CN104933189A - 基于上溢结点中心漂移分裂的实物表面采样数据r树优化方法 - Google Patents
基于上溢结点中心漂移分裂的实物表面采样数据r树优化方法 Download PDFInfo
- Publication number
- CN104933189A CN104933189A CN201510394903.7A CN201510394903A CN104933189A CN 104933189 A CN104933189 A CN 104933189A CN 201510394903 A CN201510394903 A CN 201510394903A CN 104933189 A CN104933189 A CN 104933189A
- Authority
- CN
- China
- Prior art keywords
- node
- overflow
- tree
- division
- point
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2246—Trees, e.g. B+trees
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Generation (AREA)
- Complex Calculations (AREA)
Abstract
本发明提供一种基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法,属于产品逆向工程领域,其特征在于:读取点云文件中的数据到线性表存储结构中;将线性表中的数据逐个插入点云的动态索引中;选取数据所要插入的结点;若结点发生溢出,则基于上溢结点中心漂移对结点进行分裂,并将分裂后得到的结点插入到动态索引中;若点云文件中数据全部插入,则三维点云的动态索引构建完成。本发明方法不仅能够快速构建实物表面采样数据的R树动态索引结构,且能够提高R树动态索引结构的查询效率。
Description
技术领域
本发明提供基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法,可用于改善实物表面采样数据R树动态索引结构的性能,属于产品逆向工程领域。
背景技术
在逆向工程中,高效稳定的空间索引结构可有效提高点云数据精简、三角剖分等的运算效率,因此具有良好性能的空间索引对于处理实物表面采样数据的存取查询以及曲面重建等具有重要意义。
目前,空间索引主要分为静态索引和动态索引两种。主流的静态索引包括空间栅格、八叉树等,其构建方法简单,存取方便,但构建静态索引时必须预知空间对象的分布范围,因此树的结构不能根据实际数据的分布情况进行动态调整,在空间数据分布比较密集的区域,八叉树的高度过大,导致性能不稳定。动态索引在插入或者删除时能够自动调整索引树结构,以保持最佳的检索效率。因此,为了能够有效检索实物表面采样数据且能够有效管理超出主存容限的实物表面采样数据,应选用动态索引结构。
R树是目前最流行的动态索引结构之一,其是一种具有优良空间数据动态索引性能的高度平衡树,允许结点相互重叠。目前应用较为广泛的R树有BECKMAN等在《The r*-tree: an efficient and robust access method for points and rectangles》(International Conference on Management of data, 1990.)中所述的R*树基于MBR(最小包围矩形)增量、重叠区域增量等优化准则实现选轴分裂,实现了数据的动态插入,但其需要计算大量重叠度,导致运算量过大,影响了构建效率,以及在《A revised r*-tree in comparison with related index structures》(Proceedings of the 2009 ACM SIGMOD International Conference on Management of data, 2009)中所述的将R*树改进优化的RR*树,其可根据数据插入过程中结点包围盒中心的偏移方向进行结点分裂优化,使得数据插入与空间查询效率优于R*树与Hilbert树,但其数据结构与R树不相容,导致R树的子树选择、结点删除以及索引合并等算法均需进行相应调整;THEODORIDIS等在《Revisiting r-tree construction principles》(Advances in Databases and Information Systems, 2002)中所述的CR树,其将R树上溢结点分裂问题视为典型的聚类问题,其分裂过程中的计算代价明显低于R*树,数据插入代价与R树相仿,查询性能与R*树相近,不需要强制重插等复杂技术,易于维护,但其结点簇数的确定问题一直缺乏较好的解决方法;孙殿柱等在《R*-树结点多目标遗传分裂算法》(计算机辅助设计与图形学学报,2013,25(10):1454-1459)中所述的采用遗传多目标优化求解结点分裂的近似全局最优解集并以结点最小包围盒的重叠度和体积作为评价标准选取最佳分裂解,但其在构建过车中,计算量过大,时间复杂度过高,影响了构建效率。
综上所述,目前的实物表面采样数据的动态空间索引结构存在构建效率低下、计算机运行内存消耗高等缺点,因此,为实物表面采样数据进一步优化并构建高效稳定的动态索引结构已成为本领域技术人员有待解决的技术问题。
发明内容
本发明的目的是针对目前R树结点分裂方法存在的主要问题,提出一种基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法,不仅能够提高R树结点的分裂效率与构建效率,而且能够有效提高R树的k近邻查询效率。
本发明的目的是通过如下技术方案实现的:
一种基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法,其特征在于步骤依次为:(1) 将三维点云数据文件中所有点云数据添加到线性表存储结构中;(2) 将线性表中的点数据采用R树结点插入方法依次插入到R树中,在插入过程中,若结点发生溢出,则根据上溢结点的加权均值点选取分裂轴,获取加权均值点与中心点范围内的候选分裂解,利用R*树的过滤原则对候选解进行过滤,从而实现上溢结点的分裂处理;(3) 若线性表中所有点数据都已插入R树中,则实物表面采样数据R树构建完成。
本发明与现有技术相比,具有以下优点:
(1) 基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法能有效降低分裂过程的计算代价、减少建树时间,并且能够有效降低结点包围盒的重叠度;
(2) 基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法能够有效地使得R树一组结点包围盒的形状和位置分布与数据分布更具一致性,因而R树存储利用率及空间查询性能优于CR树;
(3) 基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法在建树时间、结点利用率、k近邻查询都优于RR*树,而且后者除上溢参数、下溢参数外还依赖优化因子并改变了R树结构,与之相比,本文方法更为稳健;
(4) 基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法能够有效提高k近邻查询效率,从而提高了三角剖分、实物表面采样数据曲面重建等的效率。
附图说明
图1是本发明基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法的程序实现流程图;
图2是目标上溢结点的中心与加权均值点效果图;
图3是实施结点分裂试验所采用的一种实物表面样点——佛像点云模型;
图4-图8是对佛像点云模型进行不同程度的精简的点云效果图;
图9是采用基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法为原始佛像点云模型构建的R树的根索引结点及其点云图;
图10是采用基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法为原始佛像点云模型构建的R树的叶索引结点;
图11是采用CR树为所有佛像点云模型构建的R树的各索引结点层的重叠度图;
图12是采用RR*树为所有佛像点云模型构建的R树的各索引结点层的重叠度图;
图13是采用基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法为所有佛像点云模型构建的R树的各索引结点层的重叠度图;
图14是分别采用CR树、RR*树、基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法为所有佛像点云模型构建R树所需时间的对比图;
图15是分别采用CR树、RR*树、基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法为所有佛像点云模型构建R树其存储利用率的对比图;
图16是分别采用CR树、RR*树、基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法为所有佛像点云模型构建R树其k近邻查询时间的对比图。
具体实施方式
下面结合附图及实施例对本发明作进一步说明。
图1是本发明基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法的程序实现流程图,可采用C程序设计语言实现。实物表面采样数据的R树动态索引构建的方法程序主要模块包括读取点云文件中的数据到线性表存储结构中、将线性表中的数据逐个插入点云的R树动态索引中、在插入过程中,若结点发生溢出,则基于该结点中心漂移对结点进行分裂、若点云文件中数据全部插入,则实物表面采样数据的R树动态索引构建完成等。
图2是目标上溢结点的中心与加权均值点效果图,加权均值点为
式中为上溢结点F中任一子结点,为结点包围盒中心点的第a维分量,为上溢结点中任一子结点包围盒第a维的边长。
图3是实施结点分裂试验所采用的一种实物表面样点——佛像点云模型,采用光栅投影式三维测量仪获取,并利用Geomagic studio12对其进行不同程度的精简,获取点集A如图4所示、点集B如图5所示、点集C如图6所示、点集D如图7、点集E如图8所示。
图9是采用基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法为原始佛像点云模型构建的R树的根索引结点及其点云图,构建R树的具体步骤:(1) 将三维点云数据文件中所有点云数据添加到线性表存储结构中;(2) 将线性表中的点数据采用R树结点插入方法依次插入到R树中,在插入过程中,若结点发生溢出,则根据上溢结点的加权均值点选取分裂轴,获取加权均值点与中心点范围内的候选分裂解,利用R*树的过滤原则对候选解进行过滤,从而实现上溢结点的分裂处理;(3) 若线性表中所有点数据都已插入R树中,则实物表面采样数据R树构建完成。
图10是采用基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法为原始佛像点云模型构建的R树的叶索引结点,叶索引结点的包围盒形状大小分布、位置分布与数据分布的大体一致,说明本发明方法具有良好的分裂特性。
图11-图13是分别采用CR树、RR*树、基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法为所有佛像点云模型构建的R树的各索引结点层的重叠度图,本发明方法比CR树与RR*树的算法小,说明本发明方法能够有效减少R树结点之间的重叠度。
图14是分别采用CR树、RR*树、基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法为所有佛像点云模型构建R树所需时间的对比图,分别采用CR树、RR*树、基于R树上溢结点质心的选轴分裂方法为点云A、B、C、D、E构建R树,运用c语言的时间函数统计三种方法的建树时间,说明本发明方法可有效提高R树的构建效率。
图15是分别采用CR树、RR*树、基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法为所有佛像点云模型构建R树其存储利用率的对比图,分别采用CR树、RR*树、基于R树上溢结点质心的选轴分裂方法为点云A、B、C、D、E构建R树,运用c语言统计三种方法构建的R树的存储利用率,说明本发明方法可有效提高R树的存储利用率。
图16是分别采用CR树、RR*树、基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法为所有佛像点云模型构建R树其k近邻查询时间的对比图,分别采用CR树、RR*树、基于R树上溢结点质心的选轴分裂方法为点云A、B、C、D、E构建R树,运用c语言的时间函数统计三种方法的k近邻查询时间,说明本发明方法k近邻查询效率最优。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (4)
1.一种基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法,其特征在于步骤依次为:(1) 将三维点云数据文件中所有点云数据添加到线性表存储结构中;(2) 将线性表中的点数据采用R树结点插入方法依次插入到R树中,在插入过程中,若结点发生溢出,则根据上溢结点的加权均值点选取分裂轴,获取加权均值点与中心点范围内的候选分裂解,利用R*树的过滤原则对候选解进行过滤,从而实现上溢结点的分裂处理;(3) 若线性表中所有点数据都已插入R树中,则实物表面采样数据R树构建完成。
2.根据权利要求1所述的基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法,其特征在于步骤(3)上溢结点的加权均值点
式中为上溢结点F中任一子结点,为结点包围盒中心点的第a维分量,为上溢结点中任一子结点包围盒第a维的边长。
3.根据权利要求1所述的基于上溢结点中心漂移分裂的实物表面采样数据R树优化方法,其特征在于步骤(3)上溢结点的分裂处理,具体分裂步骤为:(1) 计算上溢结点的中心与加权均值点;(2) 选取加权均值点坐标值最大的维度作为分裂轴;(3) 将上溢结点的子结点按照包围盒中心点在分裂轴方向上的坐标分量增序排序,得到子结点序列S,对S进行子序列对划分,要求划分后的子序列中的结点数不小于m,m为非根结点中单元个数的下限值,且若设划分后的子序列对为,满足,,将子序列对添加到集合Q中,获取上溢结点中心点和加权均值点分裂轴方向的坐标分量X、Y,将解集Q中所有候选解的分界线与分裂轴相交,保留交点落在X和Y之间的解,得到解集Q’,若Q’为空集,则,Q’为最终候选分裂解集;(4) 利用分裂后的结点包围盒重叠度最小化与周长之和最小化对候选分裂解集进行过滤,得到最优分裂解;(5) 将最优分裂解插入到上溢结点的父结点中,若父结点发生上溢,则向上进行分裂处理,直至父结点不发生上溢。
4.根据权利要求3所述的上溢结点的分裂处理,其特征在于步骤(4)分裂后的结点包围盒重叠度最小化与周长之和最小化,重叠度最小化为,为结点x的包围盒体积,周长之和最小化为,为结点x的包围盒周长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510394903.7A CN104933189B (zh) | 2015-07-08 | 2015-07-08 | 基于结点中心漂移分裂的佛像表面采样数据r树优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510394903.7A CN104933189B (zh) | 2015-07-08 | 2015-07-08 | 基于结点中心漂移分裂的佛像表面采样数据r树优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104933189A true CN104933189A (zh) | 2015-09-23 |
CN104933189B CN104933189B (zh) | 2019-01-22 |
Family
ID=54120356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510394903.7A Expired - Fee Related CN104933189B (zh) | 2015-07-08 | 2015-07-08 | 基于结点中心漂移分裂的佛像表面采样数据r树优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104933189B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112395288A (zh) * | 2020-09-25 | 2021-02-23 | 浙江大学 | 基于希尔伯特曲线的r树索引合并更新方法、装置及介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5884320A (en) * | 1997-08-20 | 1999-03-16 | International Business Machines Corporation | Method and system for performing proximity joins on high-dimensional data points in parallel |
-
2015
- 2015-07-08 CN CN201510394903.7A patent/CN104933189B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5884320A (en) * | 1997-08-20 | 1999-03-16 | International Business Machines Corporation | Method and system for performing proximity joins on high-dimensional data points in parallel |
Non-Patent Citations (2)
Title |
---|
AZZAM SLEIT ETC.: ""Corner-based splitting:An improved node splitting algorithm for R-tree"", 《JOURNAL OF INFORMATION SCIENCE》 * |
吴敏君等: ""基于分割聚类技术的R树结点分裂方案"", 《计算机应用与软件》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112395288A (zh) * | 2020-09-25 | 2021-02-23 | 浙江大学 | 基于希尔伯特曲线的r树索引合并更新方法、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104933189B (zh) | 2019-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6998964B2 (ja) | ジオフェンスのインデックスグリッドを判断するための方法及び装置 | |
Arge et al. | Optimal external memory interval management | |
CA2846327C (en) | Systems and methods for generating a large scale polygonal mesh | |
Lu et al. | Massive point cloud space management method based on octree-like encoding | |
CN103995861A (zh) | 一种基于空间关联的分布式数据装置、方法及系统 | |
CN111291016A (zh) | 一种海量遥感影像数据分层混合存储与索引方法 | |
Lewis et al. | Lidar data management pipeline; from spatial database population to web-application visualization | |
CN113468286A (zh) | 一种基于三角面片个数划分的三维金字塔构建方法 | |
Mousel | A massively parallel adaptive sharp interface solver with application to mechanical heart valve simulations | |
CN101510226B (zh) | 产品stl模型快速自适应细分方法 | |
Liang et al. | Scalable 3d spatial queries for analytical pathology imaging with mapreduce | |
Miranda et al. | Surface mesh regeneration considering curvatures | |
CN104933189A (zh) | 基于上溢结点中心漂移分裂的实物表面采样数据r树优化方法 | |
CN115330971B (zh) | 一种面向渲染性能优化的几何模型轻量化方法 | |
CN116152451A (zh) | 多维参数化城市信息模型构建方法、系统及计算机设备 | |
CN103425787B (zh) | 一种渐进最优的三角网格重复顶点快速去除方法 | |
CN106294540A (zh) | 基于p‑stable局部敏感哈希检索数据样式的多点地质统计建模方法 | |
Liu et al. | Research on hybrid index based on 3D multi-level adaptive grid and R+ Tree | |
Cox et al. | Topological zone organization of scalar volume data | |
Ding et al. | A learned spatial textual index for efficient keyword queries | |
Chiang et al. | Out-of-core algorithms for scientific visualization and computer graphics | |
CN104881498B (zh) | 海量点云的Out-of-Core快速均匀精简方法 | |
Wang et al. | GLIN: A (G) eneric (L) earned (In) dexing Mechanism for Complex Geometries | |
Yu et al. | Index model based on top-down greedy splitting R-tree and three-dimensional quadtree for massive point cloud management | |
Wang et al. | Adaptive Cartesian/adaptive prism (ACAP) grid generation for complex geometries |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190122 Termination date: 20190708 |