CN105354881B - 基于离散属性数据的网格变形优化算法 - Google Patents

基于离散属性数据的网格变形优化算法 Download PDF

Info

Publication number
CN105354881B
CN105354881B CN201510823858.2A CN201510823858A CN105354881B CN 105354881 B CN105354881 B CN 105354881B CN 201510823858 A CN201510823858 A CN 201510823858A CN 105354881 B CN105354881 B CN 105354881B
Authority
CN
China
Prior art keywords
grid
boundary
search
area
smooth
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510823858.2A
Other languages
English (en)
Other versions
CN105354881A (zh
Inventor
刘显太
戴涛
于金彪
曹伟东
王岚
龚蔚青
陈苏
秦学杰
段敏
王海起
史敬华
张腾
孙红霞
沈红超
易红霞
梁莹
赵莹莹
彭佳琦
王艺
刘楠楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Exploration and Development Research Institute of Sinopec Henan Oilfield Branch Co
Original Assignee
China Petroleum and Chemical Corp
Exploration and Development Research Institute of Sinopec Henan Oilfield Branch Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Petroleum and Chemical Corp, Exploration and Development Research Institute of Sinopec Henan Oilfield Branch Co filed Critical China Petroleum and Chemical Corp
Priority to CN201510823858.2A priority Critical patent/CN105354881B/zh
Publication of CN105354881A publication Critical patent/CN105354881A/zh
Application granted granted Critical
Publication of CN105354881B publication Critical patent/CN105354881B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种基于离散属性数据的网格变形优化算法,包括:步骤1,采用种子点法针对网格的某一离散属性值进行区域搜索,生成区域网格集合;步骤2,进行区域边界追踪,生成区域网格边界线段集合,根据线段坐标分析线段的邻接关系,将线段按顺序首尾相连合并,进行区域网格边界追踪形成边界多边形集合,并采用面积排序法剔除内边界;步骤3,在以区域面积为权重来约束区域共享边界光滑移动的前提下,采用五点法进行曲线光滑形成光滑区域边界;以及步骤4,调整网格角点到对应的光滑多边形,进行网格角点自适应优化。该基于离散属性数据的网格变形优化算法实现原有网格角点自适应优化,用于解决模型网格区域边界存在锯齿等不光滑问题。

Description

基于离散属性数据的网格变形优化算法
技术领域
本发明涉及网格模型构建及应用领域,特别是涉及到一种基于离散属性数据的网格变形优化算法。
背景技术
目前在网格模型构建过程中,可以使用角点网格、矩形网格、径向网格和非结构化网格(如PEBI网格)等网格***。由于各网格***存在着自身的特点,故而构建的模型都有各自的适用范围及特色,如基于矩形网格***构建的模型存在着网格区域边界存在锯齿等不光滑现象,如不对边界进行光滑优化处理,将影响模型描述精度及后期模拟计算结果的准确性。为此我们发明了一种新的基于离散属性数据的网格变形优化算法,解决了以上技术问题。
发明内容
本发明的目的是提供一种在保持原有网格拓扑结构不变的情况下,解决基于矩形网格***的模型网格区域边界存在锯齿等不光滑问题的基于离散属性数据的网格变形优化算法。
本发明的目的可通过如下技术措施来实现:基于离散属性数据的网格变形优化算法,该基于离散属性数据的网格变形优化算法包括:步骤1,采用种子点法针对网格的某一离散属性值进行区域搜索,生成区域网格集合;步骤2,进行区域边界追踪,生成区域网格边界线段集合,根据线段坐标分析线段的邻接关系,将线段按顺序首尾相连合并,进行区域网格边界追踪形成边界多边形集合,并采用面积排序法剔除内边界;步骤3,在以区域面积为权重来约束区域共享边界光滑移动的前提下,采用五点法进行曲线光滑形成光滑区域边界;以及步骤4,调整网格角点到对应的光滑多边形,进行网格角点自适应优化。
本发明的目的还可通过如下技术措施来实现:
在步骤1中,采用四邻域搜索方式,遍历网格,针对每个离散属性值,采用种子点法,递归搜索形成各个离散属性值相近的区域网格IJK集合,区域按属性值填充标记。
步骤1包括:
(1)初始化,对当前层K层的网格进行区域搜索,以某一网格属性值来划分区域,设置网格搜索标志,未搜索网格标志为假,已搜索网格标志为真,指定一个种子点网格;
(2)从种子点(I,J,K)出发,采用四邻域搜索方式,分别向左(I-1,J,K)、向右(I+1,J,K)、向上(I,J-1,K)、向下(I,J+1,K)搜索;
(3)若当前方位网格搜索标志为假,则判断该网格是否满足区域相似条件,若搜索到的网格属性值与种子点网格属性值相等则为区域相似网格;
(4)将满足条件的当前网格保存到区域网格集合中,设置该网格搜索标志为真,并且指定为新的种子点,重复(2)(3)(4);不满足条件的略过,继续搜索种子点的其它方位网格;
(5)若当前种子点4个方位网格搜索结束,返回搜索上一个种子点其它方位,直到该属性值条件下种子点全部搜索结束;
(6)在搜索标志为假的网格中产生新的种子点,重复(2)(3)(4)(5),直到网格搜索标志全部为真结束。
步骤2包括:
(1)对指定层位K的某一区域网格IJK集合中的网格进行遍历;
(2)判断当前网格(I,J,K)的相邻网格((I-1,J,K)、(I+1,J,K)、(I,J-1,K)、(I,J+1,K))是否在该区域网格集合中;
(3)若某一方位相邻网格不存在,则网格该方位边保留到区域边界集合中,该集合包含xyz坐标及角点网格序号的专用多边形数据结构;
(4)循环遍历该区域网格集合中的其它网格,重复(2)(3),完成区域边界搜索;
(5)将区域边界多边形线段集合中的线段首尾相连合并,根据线段坐标分析线段的邻接关系,包括头头相邻、头尾相邻、尾头相邻、尾尾相邻、不相邻,将线段按顺序连接,追踪形成尽可能多的区域多边形集合;
(6)采用面积排序或包含关系算法,剔除内边界,面积最大的边界多边形即为该区域的外边界;
(7)重复(1)(2)(3)(4)(5)(6),追踪得到该层的所有区域边界。
在步骤3中,在区域边界追踪的基础上,采用分段三次多项式插值法中的五点法进行区域边界光滑,五点法是每两个数据点之间建立具有连续的一阶导数的三次多项式曲线方程,其中曲线各节点的导数是以一点为中心,左右两边各相邻的两个点,一共五个点来确定。
步骤3包括:
(1)将区域边界按所包含的网格数升序排列,保证区域共享边界的光滑移动以较大面积区域为准,区域面积为权重;
(2)遍历区域边界多边形集合,采用分段三次多项式插值法中的五点法光滑多边形,从实用高效的角度出发,对网格数或面积较小的区域不予处理;
(3)将光滑后的边界多边形保存到边界光滑多边形集合,重复(2)直到全部边界多边形光滑处理结束。
在步骤4中,在区域边界光滑的基础上,实现矩形网格顶点到角点网格的光滑形变,根据边界多边形的折点对应的角点网格序号及对应的光滑多边形点的序号,进行矩形网格顶点到光滑点的平移。
本发明中的基于离散属性数据的网格变形优化算法,采用种子点法递归搜索、内边界剔除外边界追踪技术,追踪区域。利用分段三次多项式五点光滑算法生成光滑区域边界,实现原有网格角点自适应优化,用于解决模型网格区域边界存在锯齿等不光滑问题。
附图说明
图1为本发明的基于离散属性数据的网格变形优化算法的一具体实施例的流程图;
图2为本发明的一具体实施例中四邻域及八邻域搜索示意图;
图3为本发明的一具体实施例中种子点法递归搜索效果的示意图;
图4为本发明的一具体实施例中多边形线段邻接关系的示意图;
图5为本发明的一具体实施例中边界多边形线段首尾相连合并流程的示意图;
图6为本发明的一具体实施例中内边界剔除外边界追踪获取区域边界的示意图;
图7为本发明的一具体实施例中分段三次多项式五点光滑算法实现边界多边形光滑的示意图;
图8为本发明的一具体实施例中区域交界斜边示意图;
图9为本发明的一具体实施例中网格变形优化前后效果对比的示意图。
具体实施方式
为使本发明的上述和其他目的、特征和优点能更明显易懂,下文特举出较佳实施例,并配合附图所示,作详细说明如下。
在区域边界优化前,必须进行区域搜索及区域边界追踪的过程。不论是在计算机图形学中,还是在计算机图像处理中,区域搜索都是一个基本而又重要的操作。基于四连通域或八连通域的种子点法递归搜索算法是最简单、直观、传统的区域搜索算法,它具有程序简单、表达清楚的优点。
在确定网格区域边界过程中会用到内边界剔除外边界追踪技术,剔除内边界的方法包括面积排序或包含关系算法等。在确定区域边界后,网格变形优化转换成了区域边界光滑问题,常用的光滑算法包括:线性迭代、分段三次多项式插值法,二次多项式加权平均法、张力样条函数法等,其中分段三次多项式插值法(五点法)的特点就是光滑前后线的点个数保持不变,另外两种方法拟合前后控制点跟光滑点的数量不一致。为了保证六面体网格之间的拓扑关系(即网格角点优化前后数量保持一致),本发明采用分段三次多项式五点光滑算法进行边界线的光滑。
如图1所示,图1为本发明的基于离散属性数据的网格变形优化算法的流程图。
在步骤101,采用种子点法进行网格区域搜索,生成区域网格集合。
由于区域有四连通和八连通两种连通方式,因此区域搜索算法也有四邻域搜索和八邻域搜索两种方式(如图2所示)。由于本发明针对矩形网格边界进行自适应优化,考虑到网格在二维平面是规则的矩形且网格是按IJ方向层次遍历的,为了提高网格搜索效率(降低搜索重复率),所以采用四领域搜索方式。遍历网格,针对每个离散属性值,采用种子点法,递归搜索形成各个离散属性值相近的区域网格IJK集合,区域按属性值填充标记(如图3所示);
(1)初始化,对当前层(K)网格进行区域搜索(以某一网格属性值来划分区域),设置网格搜索标志(未搜索网格标志为假,已搜索网格标志为真),指定一个种子点网格(IJK、属性值为1);
(2)从种子点(I,J,K)出发,采用四领域搜索方式,分别向左(I-1,J,K)、向右(I+1,J,K)、向上(I,J-1,K)、向下(I,J+1,K)搜索;
(3)若当前方位网格搜索标志为假,则判断该网格是否满足区域相似条件(若搜索到的网格属性值与种子点网格属性值相等则为区域相似网格);
(4)将满足条件的当前网格保存到区域网格集合(如属性值为1)中,设置该网格搜索标志为真,并且指定为新的种子点,重复(2)(3)(4);不满足条件的略过,继续搜索种子点的其它方位网格;
(5)若当前种子点4个方位网格搜索结束,返回搜索上一个种子点其它方位,直到该属性值条件下种子点全部搜索结束。
(6)在搜索标志为假的网格中产生新的种子点,重复(2)(3)(4)(5)。直到网格搜索标志全部为真结束。流程进入到步骤102。
在步骤102,进行区域边界追踪,生成区域网格边界线段集合,进行区域网格边界追踪形成边界多边形集合,并采用面积排序法剔除内边界。
在区域搜索的基础上,采用内边界剔除外边界追踪技术进行区域边界搜索。具体流程如下:
(1)对指定层位K的某一区域网格IJK集合中的网格进行遍历;
(2)判断当前网格(I,J,K)的相邻网格((I-1,J,K)、(I+1,J,K)、(I,J-1,K)、(I,J+1,K))是否在该区域网格集合中;
(3)若某一方位相邻网格不存在,则网格该方位边保留到区域边界集合(包含xyz坐标及角点网格序号的专用多边形数据结构)中;
(4)循环遍历该区域网格集合中的其它网格,重复(2)(3),完成区域边界搜索;
(5)将区域边界多边形线段集合中的线段首尾相连合并,根据线段坐标分析线段的邻接关系(包括头头相邻、头尾相邻、尾头相邻、尾尾相邻、不相邻等,如图4所示),将线段按顺序连接,追踪形成尽可能多的区域多边形(可能包含内边界)集合,如图5所示;
(6)采用面积排序或包含关系算法,剔除内边界,面积最大的边界多边形即为该区域的外边界。
(7)重复(1)(2)(3)(4)(5)(6),追踪得到该层的所有区域边界(如图6所示)。流程进入到步骤103。
在步骤103,采用五点法进行曲线光滑形成光滑区域边界。
在区域边界追踪的基础上,采用分段三次多项式插值法(五点法)进行区域边界光滑。五点法的基本思路是每两个数据点之间建立具有连续的一阶导数的三次多项式曲线方程,其中曲线各节点的导数是以一点为中心,左右两边各相邻的两个点,一共五个点来确定的。
具体流程如下:
(1)将区域边界按网格数升序排列,可保证区域共享边界的光滑移动以大面积区域为准;
(2)遍历区域边界多边形集合,采用分段三次多项式插值法(五点法)光滑多边形,从实用高效的角度出发,对网格数或面积较小的区域不予处理;
(3)将光滑后的边界多边形保存到边界光滑多边形集合,重复(2)直到全部边界多边形光滑处理结束,效果如图7所示。流程进入到步骤104。
在步骤104,调整网格角点到对应的光滑多边形,进行网格角点自适应优化。
在区域边界光滑的基础上,实现矩形网格顶点到角点网格的光滑形变。由五点光滑算法光滑前后保持点数不变的特征,可知光滑前的区域边界多边形跟光滑处理后的光滑多边形点数是保持一致的,根据边界多边形的折点对应的角点网格序号及对应的光滑多边形点的序号,进行矩形网格顶点到光滑点的平移(如图8所示),黑色箭头为相应顶点移动的方向和距离。
网格变形优化的前后效果如图9所示,图9(a)为变形优化前效果,图9(b)为网格变形优化后效果,可以看出,本发明的基于离散属性数据的网格变形优化算法可以很好的解决模型网格区域边界存在的锯齿问题,平滑效果明显。

Claims (1)

1.基于离散属性数据的网格变形优化算法,其特征在于,该基于离散属性数据的网格变形优化算法包括:
步骤1,采用种子点法针对网格的某一离散属性值进行区域搜索,生成区域网格集合;
步骤2,进行区域边界追踪,生成区域网格边界线段集合,根据线段坐标分析线段的邻接关系,将线段按顺序首尾相连合并,进行区域网格边界追踪形成边界多边形集合,并采用面积排序法剔除内边界;
步骤3,在以区域面积为权重来约束区域共享边界光滑移动的前提下,采用五点法进行曲线光滑形成光滑区域边界;
步骤4,调整网格角点到对应的光滑多边形,进行网格角点自适应优化;
所述步骤1包括:
(1)初始化,对当前层K层的网格进行区域搜索,以某一网格属性值来划分区域,设置网格搜索标志,未搜索网格标志为假,已搜索网格标志为真,指定一个种子点网格;
(2)从种子点(I,J,K)出发,采用四邻域搜索方式,分别向左(I-1,J,K)、向右(I+1,J,K)、向上(I,J-1,K)、向下(I,J+1,K)搜索;
(3)若当前方位网格搜索标志为假,则判断该网格是否满足区域相似条件,若搜索到的网格属性值与种子点网格属性值相等则为区域相似网格;
(4)将满足条件的当前网格保存到区域网格集合中,设置该网格搜索标志为真,并且指定为新的种子点,重复(2)(3)(4);不满足条件的略过,继续搜索种子点的其它方位网格;
(5)若当前种子点4个方位网格搜索结束,返回搜索上一个种子点其它方位,直到该属性值条件下种子点全部搜索结束;
(6)在搜索标志为假的网格中产生新的种子点,重复(2)(3)(4)(5),直到网格搜索标志全部为真结束;
在步骤1中,采用四邻域搜索方式,遍历网格,针对每个离散属性值,采用种子点法,递归搜索形成各个离散属性值相近的区域网格IJK集合,区域按属性值填充标记;
所述步骤2包括:
(1)对指定层位K的某一区域网格IJK集合中的网格进行遍历;
(2)判断当前网格(I,J,K)的相邻网格((I-1,J,K)、(I+1,J,K)、(I,J-1,K)、(I,J+1,K))是否在该区域网格集合中;
(3)若某一方位相邻网格不存在,则网格该方位边保留到区域边界集合中,该集合包含xyz坐标及角点网格序号的专用多边形数据结构;
(4)循环遍历该区域网格集合中的其它网格,重复(2)(3),完成区域边界搜索;
(5)将区域边界多边形线段集合中的线段首尾相连合并,根据线段坐标分析线段的邻接关系,包括头头相邻、头尾相邻、尾头相邻、尾尾相邻、不相邻,将线段按顺序连接,追踪形成尽可能多的区域多边形集合;
(6)采用面积排序或包含关系算法,剔除内边界,面积最大的边界多边形即为该区域的外边界;
(7)重复(1)(2)(3)(4)(5)(6),追踪得到该层的所有区域边界;
所述步骤3包括:
(1)将区域边界按所包含的网格数升序排列,保证区域共享边界的光滑移动以较大面积区域为准,区域面积为权重;
(2)遍历区域边界多边形集合,采用分段三次多项式插值法中的五点法光滑多边形,从实用高效的角度出发,对网格数或面积较小的区域不予处理;
(3)将光滑后的边界多边形保存到边界光滑多边形集合,重复(2)直到全部边界多边形光滑处理结束;
在步骤3中,在区域边界追踪的基础上,采用分段三次多项式插值法中的五点法进行区域边界光滑,五点法是每两个数据点之间建立具有连续的一阶导数的三次多项式曲线方程,其中曲线各节点的导数是以一点为中心,左右两边各相邻的两个点,一共五个点来确定;
在步骤4中,在区域边界光滑的基础上,实现矩形网格顶点到角点网格的光滑形变,根据边界多边形的折点对应的角点网格序号及对应的光滑多边形点的序号,进行矩形网格顶点到光滑点的平移。
CN201510823858.2A 2015-11-24 2015-11-24 基于离散属性数据的网格变形优化算法 Active CN105354881B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510823858.2A CN105354881B (zh) 2015-11-24 2015-11-24 基于离散属性数据的网格变形优化算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510823858.2A CN105354881B (zh) 2015-11-24 2015-11-24 基于离散属性数据的网格变形优化算法

Publications (2)

Publication Number Publication Date
CN105354881A CN105354881A (zh) 2016-02-24
CN105354881B true CN105354881B (zh) 2017-03-15

Family

ID=55330848

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510823858.2A Active CN105354881B (zh) 2015-11-24 2015-11-24 基于离散属性数据的网格变形优化算法

Country Status (1)

Country Link
CN (1) CN105354881B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109410290B (zh) * 2017-08-16 2023-11-21 广州极飞科技股份有限公司 确定作业区域边界的方法和装置
CN107545577B (zh) * 2017-08-23 2021-05-04 电子科技大学 基于神经网络的沉积相图像分割方法
CN109102558B (zh) * 2018-07-09 2022-09-27 珠江水利委员会珠江水利科学研究院 一种基于非结构三角网的水流流线快速生成方法
CN110806509B (zh) * 2019-11-29 2021-12-17 广东电网有限责任公司广州供电局 雷电活动空间特征检测方法和装置
CN111553963B (zh) * 2020-04-13 2023-05-23 中国能源建设集团广东省电力设计研究院有限公司 一种基于地理信息的元网格生成方法及装置
CN111652956B (zh) * 2020-05-19 2023-07-07 中国能源建设集团广东省电力设计研究院有限公司 一种元网格轮廓边界优化方法、介质及终端设备
CN112883960B (zh) * 2021-01-25 2022-08-26 山东浪潮科学研究院有限公司 一种海水养殖区域提取方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7034830B2 (en) * 2003-03-25 2006-04-25 Mitsubishi Electric Research Laboratories, Inc. Method for generating a two-dimensional distance field within a cell associated with a corner of a two-dimensional object
CN101286199A (zh) * 2007-09-14 2008-10-15 西北工业大学 一种基于区域生长和蚁群聚类的图像分割方法

Also Published As

Publication number Publication date
CN105354881A (zh) 2016-02-24

Similar Documents

Publication Publication Date Title
CN105354881B (zh) 基于离散属性数据的网格变形优化算法
CN103837154B (zh) 路径规划的方法及***
CN106898050B (zh) 一种基于环形邻域参照轮廓线的网格模型自适应分层方法
CN107392875A (zh) 一种基于k近邻域划分的点云数据去噪方法
CN104282221B (zh) 一种构建室内地图的道路网络的方法
CN103714577B (zh) 一种适用于带纹理模型的三维模型简化方法
CN106017472A (zh) 全局路线规划方法、全局路线规划***及无人机
CN105677899B (zh) 一种包含道路行进方向的增强型矢量数字地图制作方法
CN111858810B (zh) 一种面向道路dem构建的建模高程点筛选方法
CN102306396A (zh) 一种三维实体模型表面有限元网格自动生成方法
CN110196602A (zh) 目标导向集中优化的快速水下机器人三维路径规划方法
CN105893703B (zh) 一种基于多边形的城市道路网主干道选取方法
CN101034482A (zh) 复杂构件三维自适应有限元网格自动生成方法
CN107679333A (zh) 一种二维拓扑优化结果几何重构的方法
CN110442994A (zh) 一种基于图论的3d打印切片处理方法
CN107274422A (zh) 一种基于法线信息和k邻域搜索结合的点云边缘提取方法
CN102496187A (zh) 一种基于三角形网格的追踪等值线至边界及断层的方法
CN108256218A (zh) 一种基于实测腰线数据的地下连通巷道精细建模方法
CN104318611A (zh) 一种基于激光扫描点云的三维树木重建方法
CN110110946A (zh) 基于各向异性Delaunay剖分的水质预测预警***及其实现方法
Hu et al. Geometric feature enhanced line segment extraction from large-scale point clouds with hierarchical topological optimization
CN106204719A (zh) 基于二维邻域检索的三维场景中海量模型实时调度方法
CN115757604A (zh) 一种基于夜光影像数据的gdp时空演变分析方法
CN113936176B (zh) 一种基于图卷积和形状描述子的三维点云分类方法
CN108072897A (zh) 一种混合二维地震波走时计算方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant