CN105184807B - 一种提高海图水深自动选取效率的方法 - Google Patents

一种提高海图水深自动选取效率的方法 Download PDF

Info

Publication number
CN105184807B
CN105184807B CN201510670330.6A CN201510670330A CN105184807B CN 105184807 B CN105184807 B CN 105184807B CN 201510670330 A CN201510670330 A CN 201510670330A CN 105184807 B CN105184807 B CN 105184807B
Authority
CN
China
Prior art keywords
triangle
depth
water
shallow
chained list
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
CN201510670330.6A
Other languages
English (en)
Other versions
CN105184807A (zh
Inventor
贾帅东
张立华
李思鹏
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.)
PLA Dalian Naval Academy
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201510670330.6A priority Critical patent/CN105184807B/zh
Publication of CN105184807A publication Critical patent/CN105184807A/zh
Application granted granted Critical
Publication of CN105184807B publication Critical patent/CN105184807B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation

Landscapes

  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种提高海图水深自动选取效率的方法，包括以下步骤：读入水深待选取区域外的已有海图水深点，并用逐点插入法建立初始的Delaunay水深三角网；找出所有存在水深漏浅的三角形，计算三角形面积，按照面积由大到小排序，建立漏浅三角形链表；动态更新漏浅三角形链表，重复该步骤直至链表为空；找出所有边长超出要求的三角形，建立边长超出要求的三角形链表；动态更新边长超出要求的三角形链表，重复该步骤直至为空；最后，输出选取出的待选点平面坐标和深度。本方法通过计算三角网中每个三角形的面积，有序地建立起三角形链表并动态更新的方法，优化漏浅和边长超出要求的三角形的处理顺序，可明显提高海图水深自动选取的效率。

Description

一种提高海图水深自动选取效率的方法
技术领域
本发明涉及海洋测绘领域，尤其涉及一种提高海图水深自动选取效率的方法。
背景技术
水深是海图的基本要素，是舰船、潜艇等海上航行决策分析的重要依据。海图水深的选取，在海图制图综合作业中占有非常大的比重。
为了提高水深选取作业的效率，国内外不少专家、学者研究了利用计算机实现海图水深的自动选取，如地形匹配法(Ioraster.S and Bayer.S,1992)、专家系统法(Lysandros.T,1997)、神经元网络法(王家耀，1999)、表达识别与综合法(陆毅，2005)等。然而，上述方法在某些情况下可能会出现水深漏浅的情况。张立华等采用模型面控制的思想，提出了一种不漏水深浅点的海图水深自动选取方法。这种方法在资料图水深数据量较少的情况下，既能确保水深选取不漏浅点，又能通过计算机的自动化处理，较好地提高水深选取的作业效率；但由于该方法在数据处理过程中，需要反复遍历水深三角网中的所有三角形，分析其是否出现水深漏浅情形(或存在三角形边长超出规范的情形)，当资料图水深数据量较大时，特别是对于实测的多波束水深数据而言，该算法的效率会极大地降低。
发明内容
为了克服水深自动选取算法遇到大数据量时效率明显降低的不足，本发明提供了一种提高海图水深自动选取效率的方法。
本发明为实现上述目的所采用的技术方案是：
a、读入海图上水深待选取区域外的已有水深点的平面位置信息和深度信息；
b、利用已有水深点，采用逐点插入法构建初始的Delaunay水深三角网，并建立初始的三角形集合；
c、读入水深待选取区域内的资料图上所有水深点的平面位置信息和深度信息，作为待选水深点；
d、遍历三角形集合中的各三角形，搜索并找出所有存在水深漏浅的三角形，并计算这些三角形的面积，按照面积由大到小排序，建立起一个漏浅三角形链表；
e、提取漏浅三角形链表中的首个三角形(即面积最大的三角形)，搜索位于该三角形内待选水深点中的最浅水深点，并将其插入原三角形，动态更新漏浅三角形链表和三角形集合；
f、分析当前的漏浅三角形链表是否为空。若是，则进入步骤g；反之，重复步骤e；
g、遍历三角形集合中的各三角形，搜索并找出所有边长超出规范要求的三角形，并按三角形面积由大到小排序，建立起一个边长超出规范要求的三角形链表；
h、提取边长超出规范要求的三角形链表中的首个三角形(即面积最大的三角形)，遍历位于此三角形外接圆域内的水深点，搜索距离三角形外接圆圆心最近且满足不漏浅条件的水深点，并将该水深点插入原三角形，动态更新边长超出要求的三角形链表和三角形集合；
i、分析当前的边长超出要求的三角形链表是否为空。若是，则进入步骤j；反之，重复步骤h；
j、输出插入三角网中水深点的平面位置信息和深度信息作为水深选取的结果。
所述步骤d中，判断某个三角形是否存在漏浅情形的方法为：遍历位于该三角形内的所有待选点，循环比较待选点的水深值是否浅于三角形三个顶点处的最小水深，若其中存在一个或多个待选点的水深值浅于三角形三个顶点处最小水深，则为该三角形发生水深漏浅，反之则该三角形未发生水深漏浅。
所述步骤e中，动态更新漏浅三角形链表的方法为：当待选点插入原三角形后，其影响域内的三角形结构会发生改变，删除影响域内的三角形及其在漏浅三角形链表中的数据，构建新的三角形，分析每个新建的三角形是否出现水深漏浅的情形，若是，则计算该三角形的面积，并根据面积大小有序地插入到漏浅三角形链表中；反之，则不作处理。
所述步骤g中，判断某个三角形边长是否超出规范要求的方法为：根据该三角形三个顶点平面坐标，计算该三角形三条边的长度，判断三条边长度是否过大而超出海图编绘规范要求，若三角形有任何一条边超出规范要求，则认为三角形边长超出规范要求；反之，则认为该三角形边长符合规范要求。
所述步骤h中，动态更新边长超出要求的三角形链表的方法为：当待选点插入原三角形后，其影响域内的三角形结构会发生改变，删除影响域内的三角形及其在边长超出要求的三角形链表中的数据，构建出新的三角形，分析每个新建的三角形的边长是否超出海图编绘规范要求，若是，则计算该三角形的面积，并根据面积大小有序地插入边长超出要求的三角形链表中；反之，则不作处理。
有益效果：本发明提供的提高海图水深自动选取效率的方法，克服了以往水深自动选取遇到待选点数据量偏大时效率明显降低的不足，使用本方法能通过计算机作业自动选取出海图水深注记点，在保证水深点的选取不会遗漏浅点水深且水深点间隔满足海图编绘规范要求的同时，可明显提高水深自动选取的效率。
附图说明
图1是本发明提高海图水深自动选取效率的主流程框图；
图2是本发明判断三角形内是否出现水深漏浅情形的流程框图；
图3是本发明动态更新漏浅三角形链表的示意图；
图4是本发明判断三角形边长即水深点间隔是否超出规范要求的流程框图；
图5是本发明动态更新边长超出要求的三角形链表的示意图。
具体实施方式
下面结合实施例对本发明做进一步的解释说明。
本发明的实现过程是采用计算机提高海图水深自动选取效率。假设海图制图综合中有某区域A(水深待选取区域)需进行水深选取，利用综合区域之外已有的水深点和需要综合的区域之内资料图水深点，采用本发明方法进行水深自动选取，包括以下步骤，如图1所示：
步骤a，在计算机上打开编绘海图，输入需要进行水深选取区域A的边界点平面坐标(XAi,YAi)(i＝1,2,…,nA)，确定待进行水深选取的区域范围；
步骤b，读入位于区域A范围以外的已有的水深点的平面坐标(XRi,YRi)和深度值ZRi(i＝1,2,…,nR)；
步骤c，用逐点插入法构建初始的Delaunay水深三角网，并建立三角形集合T(i＝1,2,…,nT)；
步骤d，读入位于区域A范围内的资料图上的水深点的平面坐标(XSi,YSi)和深度值ZSi(i＝1,2,…,nS)，作为待选点；
步骤e，判断三角形集合T中的各三角形ti(i＝1,2,…,n)是否出现漏浅的情形。这里，判断三角形ti内是否出现漏浅情况的具体步骤如下：如图2所示，首先输入此三角形三个顶点的平面坐标(X1,Y1)、(X2,Y2)、(X3,Y3)和深度信息Z1、Z2、Z3，并得到三个顶点处水深的最浅值Zmin＝min(Z1,Z2,Z3)，再输入位于此三角形内部所有待选点的平面位置信息(XSi,YSi)和深度信息ZSi，然后循环遍历这些待选点，判断各点的深度值ZSi与Zmin大小关系。若存在某待选点的深度值ZSi<Zmin，则表明该三角形内出现漏浅的情形，反之则表明该三角形不存在漏浅的情况。
步骤f，找出三角形集合T中所有出现漏浅情形的三角形t′i(i＝1,2,…,n′，共n′个)，计算这些三角形的面积，按照面积由大到小的排序，建立漏浅三角形链表T′，如图3所示；
步骤g，提取漏浅三角形链表中的首个三角形t′1(即面积最大的三角形)，搜索位于该三角形内待选水深点中的最浅水深点，并将其插入原三角形，动态更新漏浅三角形链表T′和三角形集合T。这里，动态更新漏浅三角形链表T′和三角形集合T的方法如下：首先，删除新插入点影响域内的三角形及其在漏浅三角形链表T′和三角形集合T中的数据，然后，在影响内构建新三角形，并添加到三角形集合T中，最后分析每个新建三角形是否出现水深漏浅的情形，若是，则计算该三角形的面积，并根据面积大小有序地插入漏浅三角形链表T′中；反之，则不作处理。
步骤h，分析当前的漏浅三角形链表是否为空，若是，则进入步骤i，反之重复步骤g；
步骤i，利用待选点水深，分析三角形集合T内各三角形的边长(即水深点间隔)是否超出海图编绘规范要求，这里，判断三角形ti边长是否超出海图编绘规范要求的具体步骤如下：如图4所示，首先输入三角形三个顶点的平面坐标(X1,Y1)、(X2,Y2)、(X3,Y3)，计算三角形的三条边的长度判断D1、D2、D3是否超出规范要求。若D1、D2、D3中任意一个大于规范要求的水深间隔数值，则表明三角形ti边长超出规范要求，反之表明该三角形边长符合规范要求。
步骤j，遍历三角形集合中的各三角形，找出三角形集合T中所有边长超出海图编绘规范要求的三角形t″i(i＝1,2,…,n″，共n″个)，计算这些三角形的面积，按照面积由大到小的排序，新建立一个边长超出要求的三角形链表T″；
步骤k，提取边长超出要求的三角形链表T″中的首个三角形t″0(即面积最大的三角形)，遍历位于三角形外接圆域内的水深点，搜索距离三角形外接圆圆心最近且满足不漏浅条件的水深点，并将该水深点插入原三角形，动态更新边长超出要求的三角形链表T″和三角形集合T。这里，动态更新边长超出要求的三角形链表T′和三角形集合T的方法如下：首先，删除新插入点影响域内的三角形及其在边长超出要求的三角形链表T′和三角形集合T中的数据，然后，在影响内构建新三角形，并添加到三角形集合T中，最后分析每个新建三角形是否出现边长超出规范要求的情形，若是，则计算该三角形的面积，并根据面积大小有序地插入边长超出规范要求的三角形链表T″中；反之，则不作处理。
步骤l，分析当前边长超出规范要求的三角形链表T″是否为空，若是，则进入步骤m，反之重复步骤k；
步骤m、输出选取出的待选点的平面位置信息和深度信息。
本发明是通过实施例进行描述的，本领域技术人员知悉，在不脱离本发明的精神和范围的情况下，可以对这些特征和实施例进行各种改变或等效替换。另外，在本发明的教导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此，本发明不受此处所公开的具体实施例的限制，所有落入本申请的权利要求范围内的实施例都属于本发明的保护范围。

Claims (3)

1.一种提高海图水深自动选取效率的方法，其特征在于，包括以下步骤：
a、读入海图上水深待选取区域外的已有水深点的平面位置信息和深度信息；
b、利用已有水深点，采用逐点插入法构建初始的Delaunay 水深三角网，并建立初始的三角形集合；
c、读入水深待选取区域内的资料图上所有水深点的平面位置信息和深度信息，作为待选水深点；
d、遍历三角形集合中的各三角形，搜索并找出所有存在水深漏浅的三角形，并计算这些三角形的面积，按照面积由大到小排序，建立起一个漏浅三角形链表；
e、提取漏浅三角形链表中的首个三角形，即面积最大的三角形，搜索位于该三角形内待选水深点中的最浅水深点，并将其插入原三角形，动态更新漏浅三角形链表和三角形集合，动态更新漏浅三角形链表的方法为：当待选点插入原三角形后，其影响域内的三角形结构会发生改变，删除影响域内的三角形及其在漏浅三角形链表中的数据，构建新的三角形，分析每个新建的三角形是否出现水深漏浅的情形，若是，则计算该三角形的面积，并根据面积大小有序地插入到漏浅三角形链表中；反之，则不作处理；
f、分析当前的漏浅三角形链表是否为空，若是，则进入步骤g ；反之，重复步骤e ；
g、遍历三角形集合中的各三角形，搜索并找出所有边长超出规范要求的三角形，并按三角形面积由大到小排序，建立起一个边长超出规范要求的三角形链表；
h、提取边长超出规范要求的三角形链表中的首个三角形，即面积最大的三角形，遍历位于此三角形外接圆域内的水深点，搜索距离三角形外接圆圆心最近且满足不漏浅条件的水深点，并将该水深点插入原三角形，动态更新边长超出要求的三角形链表和三角形集合，动态更新边长超出要求的三角形链表的方法为：当待选点插入原三角形后，其影响域内的三角形结构会发生改变，删除影响域内的三角形及其在边长超出要求的三角形链表中的数据，构建出新的三角形，分析每个新建的三角形的边长是否超出海图编绘规范要求，若是，则计算该三角形的面积，并根据面积大小有序地插入边长超出要求的三角形链表中；反
之，则不作处理；
i、分析当前的边长超出要求的三角形链表是否为空， 若是，则进入步骤j ；反之，重复步骤h ；
j、输出插入三角网中水深点的平面位置信息和深度信息作为水深选取的结果。
2.根据权利要求1 所述的提高海图水深自动选取效率的方法，其特征在于：所述步骤d中，判断某个三角形是否存在漏浅情形的方法为：遍历位于该三角形内的所有待选点，循环比较待选点的水深值是否浅于三角形三个顶点处的最小水深，若其中存在一个或多个待选点的水深值浅于三角形三个顶点处最小水深，则为该三角形发生水深漏浅，反之则该三角形未发生水深漏浅。
3.根据权利要求1 所述的提高海图水深自动选取效率的方法，其特征在于：所述步骤g中，判断某个三角形边长是否超出规范要求的方法为：根据该三角形三个顶点平面坐标，计算该三角形三条边的长度，判断三条边长度是否过大而超出海图编绘规范要求，若三角形有任何一条边超出规范要求，则认为三角形边长超出规范要求；反之，则认为该三角形边长符合规范要求。
CN201510670330.6A 2015-10-13 2015-10-13 一种提高海图水深自动选取效率的方法 Active CN105184807B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510670330.6A CN105184807B (zh) 2015-10-13 2015-10-13 一种提高海图水深自动选取效率的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510670330.6A CN105184807B (zh) 2015-10-13 2015-10-13 一种提高海图水深自动选取效率的方法

Publications (2)

Publication Number Publication Date
CN105184807A CN105184807A (zh) 2015-12-23
CN105184807B true CN105184807B (zh) 2018-03-20

Family

ID=54906860

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510670330.6A Active CN105184807B (zh) 2015-10-13 2015-10-13 一种提高海图水深自动选取效率的方法

Country Status (1)

Country Link
CN (1) CN105184807B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108447125B (zh) * 2018-02-28 2022-03-18 哈尔滨工程大学 一种基于多波束测深数据的Delaunay三角网快速生成方法
CN108983233B (zh) * 2018-06-13 2022-06-17 四川大学 GB-InSAR数据处理中的PS点组合选取方法
CN109816713B (zh) * 2018-12-26 2023-03-31 中国人民解放军海军大连舰艇学院 一种非自主测绘海图的水深注记精度定量评估方法
CN110926416B (zh) * 2019-12-06 2022-05-10 中国人民解放军海军大连舰艇学院 岛屿周围水深的自动选取方法
CN112489108B (zh) * 2020-12-24 2023-08-01 中国科学院南海海洋研究所 一种远海珊瑚礁水下表面积反演重建的方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101082988A (zh) * 2007-06-19 2007-12-05 北京航空航天大学 自动的深度图像配准方法
CN102737542A (zh) * 2012-02-10 2012-10-17 武汉大学 一种顾及多重约束条件的水深注记自动选取方法
CN103955932A (zh) * 2014-05-05 2014-07-30 张立华 一种不漏水深浅点的海图水深自动选取方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101082988A (zh) * 2007-06-19 2007-12-05 北京航空航天大学 自动的深度图像配准方法
CN102737542A (zh) * 2012-02-10 2012-10-17 武汉大学 一种顾及多重约束条件的水深注记自动选取方法
CN103955932A (zh) * 2014-05-05 2014-07-30 张立华 一种不漏水深浅点的海图水深自动选取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
水深三角网的快速构建及优化算法;张立华 等;《水运工程》;20060225;5-8 *
高效构建Delaunay三角网数字地形模型算法研究;胡金星 等;《北京大学学报（自然科学版）》;20030920;第39卷(第5期);736-741 *

Also Published As

Publication number Publication date
CN105184807A (zh) 2015-12-23

Similar Documents

Publication Publication Date Title
CN105184807B (zh) 一种提高海图水深自动选取效率的方法
CN108765371A (zh) 一种病理切片中非常规细胞的分割方法
CN110717251B (zh) 一种考虑多要素的分布式水文模型子流域划分方法
US20210366122A1 (en) Method and apparatus for segmenting G-banded adhered chromosome based on geometrical characteristic and regional fusion, and chromosome karyotype analysis device
CN105654453B (zh) 一种鲁棒性的fcm图像分割方法
CN102136218A (zh) 一种计算机地图制图中的地图注记自动配置方法
CN103955932B (zh) 一种不漏水深浅点的海图水深自动选取方法
CN103020711A (zh) 分类器训练方法及其系统
CN101853485A (zh) 一种基于近邻传播聚类的非均匀点云简化处理方法
CN110069781A (zh) 一种实体标签的识别方法及相关设备
CN108961294A (zh) 一种三维点云的分割方法及装置
CN110070087A (zh) 图片识别方法及装置
CN101853526A (zh) 一种自适应密度的非均匀点云简化处理方法
Szörényi et al. Optimistic planning in Markov decision processes using a generative model
CN111275065A (zh) 一种基于海洋环境多属性的水产养殖空间分区方法
CN111581756A (zh) 洪水淹没范围的确定方法及装置
CN111144487B (zh) 一种遥感影像样本库的建立与更新方法
CN112257496A (zh) 一种基于深度学习的输电通道周围环境分类方法及系统
CN115546116A (zh) 全覆盖式岩体不连续面提取与间距计算方法及系统
CN104732292B (zh) 基于断面数据的主流速线自动规划方法
CN103854299B (zh) 一种基于全局能量函数优化的图像层次提取与编辑方法
CN111325126A (zh) 遥感图像的解译方法及装置
CN117292217A (zh) 一种基于对抗生成网络的皮肤分型数据增广方法与系统
CN104794747B (zh) 一种基于射线原理的三维点云数据精简方法
CN107437093A (zh) 一种基于rfid数据强度‑时间分布的初始聚类中心优化选取方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200810

Address after: 116018 No. 667, Zhongshan, Dalian District, Liaoning, Jiefang Road

Patentee after: PLA DALIAN NAVAL ACADEMY

Address before: 116018 Department of marine surveying and mapping, Dalian Naval Academy, Dalian, Liaoning

Co-patentee before: Zhang Lihua

Patentee before: Jia Shuaidong

Co-patentee before: Li Sipeng