三维地学建模与可视化-数字地形建模.pptVIP

无约束数据域01约束数据域02无约束TIN03约束TIN04数据和TIN的类型TIN数据结构：基本数据结构TIN数据结构：面结构TIN数据结构：点结构TIN数据结构：点面结构TIN数据结构：边结构TIN数据结构：边面结构格网与不规则三角网结构混合结构规则格网DEM和TIN的对比01直接Delaunay三角剖分经典算法，根据其实现过程可分为02分治算法03逐点插入算法04三角网生长法TIN建立算法Delaunay三角剖分的基本思想1908年，G.Voronoi首先在数学上限定了每个离散点数据的有效作用范围，定义了二维平面上的Voronoi图；后来，应用Voronoi图进行了区域平均降水量研究。因此，Voronoi图又叫泰森多边形，由一组连续多边形组成，多边形的边界由连接两邻点直线的垂直平分线组成。平面上的不同点，按最近邻原则划分平面：每个点与它的最近邻区域相关联。1934年，俄国数学家Delaunay提出了三角形最小内角最大的三角化准则，并证明了在没有四点或四点以上共圆条件下的平面散乱点存在的一种三角化方式，使连成的三角形网中的三角形满足这一条件，最接近等边三角形，通常称这类三角形为Delaunay三角形。图Delaunay三角网与Voronoi图这两个特性保证了Delaunay三角剖分能够尽可能地避免生成小内角的长薄单元，使三角形能够最接近等角或等边,这也是Delaunay三角剖分的算法依据。04最小内角最大性质。在所有可能形成的三角剖分中，Delaunay三角剖分中三角形的最小内角之和是最大的。05Delaunay三角形是由与相邻Voronoi多边形共享一条边的相关点连接而成的三角形。Delaunay三角形的外接圆圆心是与三角形相关的Voronoi多边形的一个顶点。Delaunay三角形是Voronoi图的偶图，简称D-三角形，如图5-1所示。01空外接圆性质。任何一个三角形的外接圆均不包含其它数据点；03研究证明，同Voronoi图互为对偶图的Delaunay三角剖分图具有如下性质。02Delaunay三角形TIN的三角剖分准则LOP局部优化过程运用Delaunay三角网的空外接圆性质,对由两个有公共边的三角形组成的四边形进行判断，如果其中一个三角形的外接圆中含有第4个顶点,则交换由两个三角形所构成的四边形的对角线。这一调整过程称为局部优化过程(LOP)。局部优化过程主要应用于不规则三角网TIN建立过程中，生成Delaunay三角形时判断其是否符合Delaunay的空圆特性，如不符合，则通过LOP局部优化过程进行优化。其基本思想：运用Delaunay-TIN三角网的空外接圆性质对两个公共边的三角形组成的四边形进行判断，如果其中一个三角形的外接圆中含有第四点，则交换四边形的对角线。LOP局部优化过程局部优化过程，localoptimalprocedure，LOP热点应用--三角网数字地面模型快速构建算法研究LOP局部优化过程是基于具有公共边的两个三角形进行的，对每个三角形进行LOP时，要快速找出与处理三角形共边的三角形，虽说可以通过拓扑关系快速找出共边的三角形，但由于逐点插入算法是一个动态过程，因而如何在动态过程中创建和维护拓扑关系，直接影响到算法的执行效率。对每一次LOP过程都需要进行空外接圆检测，该过程在整个算法过程中的执行频率极高，故空外接圆检测方法的好坏对程序效率影响很大。空外接圆检测过程是一个数值分析与计算过程，因而成在计算稳定可靠的前提下，尽量减少计算次数和较费时的函数计算，从而提高执行效率。LOP局部优化过程在Delaunay三角形中，每一个三角形都要经过空外接圆检测。在算法中，这一过程是恒定的，它具有累计性。当数据较大，它在整个程序执行中所占用的CPU时间不容忽视。目前常见的做法是计算分裂三角形的外接圆圆心及半径，然后利用第四顶点到圆心距离和外接圆的半径关系进行判定。这一过程中要多次执行三角函数、开方、除法、平方等运算，而这些函数与加减乘除的执行效率相比，则是比较低的。因此有必要在保证计算精度和稳定性购前提下，简化处理空外接圆检测公式。通过公式简化，可使得其时间复杂度相应的减少，从而提高了执行效率。当数据量比较大时，整体算法与点数几乎是线性的，即具有O（N）的复杂度，仍有研究空间。0102LOP局部优化过程01三角网生长算法02三角网生长算法就是从一个“源”开始，逐步形成覆盖整个数据区域的三角网。03从生长过程角度，三角网生长算法分为收缩生长算法和扩张生长算法两类。04收缩生长算法是先形成整个数据域的数据边界（凸壳），并以此作为源头，逐步缩小以形成整个