[发明专利]基于自适应R-树的大数据量铁路三维设计模型渲染方法

说明书

技术领域

本发明涉及地理信息系统和铁路设计技术领域，具体的说是一种基于自适应R-树的大数据量铁路三维设计模型渲染方法，该方法可用于铁路三维设计软件的开发实现。

背景技术

随着计算机软、硬件技术的发展，铁路三维设计技术逐渐走向成熟。铁路系统比较复杂，涉及线路、站场、路基、桥梁和隧道等数十个设计专业，并且经过的省、市地域广，空间跨度大，这决定了铁路三维设计模型的数据量相当巨大。采用一般的渲染方法直接绘制大数据量的铁路三维设计模型，对计算机显卡的绘图性能要求非常高，需要高性能图形工作站才能够正常显示出图形效果。如果不解决普通显卡条件下的大数据量铁路三维设计模型渲染速度慢的问题，铁路三维设计软件也就无法在广大铁路设计人员的普通PC机中推广使用。

普通显卡条件下的大数据量三维模型渲染的核心思想是：在场景渲染阶段使用基于空间索引的模型滤除方法，对无需绘制的三维模型进行快速滤除，减少显卡的绘图数据量，从而提高渲染速度。其中，滤除的速度主要由空间索引的检索效率决定。不同的空间索引适合不同分布形态的三维模型，合适的空间索引匹配合适的空间分布形态，才能产生最高的检索效率，才能最大程度的提高渲染速度。

传统的大数据量三维模型渲染方法主要使用格网、BSP树、四叉树和八叉树等规则型空间索引技术，适合于在空间各个方向分布较为均匀的三维模型。铁路空间跨度大，并且沿线设施集中于线路附近，这决定了铁路三维设计模型的空间分布形态为大范围、狭长条带状、不规则空间分布，显然与传统方法的空间索引不匹配。相对而言，R-树更适合铁路三维设计模型的空间分布形态，但是各专业设计方案不断进行优化调整的过程中，可能会频繁触发比较费时的R-树节点分裂或结构紧凑操作，从而影响铁路设计的工作效率，还可能使R-树的深度和广度比例失衡，导致R-树的检索效率降低。

发明内容

本发明的目的在于克服上述已有技术的缺点，提出一种普通显卡条件下的大数据量铁路三维设计模型快速渲染方法，使铁路三维设计软件能够在广大铁路设计人员的普通PC机中较为流畅的运行，摆脱对高性能图形工作站的依赖。

本发明的技术方案是：一种基于自适应R-树的铁路三维设计模型渲染方法，具体包括以下步骤：

（1）在铁路三维设计软件中生成铁路线路、站场、路基、桥梁和隧道专业的设计方案；

（2）生成上述铁路各专业设计方案对应的三维模型，统称为铁路三维设计模型；

步骤（1）和（2）已有成熟技术。

（3）实现适应设计方案频繁调整并匹配三维设计模型空间分布形态的自适应R-树：

3-1）自适应R-树数据结构：

3-1-a）将自适应R-树的数据结构派生于Guttman R-树数据结构，继承Guttman R-树的所有特征；

步骤3-1-a）已有成熟技术。

3-1-b）将自适应R-树的叶子节点中存储的空间对象分为有效对象和无效对象；

3-1-c）在自适应R-树的数据结构内设一个有效对象数组，用于存储所有叶子节点中的有效对象；同时内设一个计数变量统计叶子节点中存储的无效对象的个数；

3-2）自适应R-树的插入方法：

3-2-a）使用Guttman选择叶子节点方法，在自适应R-树中选中待插入的有效对象应该存入的叶子节点；

3-2-b）在步骤3-2-a）选中的叶子节点中查找第一个无效对象，如果找到，则将待插入的有效对象存储到第一个无效对象所占用的存储位置，然后自底向上更新自适应R-树的各层节点的包围盒，从而避免触发费时的自适应R-树的节点分裂操作；如果没有找到，则执行步骤3-2-c）；

3-2-c）使用与Guttman插入方法插入当前处理的有效对象；插入成功之后，判断自适应R-树的深度是否超过单个叶子节点的最大存储空间对象个数M；如果超过，则销毁自适应R-树的所有节点，计算合适的M值，然后对有效对象数组中的空间对象使用Guttman插入方法重新生成各层节点，从而优化R-树的深度和广度比例；

3-2-d）M值通过枚举逼近法求解以下方程得到：

M^(M+1)<=N，

式中：M为单个叶子节点的最大存储空间对象个数，N为有效对象数组中的元素个数；

3-3）自适应R-树的删除方法：

3-3-a）使用与Guttman查找叶子节点方法，找到当前处理的有效对象所在的叶子节点；