[发明专利]基于聚集度和Delaunay三角重构的巡回作业区域边界提取方法

摘要

一种基于聚集度和Delaunay三角重构的巡回作业区域边界提取方法。定义两个数据点相关度，基于等距压缩的加速优化算法：对数据点进行等距离压缩；感兴趣区域边界的精提取。1、数据点预处理，2、为点集S求取Delaunay三角网M，3.利用alpha‑shape算法求取点集S凹包的边列表。粗提取阶段充分利用了巡航作业点稠密的分布特性，提出聚集度计算的概念和应用等距压缩算法，有效提升巡航区域自动定位的速度。精提取阶段应用基于统计均值信息的alpha‑shape凹包边缘求取算法，自动将Delaunay三角剖分得到的不合理三角形进行识别并且删除，并确保了对于不同的三角形网格均具有较强的适应性，边缘提取的准确度大为提高。

主权项

一种基于聚集度和Delaunay三角重构的巡回作业区域边界提取方法，其特征在于，步骤一、感兴趣区域的粗提取聚集度的计算与优化定义两个数据点相关度：Sij=550d2(Pi,Pj)+cos(Di-Dj)]]>其中d(Pi,Pj)是点Pi、Pj之间的距离，Di、Dj之间的分别是巡航器在Pi、Pj速度方向与参考方向的倾角，某一点的聚集度就用与之高度相关的数据点总数来衡量，若聚集度超过7，则称该点是具有高聚集度的；基于等距压缩的加速优化算法：对数据点进行等距离压缩，每隔m个间隔取出一个数据点，与等距压缩了p倍的数据点模板进行相关度和聚集度计算；步骤二、感兴趣区域边界的精提取1、数据点预处理数据点的重映射与压缩：先将包围盒里的数据点按照比例映射成一幅位图，再对位图中灰度不为零的像素点按照比例重新映射回实际数据点；分区：将包围盒内的数据点用直线分割成若干个区域，直线的选取标准是直线带内所包含的数据点总数最少，记包围盒内某片分区内所有数据点为集合S；2、为点集S求取Delaunay三角网M三角网格以角点表格形式存储——表格共有三列，每一列分别放置三角形的三个角点在S中索引值；3.利用alpha‑shape算法求取点集S凹包的边列表，算法的过程如下：a.为M初始化所有Edge对象，给每个Edge分配一个唯一的ID，并求取Edge的长度以及邻接三角形集合，其中邻接2个三角形的边为内部边，1个三角形的为边界边，0个三角形的为计算过程中会退化的边，长度限制R取三角网M边长的均值；b.将所有长度大于R的边界边加入队列，并当队列非空时循环下列过程：(1)从队列中取出一条边E，得到E的唯一邻接三角形T；(2)找到T中另外两个边E1，E2将他们的邻接三角形集合删去T；(3)将E1，E2中新形成的长度大于R的边界边加入队列；(4)将E置无效标记，若E1，E2有退化的，也置成无效标记；c.收集所有有效的边界边，形成边列表，输出。