CN101561933A - 基于曲线特征变化的矢量数据压缩方法及其装置 - Google Patents
基于曲线特征变化的矢量数据压缩方法及其装置 Download PDFInfo
- Publication number
- CN101561933A CN101561933A CNA2009102028161A CN200910202816A CN101561933A CN 101561933 A CN101561933 A CN 101561933A CN A2009102028161 A CNA2009102028161 A CN A2009102028161A CN 200910202816 A CN200910202816 A CN 200910202816A CN 101561933 A CN101561933 A CN 101561933A
- Authority
- CN
- China
- Prior art keywords
- vector data
- data points
- area
- attribute
- property groupings
- 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.)
- Granted
Links
Images
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
提供基于曲线特征变化的矢量数据压缩方法、装置及其计算机产品。该方法包括步骤:按照预定方法为每个矢量数据点赋予面积属性,该面积属性的正负用于描述所述曲线的走势;基于矢量数据点的面积属性所表现出的走势将矢量数据分类,得到矢量数据点的面积属性分组,以使得同一个面积属性分组中的所有矢量数据点所表示的曲线段具有相同的走势;计算每个面积属性分组中的矢量数据点的垂距属性以及这些垂距属性的垂距平均值;以及舍弃面积属性分组内的矢量数据点中满足垂距小于预定阈值并且小于相应面积属性分组的面积属性分组垂距平均值的矢量数据点。从而通过舍去特征性不强的矢量数据点来达到压缩矢量数据的目的。
Description
技术领域
本发明涉及基于曲线特征变化的矢量数据压缩方法以及矢量数据压缩装置。更确切地说,本发明涉及利用曲线上的矢量数据点的矢量数据的特征变化来进行矢量数据压缩的矢量数据压缩方法以及矢量数据压缩装置。
背景技术
随着计算机技术的发展,地图制图学结合计算机技术形成的计算机地图制图学也正得到迅速发展,已在普通地图制图、专题地图制图、数字高程模型、地籍制图、地形因子制图、地理信息系统中得到了广泛应用,并且显示出了强大的生命力。计算机地图制图过程中的一项重要任务就是自动制图综合,矢量数据压缩是制图综合的关键技术,其主要对象是线状要素中心轴线和面状要素的边界数据(几何数据)。
除此之外,数字地图等的出现也对矢量数据提出了更高的要求,要求数字地图存储的适量数据能够更加高效、传输能够更加迅速。这样对矢量数据的压缩提出了更高的要求,要求压缩率更高,图像失真率最小。
地图最基本的特征是以缩小的形式表达地面事物的空间结构,这个特征表明,地图不可能把地面全部事物毫无遗漏地表示出来,地图上所表现的地面景物与实际相比从数量上看减少了,而从图形上看缩小并且简化了。这是因为地图上所表现的内容都是经过取舍和化简的。对矢量数据的压缩是化简的重要组成部分,也是最关键的部分。
目前,已经有许多成熟的矢量数据压缩方法,但由于考虑的方向不一样或者是其应用领域不一致,在用于地图数据压缩时都存在着一些不足的地方。
例如,传统的nth压缩方法在压缩数量上有明显的优势,但是原曲线的图形保持较差。
再例如,另一种传统的压缩方法,即,道格拉斯——普克算法,能够较好地保持曲线的走向,并且在大多数情况下压缩效果也较好。然而,当曲线弯曲程度变化很大(曲率变化满足阈值)时,一些曲率较小的矢量数据点就会被舍去,从而可能造成地形失真。
此外,传统的光栅法因为光栏口径的不断缩小,检测条件也越来越严格,导致压缩率不大,效果不明显。并且,同道格拉斯一普克法一样,在压缩过程中当曲线弯曲程度变化很大时,会丢失一些曲率小的矢量数据点。
基于上述压缩算法的不足,提出了基于特征变化的矢量数据压缩方法。
发明内容
因此,本发明提供一种根据矢量数据所表示的曲线的弯曲程度即曲率的变化特征来压缩该矢量数据的矢量数据压缩方法,实现压缩程度高而且失真率小的矢量数据压缩。
为了实现本发明的上述和其他目的,根据本发明的一个方面,提供基于曲线特征变化的矢量数据压缩方法,其中,该矢量数据为经过采样和数字化该曲线所得到的矢量数据,并且按照预定顺序排列成的矢量数据点组,包括以下步骤:按照预定方法为所有矢量数据点赋予面积属性,该面积属性的正负用于描述所述曲线的走势;基于矢量数据点的面积属性所表现出的走势将其进行分类,以得到矢量数据点的面积属性分组,进而使得同一个面积属性分组内的每一个矢量数据点所表示的曲线段具有相同的走势;计算每个面积属性分组中的矢量数据点的垂距属性,并计算每个面积属性分组中各矢量数据点的垂距属性的垂距平均值;以及舍弃面积属性分组内的矢量数据点中满足垂距小于预定阈值并且小于相应面积属性分组的面积属性分组垂距平均值的矢量数据点。
根据本发明的该一个方面,该矢量数据压缩方法保留面积属性分组中的首尾矢量数据点,并且抽取每个面积属性分组中的首尾矢量数据点,组成面积属性分组首尾点组,并且对该面积属性分组首尾点组中的矢量数据点组进行上述舍弃操作。
根据本发明的该一个方面,该矢量数据压缩方法还对经过上述压缩后剩下来的矢量数据点重复进行上述压缩处理,直到操作不再能够舍弃矢量数据点为止。
根据本发明的该一个方面,该矢量数据压缩方法不同时舍弃相应点组中的相邻矢量数据点。
根据本发明的该一个方面,该矢量数据压缩方法通过以下方法计算矢量数据点的面积属性:除了曲线的首尾矢量数据点P0和Pn外,其它矢量数据点P1,P2,...,Pn-1以每三个矢量数据点Pi-1,Pi,Pi+1为一组,计算其所形成的三角形的面积Si,并将面积Si在赋予表示所述曲线在相应矢量数据点的走势特征的正负号之后,与三角形的底边长为Pi-1Pi+1和三角形的高Hi一起赋给Pi作为此矢量数据点的面积属性。
根据本发明的该一个方面,该矢量数据压缩方法通过将该面积属性分组的矢量数据点的垂距进行排序,去掉具有最大垂距和最小垂距的矢量数据点,并求剩下的垂距值的平均值,得到面积属性分组垂距平均值。
根据本发明的另一方面,提供基于曲线特征变化的矢量数据压缩装置,其中,该矢量数据为经过采样和数字化该曲线所得到的矢量数据,并且按照预定顺序排列成矢量数据点组,包括:面积属性确定单元,用于按照预定方法为所有矢量数据点赋予面积属性,该面积属性的正负用于描述所述曲线的走势;面积属性分类确定单元,用于基于面积属性确定单元所赋予的矢量数据点的面积属性所表现出的走势将其进行分类,以得到矢量数据点的面积属性分组,进而使得同一个面积属性分组中的每一个矢量数据点所表示的曲线段具有相同的走势;以及按面积属性舍弃单元,用于计算面积属性分类确定单元所确定的每个面积属性分组中的矢量数据点的垂距属性,计算每个面积属性分组中矢量数据点的垂距属性的垂距平均值,并根据舍弃面积属性分组内的矢量数据点中满足垂距小于预定阈值并且小于相应面积属性分组的面积属性分组垂距平均值的矢量数据点。
根据本发明的再一方面,提供促使计算机实现基于曲线特征变化的矢量数据压缩方法的计算机产品,其中,该矢量数据压缩方法压缩经过采样和数字化该曲线所得到的矢量数据,所述矢量数据点按照预定顺序排列成矢量数据点组,该矢量数据压缩方法包括以下步骤:按照预定方法为所有矢量数据点赋予面积属性,该面积属性的正负用于描述所述曲线的走势;基于矢量数据点的面积属性所表现出的走势将其进行分类,以得到矢量数据点的面积属性分组,在每个面积属性分组的矢量数据点所表示的曲线段具有相同的走势;计算每个面积属性分组中的矢量数据点的垂距属性,并计算每个面积属性分组中矢量数据点的垂距属性的垂距平均值;以及舍弃面积属性分组内的矢量数据点中满足垂距小于预定阈值并且小于相应面积属性分组的面积属性分组垂距平均值的矢量数据点。
附图说明
本发明的特征和优点将在下面结合附图的描述中变得更加清楚。在全部附图中,相同的附图标记指示相同的内容。在附图中,
图1是示出本发明将要压缩的矢量数据所代表的曲线及其属性的示意图;
图2图示了根据本发明的优选实施方式的、基于曲线特征变化的矢量数据压缩方法的流程图;
图3示出了图1所示的曲线中属于同一面积属性分组的一部分曲线的曲线图;
图4是图示根据本发明的按照曲率对曲线上各面积属性分组的首尾点组进行舍弃的方法的流程图;
图5示出图1的曲线上各面积属性分组的首尾点组的一部分的曲线的曲线图;
图6是示出利用根据本发明的矢量数据压缩方法压缩代表曲线的矢量数据的实际示例的曲线图;以及
图7是图示根据本发明的优选实施方式的、基于曲线特征变化的矢量数据压缩装置的框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
本发明提供根据根据本发明的优选实施方式的、基于曲线特征变化的矢量数据压缩方法。以下以诸如地图之类的曲线图中的曲线的矢量数据为例,详细描述对其进行有效压缩的矢量数据压缩方法。也就是说,在本发明的优选实施方式中,假设所述矢量数据是如图1所示的曲线L的数字化表示,即,对曲线L进行采样和数字化后得到的矢量数据。
图1是示出本发明将要压缩的矢量数据所表示的曲线及其属性的示意图。在图1中,将在所示的曲线L的矢量数据点表示为Pi(i=0,1,...,n)。例如,这些矢量数据点在图1中表示为P0,P1,P2,...,P27,并且在图1中,这些矢量数据点为通过数字化该曲线所获得。并按照矢量数据点在曲线上的位置依次标记下标。每个这样的矢量数据点可以通过在曲线L所在的平面或空间中的适当的坐标系来表示为矢量形式。这一点是本领域技术人员容易实现的。例如,在图1中,关于坐标系的纵坐标等间隔地选取矢量数据点Pi。
图2是图示根据本发明的优选实施方式的、基于曲线特征变化的矢量数据压缩方法的流程图。
参考图2,在步骤S201中,适当选取阈值D。
然后,在步骤S202中,对曲线L上的所有矢量数据点进行分析,以便为曲线上的每一个矢量数据点赋予适当的属性。根据本发明的优选实施方式,在曲线L上的所有矢量数据点的矢量数据进行分析时,除了曲线的首尾矢量数据点P0和Pn外,其它矢量数据点P1,P2,...,Pn-1以每三个矢量数据点Pi-1,Pi,Pi+1为一组进行分析。这样形成的每组矢量数据点形成一个三角形(未示出),Pi为顶点,Pi-1Pi+1为底边。计算出这样的三角形的面积Si(求A(x1,y1)、B(x2,y2)、C(x3,y3)三点的面积公式为:S(A,B,C)=[(x1-x3)*(y2-y3)-(x2-x3)*(y1-y3)]*0.5,当三点的顺序为逆时针时为正,顺时针则为负的。因此,面积属性的正负代表曲线的不同走势。,并将面积Si与此三角形的底边Pi-1Pi+1上的高Hi和三角形的底边长Pi-1Pi+1赋给Pi作为此矢量数据点的属性,记为(Si,Hi,Pi-1Pi+1),如图1所示。例如,如图1所示,矢量数据点P1的属性为(44.37783,2.2192,0.8),矢量数据点P2的属性为(101.71544,5.09114,0.8)依次类推,为每一个矢量数据点计算出了属性。
仔细分析曲线L上被选取的每一个矢量数据点的矢量属性特征会发现,矢量属性的面积特征会出现正负交替。实验表明,每当矢量属性的面积特征发生正负交替的时候,表明曲线L的走势会发生变化,即矢量属性的面积特征正负交替点为曲线L的拐点,例如,如图1所示的矢量数据点P8(-104.40703,3.60668,0.8)。而且,这些拐点在数据压缩时应该被保存起来,这样压缩后的曲线才能与原曲线L保持一致。
因此,接下来,在图2所示的步骤S203中,基于面积判断曲线L上所有矢量数据点的矢量数据的特征,以将曲线L上所有矢量数据点按照其属性矢量中的面积特征的正负变化进行分类。具体来说,以曲线L上的这些拐点为边界点对曲线L上的所有矢量数据点进行分组,使得同一组内的被选取矢量数据点具有相同的面积特征(类似的走势)。例如,在图1所示的曲线上,对于所选取的P0,P1,P2,...,P27,根据本步骤S203分类后的分组为:(P1,P2,P3)、(P4,P5)、(P6,P7)、(P8,P9,P10)、(P11,......,P17)、(P18,......,P26)。每个分组中的矢量数据点按照预定顺序进行标记,以下称为面积属性分组。
接下来,在图2所示的步骤S204中,将曲线L中按照步骤S203中分类出来的面积属性分组的组内矢量数据点进行压缩。这里,面积属性分组的组内矢量数据点是面积属性分组中除了首尾两矢量数据点之外的矢量数据点,例如,面积属性分组(P8,P9,P10)中的矢量数据点P9为该面积属性分组的组内矢量数据点。
根据本发明的优选实施方式,将同一面积属性分组的组内矢量数据点进行压缩的操作如下:首先,保留该面积属性分组的首尾两矢量数据点,因为此两矢量数据点为基本矢量数据点,不应该被舍弃。
然后,对该面积属性分组的组内矢量数据点进行分析以获得这些矢量数据点的垂距属性,并将这些垂距属性进行排序,去掉其中的最大垂距和最小垂距,求剩下的所有其它垂距值的平均值,得到面积属性分组垂距平均值H△。
接下来,利用所得到的关于面积属性分组的组内矢量数据点的面积属性分组垂距平均值H△信息进行面积属性分组内矢量数据点的压缩。其压缩过程即舍弃面积属性分组的组内矢量数据点的原则如下:舍弃面积属性分组内矢量数据点中满足垂距小于在步骤S201中设置的阈值D并且小于相应面积属性分组的面积属性分组垂距平均值H△的组内矢量数据点。根据本发明的一种优选实施方式,可以要求满足上述两个舍弃原则的相邻组内矢量数据点不同时被舍弃。在这种情况下,可以保证同一面积属性分组所具有的特征不会被丢失太严重,以便保证压缩后的曲线的走势与原曲线L的走势保持更高程度的一致性。
下面将参考图3来详细描述在同一面积属性分组舍弃其组内矢量数据点的原则。图3示出了图1所示的曲线L中属于同一面积属性分组的一部分曲线的曲线图。参考图3,在图中的P13点将会被舍弃,在此组中,首尾两个点P11,P17将会保留,因为是两个特征点。计算其余特征点的平均值H△=5.99M其余点的H都小于预定阈值D=20M,理论上应该一次全部舍弃,可是这样将使曲线变化较大,故将满足小于D和H△的点舍弃。分析组内点时以每二个点为一组,如两个点同时满足舍弃条件,只舍弃其中较小的一个。这样P12,P13中的P13会被舍弃,而P14虽然满足条件,可是相邻的两个点不同时舍弃,故保留。其余的点不满足小于H△的条件,不会被舍弃,这样完成一个组内的压缩。面积属性分组(P11,P12,P13,P14,P15,P16,P17)内的矢量数据点P13将被舍弃。
然后,虽然保留面积属性分组的特征可以保证压缩后的曲线的走势与原曲线L的走势一致,但是压缩率不会太高。例如,在图3所示的面积属性分组(P11,P12,P13,P14,P15,P16,P17)内只舍弃了一个矢量数据点P13。为了在步骤S201中设置的阈值D一定的条件下,曲线L得到进一步压缩,可以考虑舍弃掉曲线L上的小曲率部分上的组内矢量数据点。这样就必须按照曲率对曲线上的被选取矢量数据点进行分组。
因此,在步骤S205中,按照其曲率特征对曲线L上的被选取矢量数据点进行分组,并舍弃每个分组中曲率较小的组内矢量数据点,以达到进一步压缩曲线的表示数据的目的。
下面参考图4和5详细描述按照曲率对曲线上经过步骤S203的处理后得到的各面积属性分组的首尾点矢量数据点组进行舍弃的方法。图4是图示根据本发明的按照曲率对曲线上经过步骤S203的处理后得到的各面积属性分组的首尾点组进行舍弃的方法的流程图,而图5示出图1的曲线L中经过步骤S203的处理后得到的各面积属性分组的首尾点组的一部分的曲线的曲线图。
在图4中,在步骤S401中,首先抽取每一面积属性分组中的首尾矢量数据点,组成一个新的矢量数据点组,以下称为面积属性分组首尾点组。例如,在图1所示的曲线L的情况下,面积属性分组首尾点组可以是(P1,P3,P4,P5,P6,P7,P8,P10,P11,P17,P18,P26)。
接下来,在步骤S402中,按照图2中的步骤S204中的组内压缩方法对此面积属性分组首尾点组进行压缩。也就是说,首先保留曲线L的首尾矢量数据点,然后按垂距属性对面积属性分组首尾点组中的矢量数据点组进行排序,去掉具有最大垂距和最小垂距的组内矢量数据点。然后,求剩下所有其它垂距值的平均值,得到平均垂距值H1△。
接下来,在步骤S403中,按照以下舍弃原则舍弃面积属性分组首尾点组内曲率小的矢量数据点,舍弃条件如下:舍弃该面积属性分组首尾点组中满足垂距值小于在步骤S201中设置的阈值D并且小于该面积属性分组首尾点组的平均垂距值H1△。并且,根据本发明的优选实施方式,还可以要求满足上述两个舍弃原则的面积属性分组首尾点组中的相邻矢量数据点不同时被舍弃。
图5图示了图1的曲线中的面积属性分组首尾点组的一部分表示的曲线的曲线图。在图5所示的那部分面积属性分组首尾点组中,矢量数据点P2、P4、P7由于曲率较小将被压缩掉。
接下来,进一步参考图2,在步骤S206中,将经过步骤S202、步骤S203、步骤S204和步骤S205处理留下来的矢量数据点选为曲线L的新的矢量数据点,然后对形成的新的矢量数据点组重复进行步骤S202、步骤S203、步骤S204和步骤S205的处理,直到不再能够经过步骤S202、步骤S203、步骤S204和步骤S205的处理舍弃矢量数据点为止。然后,结束此次压缩,并将用所得到的矢量数据点所表示的曲线作为压缩后矢量数据代替原曲线L的矢量数据。
图6是根据本发明的曲线压缩的实际示例。参考图6,在该图中,红色线为原始曲线,绿色线为在阈值(D=20M)的情况下进行压缩得到的压缩曲线。相应的红色点为原始矢量数据点,绿色点为经过一次图2中的步骤S202、步骤S203、步骤S204和步骤S205的压缩后保留下来的矢量数据点。从图6可以看出,经过一次图2中的步骤S202、步骤S203、步骤S204和步骤S205的压缩,压缩掉的矢量数据点数为21个,压缩率为75%。另外,从图6可以比较清楚地看到,压缩后的曲线与原曲线能基本上保持特征一致。
以上描述了根据本发明的优选实施方式的、基于曲线特征变化的矢量数据压缩方法。然而,根据本发明的一种优选实施方式,可以提供基于曲线特征变化进行矢量数据压缩的装置。下面将参考图7来描述根据本发明的优选实施方式的、基于曲线特征变化的矢量数据压缩装置。
图7是图示根据本发明的优选实施方式的、基于曲线特征变化的矢量数据压缩装置的框图。参考图7,该矢量数据压缩装置包括阈值确定部分701、面积属性确定部分702、面积属性分类确定部分703、按面积属性舍弃部分704以及按曲率属性舍弃部分705。
参考图7,在开始对表示曲线L的矢量数据进行压缩时,阈值确定部分701确定用于压缩过程的一个阈值。
面积属性确定部分702用于确定每个矢量数据点P0,P1,P2,...,Pn与相邻点所构成的三角形的面积属性,以将各矢量数据点分类成面积属性分组。具体来说,根据本发明的优选实施方式,面积属性确定部分702将曲线的首尾矢量数据点P0和Pn之外的其它矢量数据点P1,P2,...,Pn-1以每三个矢量数据点Pi-1,Pi,Pi+1为一组进行分析。首先,面积属性确定部分702计算这样形成的每组矢量数据点形成的三角形的面积Si,并将面积Si与三角形的底边长Pi-1Pi+1和此三角形的高Hi一起赋给Pi作为此矢量数据点的属性。
面积属性分类确定部分703基于面积属性确定部分702所确定的、曲线L上被选取的所有矢量数据点的矢量数据的面积属性,将曲线L上被选取的所有矢量数据点分类成面积属性分组。在本发明的一种实施方式中,按照预定规则给面积属性赋予正负号,以代表曲线在某个点上的走势,并按照连续出现的正负号的长度(相同的走势)对矢量数据点进行分类。具体来说,以曲线L上的这些拐点为边界点对曲线L被选取的所有矢量数据点进行分组,使得同一组内的被选取矢量数据点具有相同的面积特征(相同的走势)。
按面积属性舍弃部分704将面积属性分类确定部分703分类出来的面积属性分组的组内矢量数据点进行压缩。根据本发明的优选实施方式,按面积属性舍弃部分704对同一面积属性分组的组内矢量数据点进行如下压缩操作:保留该面积属性分组的首尾矢量数据点;获得该面积属性分组的组内矢量数据点与各点到与相邻两个矢量数据点所组成的三角形底边的垂距,并去掉同一面积属性分组中的组内矢量数据点的最大垂距和最小垂距,然后求剩下的所有其它垂距值的平均值,以得到面积属性分组垂距平均值H△。
然后,按面积属性舍弃部分704利用所得到的关于面积属性分组的组内矢量数据点的面积属性分组垂距平均值H△信息进行面积属性分组内的矢量数据点的压缩。其压缩过程即舍弃面积属性分组内的矢量数据点的原则如下:舍弃面积属性分组内的矢量数据点中满足垂距小于预先设置的阈值D并且小于相应面积属性分组的面积属性分组垂距平均值H△的组内矢量数据点。根据本发明的一种优选实施方式,按面积属性舍弃部分704可以要求满足上述两个舍弃原则的相邻组内矢量数据点不同时被舍弃。
按曲率属性舍弃部分705抽取每一面积属性分组中的首尾矢量数据点组成一个面积属性分组首尾点组。然后,按曲率属性舍弃部分705对此面积属性分组首尾点组按垂距属性进行排序,去掉其中具有最大垂距和最小垂距的组内矢量数据点。按曲率属性舍弃部分705然后求剩下所有其它垂距值的平均值,以得到平均垂距值H1△。
然后,按曲率属性舍弃部分705按照以下舍弃原则舍弃曲率小的矢量数据点:舍弃该面积属性分组首尾点组中满足垂距值小于预先设置的阈值D并且小于该面积属性分组首尾点组的平均垂距值H1△。并且,根据本发明的优选实施方式,按曲率属性舍弃部分705还可以要求满足上述两个舍弃原则的、面积属性分组首尾点组中的相邻矢量数据点不同时被舍弃。
本领域技术人员将理解,根据本发明的、基于曲线特征变化的矢量数据压缩方法可以实现为记录在计算机可读记录介质上的计算机可读代码。该计算机可读记录介质是可以存储可由计算机系统读取的数据的任何数据存储设备。计算机可读记录介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘、光学数据存储装置和载波(诸如通过因特网的数据发送)。计算机可读记录介质还可以分布在联网的计算机系统中,以便以分布的方式存储并执行计算机可读代码。
尽管上述是参照示例性实施方式来描述本发明,但本领域技术人员将理解,在不背离由所附权利要求书限定的本发明宗旨和范围的前提下,可以对本发明进行各种形式和细节上的修改。优选实施方式应该仅认为是说明性的,而不是限制性的。因此,本发明的详细描述不限定本发明的范围,本发明的范围应该由所附权利要求限定,并且本发明的范围内的所有区别技术特征应理解为包含在本发明中。
Claims (12)
1、一种基于曲线特征变化的矢量数据压缩方法,其中,该矢量数据为通过采样和数字化该曲线所得到的矢量数据,并且按照预定顺序排列成的矢量数据点组,该方法包括以下步骤:
1)按照预定方法为所有矢量数据点赋予面积属性,该面积属性的正负号用于描述所述曲线的走势;
2)基于矢量数据点的面积属性所表现出的走势将矢量数据点分类,得到矢量数据点的面积属性分组,以使得同一个个面积属性分组中的每一个矢量数据点所表示的曲线段具有相同的走势;
3)计算每个面积属性分组中的矢量数据点的垂距属性以及各矢量数据点的垂距属性的垂距平均值;以及
4)舍弃面积属性分组内的矢量数据点中满足垂距小于预定阈值并且小于相应面积属性分组的垂距平均值的矢量数据点。
2、根据权利要求1所述的矢量数据压缩方法,其中,在步骤4)中保留面积属性分组中的首尾矢量数据点,并且该方法还包括以下步骤:
5)抽取每个面积属性分组中的首尾矢量数据点,组成面积属性分组首尾点组,并且根据步骤3)和步骤4)对该面积属性分组首尾点组中的矢量数据点组再次进行舍弃。
3、根据权利要求2所述的矢量数据压缩方法,还包括以下步骤:
对步骤5)处理之后剩下来的矢量数据点重复进行步骤2)至步骤5)的处理,直到不再能够经过步骤2)至步骤5)的处理舍弃矢量数据点为止。
4、根据权利要求1、2或3所述的矢量数据压缩方法,其中,在步骤4)中,相应点组中的相邻矢量数据点不同时被舍弃。
5、根据权利要求1、2或3所述的矢量数据压缩方法,其中矢量数据点的面积属性通过以下方法计算:除了曲线的首尾矢量数据点P0和Pn外,其它矢量数据点P1,P2,...,Pn-1以每三个矢量数据点Pi-1,Pi,Pi+1为一组,计算其所形成的三角形的面积Si,并将面积Si在赋予表示所述曲线在相应矢量数据点的走势特征的正负号之后,与三角形的底边长为Pi-1Pi+1和三角形的高Hi一起赋给Pi作为此矢量数据点的面积属性。
6、根据权利要求1、2或3所述的矢量数据压缩方法,其中,通过将该面积属性分组的组内矢量数据点的垂距进行排序,去掉具有最大垂距和最小垂距的矢量数据点,并求剩下的垂距值的平均值,得到面积属性分组垂距平均值。
7、一种基于曲线特征变化的矢量数据压缩装置,其中,该矢量数据为经过采样和数字化该曲线所得到的矢量数据,并且按照预定顺序排列成的矢量数据点组,包括:
面积属性确定单元,用于按照预定方法为所有矢量数据点赋予面积属性,该面积属性的正负用于描述所述曲线的走势;
面积属性分类确定单元,用于基于面积属性确定单元所赋予的矢量数据点的面积属性所表现出的走势将矢量数据点分类,得到矢量数据点的面积属性分组,以使得同一个面积属性分组内的每一个矢量数据点所表示的曲线段具有相同的走势;以及
按面积属性舍弃单元,用于计算面积属性分类确定单元所确定的每个面积属性分组中的矢量数据点的垂距属性,计算每个面积属性分组中各矢量数据点的垂距属性的垂距平均值,并根据舍弃面积属性分组内的矢量数据点中满足垂距小于预定阈值并且小于相应面积属性分组的垂距平均值的矢量数据点。
8、根据权利要求7所述的矢量数据压缩装置,其中,按面积属性舍弃单元保留面积属性分组中的首尾矢量数据点,并且该矢量数据压缩装置还包括按曲率属性舍弃单元,用于抽取每个面积属性分组中的首尾矢量数据点组成面积属性分组首尾点组,并通过按面积属性舍弃单元舍弃面积属性分组首尾点组中曲率小的矢量数据点。
9、根据权利要求7或8所述的矢量数据压缩装置,其中,按面积属性舍弃单元不同时舍弃相应点组中的相邻矢量数据点。
10、根据权利要求7或8所述的矢量数据压缩装置,其中面积属性确定单元通过以下方法计算矢量数据点的面积属性:除了曲线的首尾矢量数据点P0和Pn外,其它矢量数据点P1,P2,...,Pn-1以每三个矢量数据点Pi-1,Pi,Pi+1为一组,计算其所形成的三角形的面积Si,并将面积Si在赋予表示所述曲线在相应矢量数据点的走势特征的正负号之后,与三角形的底边长为Pi-1Pi+1和三角形的高Hi一起赋给Pi作为此矢量数据点的面积属性。
11、根据权利要求7或8所述的矢量数据压缩方法,其中,按面积属性舍弃单元通过将该面积属性分组的组内矢量数据点的垂距进行排序,去掉具有最大垂距和最小垂距的矢量数据点,并求剩下的垂距值的平均值,得到面积属性分组垂距平均值。
12、一种促使计算机实现基于曲线特征变化的矢量数据压缩方法的计算机产品,其中,该矢量数据压缩方法压缩该曲线所得到的矢量数据,所述矢量数据由能表达曲线特征的矢量数据数据点组成,该矢量数据压缩方法包括以下步骤:
按照预定方法为所有矢量数据点赋予面积属性,该面积属性的正负用于描述所述曲线的走势;
基于矢量数据点的面积属性所表现出的走势将其进行分类,得到矢量数据点的面积属性分组,以使得同一个面积属性分组中的每一个矢量数据点所表示的曲线段具有相同的走势;
计算每个面积属性分组中的矢量数据点的垂距属性,并计算每个面积属性分组中各矢量数据点的垂距属性的垂距平均值;以及
舍弃面积属性分组内的矢量数据点中满足垂距小于预定阈值并且小于相应面积属性分组的垂距平均值的矢量数据点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009102028161A CN101561933B (zh) | 2009-05-26 | 2009-05-26 | 基于曲线特征变化的矢量数据压缩方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009102028161A CN101561933B (zh) | 2009-05-26 | 2009-05-26 | 基于曲线特征变化的矢量数据压缩方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101561933A true CN101561933A (zh) | 2009-10-21 |
CN101561933B CN101561933B (zh) | 2011-05-25 |
Family
ID=41220720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009102028161A Expired - Fee Related CN101561933B (zh) | 2009-05-26 | 2009-05-26 | 基于曲线特征变化的矢量数据压缩方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101561933B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102568009A (zh) * | 2010-12-17 | 2012-07-11 | 上海博泰悦臻电子设备制造有限公司 | 用于电子地图的线段抽稀装置及其方法 |
CN108319638A (zh) * | 2017-12-20 | 2018-07-24 | 甘肃银光化学工业集团有限公司 | 一种应用手持巡检设备的危险品生产制造执行系统 |
CN108981734A (zh) * | 2018-05-17 | 2018-12-11 | 北京三快在线科技有限公司 | 电子地图道路拓展方法、装置、电子设备及存储介质 |
-
2009
- 2009-05-26 CN CN2009102028161A patent/CN101561933B/zh not_active Expired - Fee Related
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102568009A (zh) * | 2010-12-17 | 2012-07-11 | 上海博泰悦臻电子设备制造有限公司 | 用于电子地图的线段抽稀装置及其方法 |
CN102568009B (zh) * | 2010-12-17 | 2015-05-13 | 上海博泰悦臻电子设备制造有限公司 | 用于电子地图的线段抽稀装置及其方法 |
CN108319638A (zh) * | 2017-12-20 | 2018-07-24 | 甘肃银光化学工业集团有限公司 | 一种应用手持巡检设备的危险品生产制造执行系统 |
CN108319638B (zh) * | 2017-12-20 | 2021-06-15 | 甘肃银光化学工业集团有限公司 | 一种应用手持巡检设备的危险品生产制造执行系统 |
CN108981734A (zh) * | 2018-05-17 | 2018-12-11 | 北京三快在线科技有限公司 | 电子地图道路拓展方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN101561933B (zh) | 2011-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135351B (zh) | 基于城市建筑空间数据的建成区边界识别方法及设备 | |
CN111475596A (zh) | 一种基于多层级轨迹编码树的子段相似性匹配方法 | |
CN100595782C (zh) | 一种融合光谱信息和多点模拟空间信息的分类方法 | |
CN101702200A (zh) | 一种机载激光雷达点云数据的自动分类方法 | |
CN103593430A (zh) | 一种基于移动对象时空信息轨迹分段聚类的方法 | |
CN105447504A (zh) | 一种交通模式行为识别方法及相应的识别模型构建方法 | |
CN103021193A (zh) | 一种面向行驶速度区间的干道绿波协调控制方法 | |
CN107256631A (zh) | 一种车辆轨迹数据聚合运算方法 | |
CN111008337B (zh) | 一种基于三元特征的深度注意力谣言鉴别方法及装置 | |
CN101561933B (zh) | 基于曲线特征变化的矢量数据压缩方法及其装置 | |
CN109102538B (zh) | 利用等值线数据提取槽脊特征点与槽脊特征线的方法、天气图分析方法 | |
CN110827286B (zh) | 基于路网的地理区域分割方法、装置以及电子设备 | |
CN109360191A (zh) | 一种基于变分自编码器的图像显著性检测方法 | |
CN115393664A (zh) | 一种用于目标检测的主动学习样本挑选方法 | |
CN105279524A (zh) | 基于无权超图分割的高维数据聚类方法 | |
CN103093619A (zh) | 基于智能交通系统的交通评价方法及装置 | |
CN112200248B (zh) | 一种基于dbscan聚类的城市道路环境下的点云语义分割方法、系统及存储介质 | |
CN108460424B (zh) | 一种基于线点转换和聚类对比的空间运动轨迹识别方法 | |
CN111008429B (zh) | 一种基于点云的异构cad几何一致性对比方法 | |
CN109063718B (zh) | 基于惯性矩的紧凑度密度峰值聚类的多线道路提取方法 | |
CN111047579A (zh) | 一种特征质量评估方法及图像特征均匀提取方法 | |
CN110059353B (zh) | 一种模态参数自动识别简化实用方法 | |
CN110968570A (zh) | 面向电商平台的分布式大数据挖掘系统 | |
CN115310522A (zh) | 一种非机动车骑行轨迹的数据质量提升方法及系统 | |
KR101064833B1 (ko) | 클러스터링과 특성분석을 이용한 구간 데이터에서 다차원 연관 규칙 마이닝 장치 및 방법 |
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 | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110525 Termination date: 20120526 |