CN103927390A - 基于泊松盘样本块的植被分布快速合成方法和系统 - Google Patents
基于泊松盘样本块的植被分布快速合成方法和系统 Download PDFInfo
- Publication number
- CN103927390A CN103927390A CN201410183454.7A CN201410183454A CN103927390A CN 103927390 A CN103927390 A CN 103927390A CN 201410183454 A CN201410183454 A CN 201410183454A CN 103927390 A CN103927390 A CN 103927390A
- Authority
- CN
- China
- Prior art keywords
- plants
- distribution
- density
- sample
- different
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 177
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 26
- 230000000007 visual effect Effects 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000015572 biosynthetic process Effects 0.000 claims description 33
- 238000003786 synthesis reaction Methods 0.000 claims description 33
- 238000005192 partition Methods 0.000 claims description 4
- 238000001308 synthesis method Methods 0.000 claims description 4
- 241000196324 Embryophyta Species 0.000 description 130
- 241000894007 species Species 0.000 description 10
- 230000004308 accommodation Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种基于泊松盘样本块的植被分布快速合成方法和系统，包括：按照植株的最大分布密度，生成由多组样本块构成和含有多种植株的总体样本集；统计总体样本集中不同类别的植株的分布数量比例，根据分布数量比例，从总体样本集中将不同类别的植株进行拆分，生成与不同类别的植株对应的子样本集；根据预设的划分值对不同类别的植株对应的子样本集进行密度划分处理，生成不同密度值的密度样本块；根据在可视化界面中输入的目标位置的植株类别、密度等级和/或坐标信息，将不同类别的植株的密度样本块进行多层拼铺的合成处理，生成具有多种类别及密度的植被分布图。本发明解决了对大面积植被分布的快速合成的问题。
Description
技术领域
本申请涉及场景模拟领域，具体地说，是涉及一种基于泊松盘样本块(Poisson disk tiles)的多密度多物种植被分布快速合成方法和系统。
背景技术
随着林业数据获取技术的不断发展，林业生产和管理对高效的林业数据处理方法的需求越来越迫切。为了便于对林业信息或相关的生态数据进行直观分析而对森林进行虚拟场景模拟，即将现实中的森林进行三维重现，通过生成植物在森林区域中的位置分布信息形成样本快，进一步构建大规模的森林场景。但是，在大规模的森林场景中，往往包含有上百万棵树木，即使不考虑几何复杂度和绘制计算量，仅是巨大数量的树木的位置分布计算与位置存储都是一个具有挑战性的问题，它将直接影响到场景的规模与运行效果。
现有技术中，在森林场景建模的过程中，对于植被分布最常用的方式是随机函数布点，但完全随机的分布并不符合现实中植被分布的规律，是因为在森林生态系统中，资源竞争的作用会使各类植被之间保持一定距离(以吸收阳光、水分、养分等)。虽然可以采用泊松盘分布(Poisson disk)来近似表示这种现象，但直接生成泊松盘分布涉及到空间位置的比较，当分布数量巨大时会消耗大量时间，而且对于建模所生成的数据，当分布量非常大时也会消耗大量的存储空间。
Wang tiles方法(一种数据合成方法)所合成的数据没有明显的重复或周期性的感觉。但Wang tiles方法在合成泊松盘分布时存在圆盘越界和顶角问题，其中，圆盘越界是指在一个预生成的样本块内，靠近边界附近的圆盘可能会超出边界，在拼铺时影响到相邻的样本块。顶角问题是指，Wang tiles方法中对角线方向的样本块并没有约束关系，所以两个对角线方向邻接的样本块在顶角处可能出现圆盘冲突。
Wang tiles方法可用于多种类型的数据合成，圆盘越界和顶角问题是针对合成Poisson disk分布时遇到的，故作此调整。在应用Wang tiles方法合成泊松盘分布时，Alsweis的《Wang-Tiles for the simulation and visualization of plantcompetition》中预处理阶段完全没有考虑样本块边界处的连续性，在边界处必然产生圆盘交叠冲突(如图所示在拼铺后产生了边界噪声)，拼铺后的冲突消除处理显然降低了合成效率。
而作为一种优化方法，例如《基于GIS数据的植被实时虚拟可视化》(唐飞)中所使用的“一种通过Wang tiles合成大量Poisson disk分布的方法”是基于Lloyd’s放松算法对样本组内的原始分布进行预处理，消除了边界冲突，使其可以按照边界标记在拼铺时直接进行快速匹配。但在大规模植物的分布模拟中，这种方法存在一系列影响效果和性能的问题：样本块的规模只能是8个；所需的迭代处理过程相当耗时；并且所生成的tiles的边界处的点集密度可能低于内部；此外，该方法依然无法解决顶角问题。当合成的植被规模较大时，这种方式的后处理计算量将非常大，使其不适用于大面积植被分布的快速合成。
因此，如何解决对大面积植被分布的快速合成的问题，便成为亟待解决的技术问题。
发明内容
本申请所要解决的技术问题是提供一种基于泊松盘样本块的植被分布快速合成方法和系统，以解决对大面积植被分布的快速合成的问题。
为解决上述技术问题，本申请提供了一种基于泊松盘样本块的植被分布快速合成方法，其特征在于，包括：
按照植株的最大分布密度，生成由多组样本块构成和含有多种植株的总体样本集；
统计所述总体样本集中不同类别的所述植株的分布数量比例，根据所述分布数量比例，从所述总体样本集中将不同类别的所述植株进行拆分，生成与不同类别的所述植株对应的子样本集；
根据预设的划分值对不同类别的所述植株对应的所述子样本集进行密度划分处理，生成不同密度值的密度样本块；
根据在可视化界面中输入的目标位置的植株类别、密度等级和/或坐标信息，将不同类别的所述植株的所述密度样本块进行多层拼铺的合成处理，生成具有多种类别及密度的植被分布图。
优选地，统计所述总体样本集中不同类别的所述植株的分布数量比例，根据所述分布数量比例，从所述总体样本集中将不同类别的所述植株进行拆分，生成与不同类别的所述植株对应的子样本集，进一步为：
统计所述总体样本集中各所述样本块上不同类别的所述植株的分布数量比例，对各所述样本块中的不同类别的所述植株的分布点建立索引表，根据不同类别的所述植株的所述分布数量比例对所述索引表拆分为多段，生成与不同类别的所述植株对应的子样本集。
优选地，拆分的所述索引表中每段含有的分布数量为：预先设置的所述植株的最大分布密度与不同类别的所述植株的分布数量比例的乘积。
优选地，根据在可视化界面中输入的目标位置的植株类别、密度等级和/或坐标信息，将不同类别的所述植株的所述密度样本块进行多层拼铺的合成处理，进一步为：
按每种植株类别标识依次识别在可视化界面中输入的所述目标位置的密度等级标识和/或坐标网格参数，识别出所述密度等级标识为n时，抽取该类别植株对应的所述密度值为n的子样本集中由坐标网格参数映射的所述密度样本块，拼铺合成在所述目标位置；识别出所述密度等级标识为0时，在所述目标位置不进行该植株层的拼铺合成处理。
优选地，统计的所述总体样本集中不同类别的所述植株的分布数量比例之和为1。
为解决上述技术问题，本申请还提供了一种基于泊松盘样本块的植被分布快速合成系统，其特征在于，包括：总体样本单元、子样本单元、密度划分单元以及分布合成单元，其中，
所述总体样本单元，用于按照植株的最大分布密度，生成由多组样本块构成和含有多种植株的总体样本集；
所述子样本单元，用于统计所述总体样本集中不同类别的所述植株的分布数量比例，根据所述分布数量比例，从所述总体样本集中将不同类别的所述植株进行拆分，生成与不同类别的所述植株对应的子样本集；
所述密度划分单元，用于根据预设的划分值对不同类别的所述植株对应的所述子样本集进行密度划分处理，生成不同密度值的密度样本块；
所述分布合成单元，用于根据在可视化界面中输入的目标位置的植株类别、密度等级和/或坐标信息，将不同类别的所述植株的所述密度样本块进行多层拼铺的合成处理，生成具有多种类别及密度的植被分布图。
优选地，所述子样本单元，进一步用于：
统计所述总体样本集中各所述样本块上不同类别的所述植株的分布数量比例，对各所述样本块中的不同类别的所述植株的分布点建立索引表，根据不同类别的所述植株的所述分布数量比例对所述索引表拆分为多段，生成与不同类别的所述植株对应的子样本集。
优选地，拆分的所述索引表中每段含有的分布数量为：预先设置的所述植株的最大分布密度与不同类别的所述植株的分布数量比例的乘积。
优选地，所述分布合成单元，进一步用于：
按每种植株类别标识依次识别在可视化界面中输入的所述目标位置的密度等级标识和/或坐标网格参数，识别出所述密度等级标识为n时，抽取该类别植株对应的所述密度值为n的子样本集中由坐标网格参数映射的所述密度样本块，拼铺合成在所述目标位置；识别出所述密度等级标识为0时，在所述目标位置不进行该植株层的拼铺合成处理。
优选地，统计的所述总体样本集中不同类别的所述植株的分布数量比例之和为1。
与现有技术相比，本申请所述的一种基于泊松盘样本块的植被分布快速合成方法和系统，达到了如下效果：
1)本申请通过采用角匹配策略有效克服了顶角问题和圆盘越界问题，通过采用从样本母集中抽取生成子集的方式，高效实现了多密度与多物种分布的合成，有效解决了对大面积植被分布的快速合成的问题。
2)本申请生成的不同样本集之间具有相关性，从而可使不同密度的样本集间能够保持边界的匹配性，而且使不同物种的样本集间在混合叠加时能够保持内部的匹配性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例一所述的基于泊松盘样本块的植被分布快速合成方法的流程图。
图2a为本申请实施例二所述的基于泊松盘样本块的植被分布快速合成方法的流程图。
图2b为本申请实施例二中两种植株按照比例拆分并划分为多种密度的示意图。
图3a-3f为本申请实施例三中对两种植株进行分布合成的示意图。
图4为本申请实施例四所述的基于泊松盘样本块的植被分布快速合成系统的结构框图。
具体实施方式
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。此外，“耦接”一词在此包含任何直接及间接的电性耦接手段。因此，若文中描述一第一装置耦接于一第二装置，则代表所述第一装置可直接电性耦接于所述第二装置，或通过其他装置或耦接手段间接地电性耦接至所述第二装置。说明书后续描述为实施本申请的较佳实施方式，然所述描述乃以说明本申请的一般原则为目的，并非用以限定本申请的范围。本申请的保护范围当视所附权利要求所界定者为准。
以下结合附图对本申请作进一步详细说明，但不作为对本申请的限定。
实施例一：
如图1所示，是本申请实施例一所述的一种基于泊松盘样本块的植被分布快速合成方法，包括：
步骤101，按照植株的最大分布密度，生成由多组样本块构成且含有多种植株的总体样本集。
所述植株的最大分布密度，是针对一定的区域面积而言，通常可以是在可视化界面中单位区域(如：界面中网格图中一块方形网格区域)内的最大分布密度。在真实的森林生态环境中混合分布有多种植物，并且植物的分布密度也是多变的，植物物种(植株)的多样化和树木分布的稀疏变化是合成植被分布时必不可少的因素，故在本步骤101中，所生成的所述总体样本集中包含多种所述植株及最大分布密度。
在实际应用中，所述最大分布密度通常为预先设定的方式进行确定，当然，该最大分布密度也可以根据建模终端的处理能力的负荷条件确定，这里并不作为对本申请的限定。
例如：预先设置每个样本块面积内总植株的最大容纳量为N，按照该最大容纳量N，采用Poisson Disk Tiles方法(泊松盘瓦片方法，即总体集由多个瓦片式的样本块组成)生成一组数量为C4的Poisson disk样本集作为总体样本集A(其中，C即顶角数，C＝2,3，4…)。
需要说明的是，对于所述样本块，通常采用正方形区域，每一个所述样本块包含4个顶角，再由多个所述样本块组合成为所述总体样本集，当然，对于所述样本块的形状，将根据实际应用的需要进行调整或相应设置，并不作为对本申请的限定。
步骤102，统计所述总体样本集中不同类别的所述植株的分布数量比例，根据所述分布数量比例，从所述总体样本集中将不同类别的所述植株进行拆分，生成与不同类别的所述植株对应的子样本集。
在生成的所述总体样本集中，不同类别的所述植株的分布总量就是所述植株的最大分布密度，也就是说，在总体样本中，不同类别的所述植株的分布数量比例之和为1。
在上述步骤102中对所述植株进行拆分的过程，是将不同类别的所述植株从所述总体样本集中分离出来，被分离后的各类别的所述植株分布于与所述总体样本集所形成的面积大小一致的区域，通过分离过程，使所述每一类别的所述植株的分布点间相互独立，以便于对所述各类别的所述植株进行分布密度的划分。分离后的所述不同类别的所述植株的分布区域就是所述植株对应的子样本集。
在获取到不同类别的所述植株对应的所述子样本集后，便可以对植被的分布进行合成，但是在实际应用中，森林中不同位置的植被分布密度并不相同，为了对真实森林生态环境进行模拟，就需要将各类别植株的分布密度进行划分，从而在后续的合成过程中快速生成植株分布场景，对于分布密度的划分，则需要进行以下步骤：即，
步骤103，根据预设的划分值对不同类别的所述植株对应的所述子样本集进行密度划分处理，生成不同密度值的密度样本块。
在步骤103中，所述预设的划分值是以梯度设置的密度比例值，该预设的划分值均为小于1且大于0的数值，例如：0.8、0.6、0.4、0.2等值，通过将所述子样本集分别与所述预设的划分值相乘后，得到所述不同密度值的密度样本块。
步骤104，根据在可视化界面中输入的目标位置的植株类别、密度等级和/或坐标信息，将不同类别的所述植株的所述密度样本块进行多层拼铺的合成处理，生成具有多种类别及密度的植被分布图。
在步骤104中，在可视化界面中，使用者可以通过发出相应的操作指示信息(如：鼠标点击，划线等操作)，对分布图进行设计，从而，步骤104中在拼铺时将根据用户设计的分布图中在当前位置的植株类别(表示为i)、密度等级(表示为j)和/或坐标位置信息(表示为c)，确定所需的样本块索引(i，j，c)，再根据所述样本块索引将不同类别的所述植株所对应的不同密度值的所述密度样本块进行多层拼铺的合成处理。
实施例二
如图2a所示，是本申请实施例二所述的基于泊松盘样本块的植被分布快速合成方法，包括：
步骤201，预先设置每个样本块面积内总植株的最大容纳量为N，并按照该最大容纳量N，生成由多组样本块构成且含有多种植株的总体样本集。
与上述实施例一一致，采用Poisson Disk Tiles方法生成一组数量为C4的Poisson disk样本集作为母集A(C即顶角ID数，C＝2,3，4…)。
步骤202，统计所述总体样本集中各所述样本块上不同类别的所述植株的分布数量比例，对各所述样本块中的不同类别的所述植株的分布点建立索引表，根据不同类别的所述植株的所述分布数量比例对所述索引表拆分为多段，生成与不同类别的所述植株对应的子样本集。其中，在本实施例中，所述不同类别的所述植株也可以称为物种。
对所述母集A中每个样本块ac(c＝1,2..C4)中的分布点建立乱序的索引表PT，并为每个物种设定比例ωi，假设一共有S个物种，则如图2b所示，生成了2个物种，可设定其比例为ω1＝0.6，ω2＝0.4。然后按照各物种的比例ωi对索引表PT分段拆分，每段含有的分布数量即为N*ωi，即拆分的所述索引表PT中每段含有的分布数量为：预先设置的所述植株的最大分布密度与不同类别的所述植株的分布数量比例的乘积，提取每一段作为物种i的子样本集Bi中的相应样本块bi,c。
步骤203，根据以梯度设置的密度比例值对不同类别的所述植株对应的所述子样本集进行密度划分处理，模拟生成不同密度值的密度样本块。
通过步骤203可以生成各类别所述植株分布的多密度版本(如图2b所示)，即从各类别所述植株的样本集Bi中获得子样本组，其中，对于一种类别的所述植株，不同密度子集间如果不考虑重叠，则该类别的植株的多个低密度集的比例之和可以大于1。假设需要m种不同的密度梯度，依照所设定的每个密度梯度的比例λj(λj∈(0，1)，j＝1,2..m)从bi,c中随机抽取出子集Cij中的相应样本块ci,j,c，含有的分布数量即为N*ωi*λj，具体在图2b中，物种1和物种2分别生成了4个和2个新的密度样本块。
步骤204，根据在可视化界面中输入的目标位置的植株类别、密度等级和/或坐标信息，将不同类别的所述植株的所述密度样本块进行多层拼铺的合成处理，生成具有多种类别及密度的植被分布图。
在拼铺时将根据用户设计的分布图中在当前位置的植株类别(表示为i)、密度等级(表示为j)以及坐标位置信息(表示为c)，确定所需的样本块索引(i，j，c)，再根据所述样本块索引将不同类别的所述植株所对应的不同密度值的所述密度样本块进行多层拼铺的合成处理。需要说明的是：按每种植株类别标识依次识别在可视化界面中输入的所述目标位置的密度等级标识和/或坐标网格参数，识别出所述密度等级标识为n时，抽取该类别植株对应的所述密度值为n的子样本集中由坐标网格参数映射的所述密度样本块，拼铺合成在所述目标位置；识别出所述密度等级标识为0时，在所述目标位置不进行该植株层的拼铺合成处理。
实施例三
下面结合如3a-3f，对本申请所述的基于泊松盘样本块的植被分布快速合成方法的具体应用进行说明：
步骤一，预先设置每个样本块面积内总植株的最大容纳量为40，并按照该最大容纳量40，生成由多组样本块构成和含有2种植株的样本母集A。
步骤二，统计样本母集A中2种类别的所述植株的分布数量比例，对各样本块中的2种类别的所述植株的分布点建立索引表，根据2种类别的所述植株的所述分布数量比例对所述索引表拆分为多段，生成与2种类别的所述植株对应的子样本集B1和B2。
步骤三，根据设置的密度系数对2种类别的所述植株对应的所述子样本集B1和B2进行密度划分处理，模拟生成低密度样本块。
步骤四，根据在可视化界面中输入的目标位置的植株类别、密度等级和/或坐标信息，将不同类别的所述植株的所述密度样本块进行多层拼铺的合成处理，生成具有多种类别及密度的植被分布图。
具体地，
在图3a-3f中，含有2种类别的所述植株(图中以两种点型表示)，如图3a所示，以每个样本块(图中画框的方形区域)的面积内的最大容纳量40为条件生成了24规模的样本母集A，如图3b和3c所示，分别按照0.6:0.4的物种比例拆分出两个子样本集B1和B2，B1和B2可直接作为两个物种的相对密度系数1.0的高密度集C1,1和C2,1，之后再从B1和B2以相对密度系数0.5的比例提取出对应于2种植株的低密度集C1,2(图3d所示)和C2,2(图3e所示)。如果需要还可以准备0.1至0.9的任意多个密度系数，更易于平滑密度过渡区域，在此省略描述。
在实际应用中，使用者可以通过不同的笔刷在可视化界面上绘制2中类别的植株分布(绘制过程在图中并未示出)，在绘制过程中，可以采用不同颜色分布代表不同的植株类别，颜色的深浅代表植株样本密度的高低，颜色叠加的地方代表2种植株在该区域混合分布，如图3f所示为按照用户的绘制信息合成的两种植株带有密度变化的分布图。
当使用者完成对分布图的绘制后，可进入虚拟森林场景中进行实时漫游。相应的终端会根据此分布图和使用者指定的树木模型生成相对应的森林分布。
实施例四：
如图4所示，是本申请实施例四所述的一种基于泊松盘样本块的植被分布快速合成系统，包括：总体样本单元401、子样本单元402、密度划分单元403以及分布合成单元404；其中，
所述总体样本单元401，与所述子样本单元402相耦接，用于按照植株的最大分布密度，生成由多组样本块构成和含有多种植株的总体样本集。
所述子样本单元402，分别与所述总体样本单元401和密度划分单元403相耦接，用于统计所述总体样本集中不同类别的所述植株的分布数量比例，根据所述分布数量比例，从所述总体样本集中将不同类别的所述植株进行拆分，生成与不同类别的所述植株对应的子样本集。
所述密度划分单元403，分别与所述总体样本单元401和分布合成单元404相耦接，用于根据预设的划分值对不同类别的所述植株对应的所述子样本集进行密度划分处理，生成不同密度值的密度样本块。
所述分布合成单元404，与所述密度划分单元403相耦接，用于根据在可视化界面中输入的目标位置的植株类别、密度等级和/或坐标信息，将不同类别的所述植株的所述密度样本块进行多层拼铺的合成处理，生成具有多种类别及密度的植被分布图。
在实际应用中，所述最大分布密度通常为预先设定的方式进行确定，当然，该最大分布密度也可以根据建模终端的处理能力的负荷条件确定，这里并不作为对本申请的限定。
具体来说，所述子样本单元402，具体用于：统计所述总体样本集中各所述样本块上不同类别的所述植株的分布数量比例，对各所述样本块中的不同类别的所述植株的分布点建立索引表，根据不同类别的所述植株的所述分布数量比例对所述索引表拆分为多段，生成与不同类别的所述植株对应的子样本集。
其中，拆分的所述索引表中每段含有的分布数量为：预先设置的所述植株的最大分布密度与不同类别的所述植株的分布数量比例的乘积。
在生成的所述总体样本集中，不同类别的所述植株的分布总量就是所述植株的最大分布密度，也就是说，在总体样本中，不同类别的所述植株的分布数量比例之和为1。
所述密度划分单元403中，所述预设的划分值是以梯度设置的密度比例值，该预设的划分值均为小于1且大于0的数值，例如：0.8、0.6、0.4、0.2等值，通过将所述子样本集分别与所述预设的划分值相乘后，得到所述不同密度值的密度样本块。
具体地，所述分布合成单元404，具体用于：按每种植株类别标识依次识别在可视化界面中输入的所述目标位置的密度等级标识和/或坐标网格参数，识别出所述密度等级标识为n时，抽取该类别植株对应的所述密度值为n的子样本集中由坐标网格参数映射的所述密度样本块，拼铺合成在所述目标位置；识别出所述密度等级标识为0时，在所述目标位置不进行该植株层的拼铺合成处理。
由于方法部分已经对本申请实施例进行了详细描述，这里对实施例中涉及的系统与方法对应部分的展开描述省略，不再赘述。对于系统中具体内容的描述可参考方法实施例的内容，这里不再具体限定。
与现有技术相比，本申请所述的一种基于泊松盘样本块的植被分布快速合成方法和系统，达到了如下效果：
1)本申请通过采用角匹配策略有效克服了顶角问题和圆盘越界问题，通过采用从样本母集中抽取生成子集的方式，高效实现了多密度与多物种分布的合成，有效解决了对大面积植被分布的快速合成的问题。
2)本申请生成的不同样本集之间具有相关性，从而可使不同密度的样本集间能够保持边界的匹配性，而且使不同物种的样本集间在混合叠加时能够保持内部的匹配性。
上述说明示出并描述了本申请的若干优选实施例，但如前所述，应当理解本申请并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述申请构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围，则都应在本申请所附权利要求的保护范围内。
Claims (10)
1.一种基于泊松盘样本块的植被分布快速合成方法，其特征在于，包括：
按照植株的最大分布密度，生成由多组样本块构成和含有多种植株的总体样本集；
统计所述总体样本集中不同类别的所述植株的分布数量比例，根据所述分布数量比例，从所述总体样本集中将不同类别的所述植株进行拆分，生成与不同类别的所述植株对应的子样本集；
根据预设的划分值对不同类别的所述植株对应的所述子样本集进行密度划分处理，生成不同密度值的密度样本块；
根据在可视化界面中输入的目标位置的植株类别、密度等级和/或坐标信息，将不同类别的所述植株的所述密度样本块进行多层拼铺的合成处理，生成具有多种类别及密度的植被分布图。
2.如权利要求1所述的基于泊松盘样本块的植被分布快速合成方法，其特征在于，统计所述总体样本集中不同类别的所述植株的分布数量比例，根据所述分布数量比例，从所述总体样本集中将不同类别的所述植株进行拆分，生成与不同类别的所述植株对应的子样本集，进一步为：
统计所述总体样本集中各所述样本块上不同类别的所述植株的分布数量比例，对各所述样本块中的不同类别的所述植株的分布点建立索引表，根据不同类别的所述植株的所述分布数量比例对所述索引表拆分为多段，生成与不同类别的所述植株对应的子样本集。
3.如权利要求2所述的基于泊松盘样本块的植被分布快速合成方法，其特征在于，拆分的所述索引表中每段含有的分布数量为：预先设置的所述植株的最大分布密度与不同类别的所述植株的分布数量比例的乘积。
4.如权利要求1所述的基于泊松盘样本块的植被分布快速合成方法，其特征在于，根据在可视化界面中输入的目标位置的植株类别、密度等级和/或坐标信息，将不同类别的所述植株的所述密度样本块进行多层拼铺的合成处理，进一步为：
按每种植株类别标识依次识别在可视化界面中输入的所述目标位置的密度等级标识和/或坐标网格参数，识别出所述密度等级标识为n时，抽取该类别植株对应的所述密度值为n的子样本集中由坐标网格参数映射的所述密度样本块，拼铺合成在所述目标位置；识别出所述密度等级标识为0时，在所述目标位置不进行该植株层的拼铺合成处理。
5.如权利要求1所述的基于泊松盘样本块的植被分布快速合成方法，其特征在于，统计的所述总体样本集中不同类别的所述植株的分布数量比例之和为1。
6.一种基于泊松盘样本块的植被分布快速合成系统，其特征在于，包括：总体样本单元、子样本单元、密度划分单元以及分布合成单元，其中，
所述总体样本单元，用于按照植株的最大分布密度，生成由多组样本块构成和含有多种植株的总体样本集；
所述子样本单元，用于统计所述总体样本集中不同类别的所述植株的分布数量比例，根据所述分布数量比例，从所述总体样本集中将不同类别的所述植株进行拆分，生成与不同类别的所述植株对应的子样本集；
所述密度划分单元，用于根据预设的划分值对不同类别的所述植株对应的所述子样本集进行密度划分处理，生成不同密度值的密度样本块；
所述分布合成单元，用于根据在可视化界面中输入的目标位置的植株类别、密度等级和/或坐标信息，将不同类别的所述植株的所述密度样本块进行多层拼铺的合成处理，生成具有多种类别及密度的植被分布图。
7.如权利要求6所述的基于泊松盘样本块的植被分布快速合成系统，其特征在于,所述子样本单元，进一步用于：
统计所述总体样本集中各所述样本块上不同类别的所述植株的分布数量比例，对各所述样本块中的不同类别的所述植株的分布点建立索引表，根据不同类别的所述植株的所述分布数量比例对所述索引表拆分为多段，生成与不同类别的所述植株对应的子样本集。
8.如权利要求7所述的基于泊松盘样本块的植被分布快速合成系统，其特征在于,拆分的所述索引表中每段含有的分布数量为：预先设置的所述植株的最大分布密度与不同类别的所述植株的分布数量比例的乘积。
9.如权利要求7所述的基于泊松盘样本块的植被分布快速合成系统，其特征在于,所述分布合成单元，进一步用于：
按每种植株类别标识依次识别在可视化界面中输入的所述目标位置的密度等级标识和/或坐标网格参数，识别出所述密度等级标识为n时，抽取该类别植株对应的所述密度值为n的子样本集中由坐标网格参数映射的所述密度样本块，拼铺合成在所述目标位置；识别出所述密度等级标识为0时，在所述目标位置不进行该植株层的拼铺合成处理。
10.如权利要求9所述的基于泊松盘样本块的植被分布快速合成系统，其特征在于,统计的所述总体样本集中不同类别的所述植株的分布数量比例之和为1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410183454.7A CN103927390B (zh) | 2014-04-30 | 2014-04-30 | 基于泊松盘样本块的植被分布快速合成方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410183454.7A CN103927390B (zh) | 2014-04-30 | 2014-04-30 | 基于泊松盘样本块的植被分布快速合成方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103927390A true CN103927390A (zh) | 2014-07-16 |
| CN103927390B CN103927390B (zh) | 2017-03-22 |
Family
ID=51145609
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410183454.7A Active CN103927390B (zh) | 2014-04-30 | 2014-04-30 | 基于泊松盘样本块的植被分布快速合成方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103927390B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105930456A (zh) * | 2016-04-22 | 2016-09-07 | 安庆师范学院 | 模拟濒危松科植物潜在分布的方法 |
| CN106067180A (zh) * | 2015-04-17 | 2016-11-02 | 想象技术有限公司 | 图像合成 |
| CN106570935A (zh) * | 2016-09-09 | 2017-04-19 | 北京林业大学 | 植被分布模拟方法及装置 |
| CN106663284A (zh) * | 2014-09-11 | 2017-05-10 | 索尼公司 | 信息处理设备、信息处理方法以及程序 |
| CN108543311A (zh) * | 2018-04-20 | 2018-09-18 | 苏州蜗牛数字科技股份有限公司 | 一种自动生成场景植被系统的方法 |
| CN116363457A (zh) * | 2023-03-17 | 2023-06-30 | 阿里云计算有限公司 | 任务处理、图像分类、任务处理模型的数据处理方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100128046A1 (en) * | 2008-11-26 | 2010-05-27 | Microsoft Corporation | Parallel poisson disk sampling |
| US8219517B2 (en) * | 2009-07-27 | 2012-07-10 | Microsoft Corporation | Multi-class Poisson disk sampling |
-
2014
- 2014-04-30 CN CN201410183454.7A patent/CN103927390B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100128046A1 (en) * | 2008-11-26 | 2010-05-27 | Microsoft Corporation | Parallel poisson disk sampling |
| US8219517B2 (en) * | 2009-07-27 | 2012-07-10 | Microsoft Corporation | Multi-class Poisson disk sampling |
Non-Patent Citations (3)
| Title |
|---|
| ARES LAGAE 等: ""An alternative for Wang tiles: colored edges versus colored corners"", 《ACM TRANSACTIONS ON GRAPHICS (TOG)》 * |
| 刘峰 等: ""基于深度网格的大规模森林场景的动态模拟"", 《计算机辅助设计与图形学学报》 * |
| 唐飞 等: ""基于GIS数据的植被实时虚拟可视化"", 《计算机工程》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106663284A (zh) * | 2014-09-11 | 2017-05-10 | 索尼公司 | 信息处理设备、信息处理方法以及程序 |
| CN106067180A (zh) * | 2015-04-17 | 2016-11-02 | 想象技术有限公司 | 图像合成 |
| CN106067180B (zh) * | 2015-04-17 | 2021-10-01 | 想象技术有限公司 | 图像合成 |
| CN105930456A (zh) * | 2016-04-22 | 2016-09-07 | 安庆师范学院 | 模拟濒危松科植物潜在分布的方法 |
| CN106570935A (zh) * | 2016-09-09 | 2017-04-19 | 北京林业大学 | 植被分布模拟方法及装置 |
| CN106570935B (zh) * | 2016-09-09 | 2020-07-07 | 北京林业大学 | 植被分布模拟方法及装置 |
| CN108543311A (zh) * | 2018-04-20 | 2018-09-18 | 苏州蜗牛数字科技股份有限公司 | 一种自动生成场景植被系统的方法 |
| CN116363457A (zh) * | 2023-03-17 | 2023-06-30 | 阿里云计算有限公司 | 任务处理、图像分类、任务处理模型的数据处理方法 |
| CN116363457B (zh) * | 2023-03-17 | 2024-04-30 | 阿里云计算有限公司 | 任务处理、图像分类、任务处理模型的数据处理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103927390B (zh) | 2017-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103927390B (zh) | 基于泊松盘样本块的植被分布快速合成方法和系统 | |
| US8229718B2 (en) | Use of scientific models in environmental simulation | |
| US9262853B2 (en) | Virtual scene generation based on imagery | |
| CN109858613B (zh) | 一种深度神经网络的压缩方法、系统及终端设备 | |
| CN111985161A (zh) | 一种变电站三维模型重构方法 | |
| WO2020206671A1 (zh) | 一种基于属性的点云条带划分方法 | |
| WO2009105502A1 (en) | Geospatial modeling system providing simulated tree trunks and branches for groups of tree crown vegetation points and related methods | |
| CN107679539B (zh) | 一种基于局部感知野的单卷积神经网络局部信息与全局信息整合方法 | |
| CN105225268A (zh) | 一种三维建模的方法和装置 | |
| CN116993555A (zh) | 国土空间规划重点区域识别的分区方法、系统及存储介质 | |
| Xu et al. | An improved space colonization algorithm with DBSCAN clustering for a single tree skeleton extraction | |
| CN106570935B (zh) | 植被分布模拟方法及装置 | |
| CN106326436A (zh) | 显示界面元素的方法及装置 | |
| CN105183624B (zh) | 一种基于数据匹配的仿真回放方法 | |
| CN103500469A (zh) | 一种城市绿化建模方法 | |
| Wibowo et al. | Mapping and grouping of farm land with Graham scan algorithm on convex hull method | |
| Bianconi et al. | From the integrated survey of historic settlements to the pattern book within the BIM | |
| CN112017159B (zh) | 一种遥感场景下的地面目标真实感仿真方法 | |
| CN106772424B (zh) | 一种交跨线确定方法和装置 | |
| CN109190450A (zh) | 基于分布式计算平台的人工智能遥感影像数据提取方法 | |
| CN115711855A (zh) | 一种不透水面的提取方法、装置、终端设备以及存储介质 | |
| CN102142155A (zh) | 面向网络交互可视化的地面三维模型数据组织方法 | |
| CN114520978A (zh) | 一种在网络规划仿真中自动布置基站的方法及系统 | |
| CN110782525B (zh) | 对虚拟环境中的虚拟物体进行标识的方法、装置及介质 | |
| CN114092813A (zh) | 一种工业园区图像提取方法、模型、电子设备和存储介质 |
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 |