CN109816787B - 一种海量tin模型数据的高效调度方法 - Google Patents

Abstract

本发明公开了一种海量TIN模型数据的高效调度方法，自适应网格化分的点云分块计算，TIN模型数据结构定制，三角剖分计算与空间索引，基于缓存机制的文件快速读写，热度值表达和热度文件建立，计算机缓存数据动态管理，空间检索与TIN数据组织调度，该方法克服了大数据量环境下构网计算时间复杂度高、构网模型存储效率低下的技术瓶颈，实现了模型数据的“单次构网、多次使用”，解决了TIN模型重复构建、数据重复调用过程中形成的效率低下的问题。

Description

一种海量TIN模型数据的高效调度方法

技术领域

本发明涉及点云空间构网与管理技术，具体是指一种海量TIN模型数据的高效调度方法。

背景技术

在地理信息科学领域，地形分析处理方法是由数字地形模型(Digital TerrainModels,DTM)来表达。相较于DTM传统地形表达方式，TIN模型以其数据冗余小、表达精度高、显示速度快等优点被广泛地应用于DTM建模中。TIN模型可根据地形具体特点和复杂程度确定离散点云的密度和位置，在相对准确表达地形结构和细部特征的同时还能较好顾及真实地表信息，为开展后续分析提供了可靠的保障。因此，TIN模型数据被广泛应用在地形图测绘、断面测绘、工程项目勘察设计、城市规划、虚拟现实等领域。

随着国内外激光雷达、航空摄影测量、轻小型无人机等技术的飞速发展，通过海量点云构建的TIN模型数据将逐渐取代传统测绘手段，其应用范围将逐步扩展到自动驾驶、BIM设计、智慧城市等新兴领域。与科学技术的飞速发展相对应的是，基础点云数据的结构复杂性和数据存储量呈几何倍数增加，其数据存储量将由MB、GB量级逐步转向TB、PB级规模发展，数据处理方式和能力将逐步转向集群分布式并行环境，通过缓存机制管理热点将逐渐形成一种趋势；另一方面，基于传统TIN模型对点云数据“多次使用，多次构建”的管控方式必然无法满足现势性需要。因此发展一种海量TIN模型数据的高效调度方法将很有必要。

发明内容

本发明目的在于解决背景技术中所述的现势性难题，提出了一种海量TIN模型数据的高效调度方法，其目的在于通过构建自适应网格化分策略、优化TIN模型数据结构，依照数据调用频次建立分块数据的热度值，使用计算机缓存机制对热点数据进行动态筛选、保存和剔除，最终实现TIN模型高效调度，克服了大数据量环境下构网计算时间复杂度高、构网模型存储效率低下的技术瓶颈，实现了模型数据的“单次构网、多次使用”，解决了TIN模型重复构建、数据重复调用过程中形成的效率低下的问题。

本发明的技术方案：

一种海量TIN模型数据的高效调度方法，包括如下步骤：

S₁，自适应网格化分的点云分块策略；

S₂，TIN模型数据定制结构；

S₃，三角剖分计算与空间索引构建；

S₄，热度文件和热点文件建立；

S₅，基于缓存机制的数据动态管理；

S₁中所述的自适应网格化分的点云分块策略分为标准划分和附加划分两部分。标准划分是指建立一套标准网格模型来管理分布离散、杂乱无序的激光雷达点云数据。附加划分是根据单块网格和其邻边格网点云数据的最小点间距大小，附加三倍及以上的点间距到初始格网尺寸中，确保数据有效重叠和衔接，形成最终的自适应网格尺寸大小。

S₂中所述的TIN模型数据定制结构是指通过设计一种包含性广、可复原性强的结构化数组，实现TIN模型数据的整读整取。内容包括结构化数组设计和功能化数据设计，数组均按二进制文件快速读取原则统一定制。

S₄中所述的热度文件和热点文件建立分两个方面。热度文件建立是依照用户对系统内存中TIN模型数据的访问频次，动态建立某一时段数据热度值的有效范围，按照热度值大小依次进行排序，形成最终热度文件，以减小数据重复调用带来的系统冗余度；热点文件建立是以热点区域对象，通过空间索引信息确定热点区域所覆盖的数据块文件，形成最终热点文件。

S₄中所述的热度文件和热点文件执行不同的标准。热度文件是动态文件，是依据一定时间范围内数据访问频次动态建立，随着时间发展变成冷数据后将被系统卸载；热点文件是静态文件，对应的是某一特定空间范围内用户关注的热点区域，热点文件将一直保存在系统缓存中而不被卸载。

有益效果

1、本发明针对点云数据量大且分布零散、三角剖分计算时间复杂度高且结构复杂、热点区域数据调度频繁但数据读取效率低下、构网频次多但构网数据无法保存等问题，采用自适应网格化分对海量离散点云数据进行规则化分块，通过优化和定制TIN模型数据结构，采用三角剖分计算法则形成区域规则化的TIN模型成果数据和空间索引，依照数据调用频次建立分块数据的热度值，使用计算机缓存机制对热点数据进行动态筛选、保存和剔除，最终达到TIN模型高效调度的目的。

2、本发明提出采用计算机缓存机制来动态调度海量TIN模型数据的机制，克服了传统方式在大数据量环境下，由“离散点——构网计算——模型保存”时间复杂度高、存储效率低下的技术瓶颈；通过对TIN模型成果数据和空间索引进行保存，实现了模型数据的“单次构网、多次使用”，提升了TIN模型数据在项目生产中的便捷性，减少了TIN模型重复构建、数据重复调用带来的时间冗余度。本发明在格网划分和索引机制建立时已考虑并行机制，更适合在集群分布式并行环境下的部署。

附图说明

图1为本发明所述的一种海量TIN模型数据的高效调度方法的流程图。

具体实施方式

结合附图1对本发明的技术方案作进一步说明。如图1所示，本发明所述的一种海量TIN模型数据的高效调度新方法的流程包括以下步骤：

S₁自适应网格化分的点云分块计算

S_1-1网格标准划分

标准划分是指建立一套标准网格模型来管理分布离散、杂乱无序的激光雷达点云数据。格网尺寸是网格模型的基础条件，和点云密度正相关，为便于后续分析计算，通常采用正方形来界定格网大小。标准划分主要包括以下两步：

第一步：采用排序法搜索点云数据区域内x、y方向的最大、最小值，分别用x_min、x_max、y_min和y_max来进行表示，实际矩形外包围核应在最大最小值的数值基础上适当外扩，这里定义外扩大小为三倍平均点间距，计算过程如公式(1)所示。其中，Res表示离散点云区域的平均点间距，X_min、Y_min、X_max、Y_max表示矩形外包围核范围。

第二步：结合点云离散度和离散分布面积，形成初始格网划分尺寸。格网尺寸是格网标准划分的基础条件，通常用正方形划分格网大小。假设数据点的总个数为N，数据点总面积为A，每个点平均所占的面积为A/N，每个格网的标准划分尺寸d为根据公式(2)计算单个离散点所属的格网坐标，式中，X_i、Y_i为所有数据点中第i个点的x,y坐标,X_min、Y_min为点云范围矩形外包围核的最小值。

S_1-2附加划分

附加划分是根据单块网格和其邻边格网点云数据的最小点间距大小，附加三倍及以上的点间距到初始格网尺寸中，确保数据有效重叠和衔接，形成最终的自适应网格尺寸大小。

S₂ TIN模型数据结构设计

所述的TIN模型数据结构设计是指通过设计一种包含性广、可复原性强的结构化数组，实现TIN模型数据的整读整取。内容包括结构化数组设计和功能化数据设计，数组均按二进制文件快速读取原则统一定制。

S_2-1结构化数组设计

是指设计三角剖分计算过程中产生的高程信息数据、三角网顶点数据、拓扑关系数据等基本数据的存储结构。所述的三角剖分计算是TIN模型构建方式的描述，包括无约束剖分计算和特征约束剖分计算两类。

S_2-2功能化数组设计

是指设计结构描述对象、空间索引信息、热度区域描述对象、热点计时、特征标识等功能性数据的存储结构。采用无约束剖分计算，特征标识为空；采用特征约束剖分计算时，特征标识依照特征码类别进行单独设计。

S₃三角剖分计算与空间索引构建

所述的三角剖分计算与空间索引构建是以自适应网格化分的分块点云数据为基础，采用改进型逐点插入算法进行三角剖分计算，根据分块对象和三角形拓扑关系建立空间索引结构。所述的改进型逐点插入算法是针对常规逐点插入算法存在时间复杂度高、运算速度慢等缺陷的一种改进，基本步骤包括：首先，以网格区域四个作为已知角点构建初始三角形；其次，根据插入点调整初始三角网网型；最后，根据空圆法则局部优化三角特征，包括新增三角形、调整三角形顶点编号、调整三角形邻接关系等。

S₄热度文件和热点文件建立

S_4-1热度文件建立

热度文件建立是依照用户对系统内存中TIN模型数据的访问频次，动态建立某一时段数据热度值的有效范围，按照热度值大小依次进行排序，形成最终热度文件。

S_4-2热点文件建立

热点文件建立是以热点区域对象，通过空间索引信息确定热点区域所覆盖的数据块文件，形成最终热点文件。

S₅基于缓存机制的数据动态管理

S_5-1 TIN模型数据读取

打开单块结构化的TIN模型数据文件，获取到存储对象的首地址，计算其数据存储大小得出实际占用的内存空间，通过简单的赋值计算恢复TIN模型结构。

S_5-2模型数据检索与管理

模型数据检索包括文件对象检索和拓扑结构检索两种。文件对象检索是基于空间索引文件对格网分块数据形成的检索，便于文件对象的统一管理；拓扑结构检索是基于三角剖分过程中形成的三角形结构、拓扑结构的检索，便于TIN模型的动态调整。

S_5-3缓存对象的维护与更新

缓存对象主要是指热度文件和热点文件。热度文件是动态文件，是依据一定时间范围内数据访问频次动态建立，随着时间发展变成冷数据后将被系统卸载；热点文件是静态文件，对应的是某一特定空间范围内用户关注的热点区域，热点文件将一直保存在系统缓存中而不被卸载。

Claims (2)

1.一种海量TIN模型数据的高效调度方法，其特征在于，包括如下步骤：

S₁，自适应网格化分的点云分块策略；

S₂，TIN模型数据结构定制；

S₃，三角剖分计算与空间索引构建；

S₄，热度文件和热点文件建立；

S₅，基于缓存机制的模型数据动态管理；

S₁中自适应网格化分的点云分块策略，包括如下步骤：

S_1-1网格标准划分

标准划分是指建立一套标准网格模型来管理分布离散、杂乱无序的激光雷达点云数据；标准划分包括以下两步：

第一步：采用排序法搜索点云数据区域内x、y方向的最大、最小值，分别用x_min、x_max、y_min和y_max来进行表示，实际矩形外包围核应在最大最小值的数值基础上适当外扩，这里定义外扩大小为三倍平均点间距，计算过程如以下公式所示：

X_min＝x_min-3Res

Y_min＝y_min-3Res

X_max＝x_max+3Res

Y_max＝y_max+3Res

其中，Res表示离散点云区域的平均点间距，X_min、Y_min、X_max、Y_max表示矩形外包围核范围；

第二步：结合点云离散度和离散分布面积，形成初始网格划分尺寸；

假设数据点的总个数为N，数据点总面积为A，每个点平均所占的面积为A/N，每个网格的标准划分尺寸d为根据以下公式计算单个离散点所属的网格坐标：

式中，X_i、Y_i为所有数据点中第i个点的x、y坐标，X_min、Y_min为点云范围矩形外包围核的最小值；

S_1-2附加划分

附加划分是根据单块网格和其邻边网格点云数据的最小点间距大小，附加三倍及以上的点间距到初始网格尺寸中，确保数据有效重叠和衔接，形成最终的自适应网格尺寸大小；

S₄中所述的热度文件和热点文件建立分两个方面：热度文件建立是依照用户对系统内存中TIN模型数据的访问频次，动态建立某一时段数据热度值的有效范围，按照热度值大小依次进行排序，形成最终热度文件，以减小数据重复调用带来的系统冗余度；热点文件建立是以热点区域对象，通过空间索引信息确定热点区域所覆盖的数据块文件，形成最终热点文件；

S₅中所述的基于缓存机制的模型数据动态管理，包括如下步骤：

S_5-1 TIN模型数据读取

打开单块结构化的TIN模型数据文件，获取到存储对象的首地址，计算其数据存储大小得出实际占用的内存空间，通过简单的赋值计算恢复TIN模型结构；

S_5-2模型数据检索与管理

模型数据检索包括文件对象检索和拓扑结构检索两种；

S_5-3缓存对象的维护与更新

缓存对象主要是指热度文件和热点文件；热度文件是动态文件，是依据一定时间范围内数据访问频次动态建立，随着时间发展变成冷数据后将被系统卸载；热点文件是静态文件，对应的是某一特定空间范围内用户关注的热点区域，热点文件将一直保存在系统缓存中而不被卸载。

2.根据权利要求1所述的一种海量TIN模型数据的高效调度方法，其特征在于，S₂中所述的TIN模型数据定制结构是指通过设计一种包含性广、可复原性强的结构化数组，实现TIN模型数据的整读整取内容包括结构化数组设计和功能化数据设计，数组均按二进制文件快速读取原则统一定制。