的点集需要满足三点不共线，四点不共圆的性质）。如图2所示：Pa点在圆外，Pb点在圆上，Pc点在圆内。 　　2.3 Delaunay三角化 Delaunay三角化作为一种主要的DTM表示法，具有极其广泛的用途。本文基于点集的凸包及逐点插入法为基础，依次一次性构成点集的Delaunay三角化，使得任意n个点之间都满足Delaunay三角化，既可以避免漏点，又可以避免出错。以图3所示点集S为例，其Delaunay三角化过程如下。 　　①选取Y坐标最小的点为P1，将点P1与其余点分别相连，根据连线与X轴正方向的夹角的大小关系，把其余的点分别记为P2、P3、P4……P13。若有两个点与参考点P1的连线夹角的角度相等即三点共线的时候，再根据坐标来判断排序，由于参考点是Y坐标最小的