栅格结构

栅格结构（共8篇）

栅格结构 篇1

摘要：GIG性能评估体系结构主要应用在战术级网络和信息融合两方面。首先, 利用GIG技术对端对端端口的应用和服务性能进行评估。其次, 通过建立战术级实例来定义GIG作战想定环境, 并且通过假设的模型来预测端与端性能的优劣。最后, 应用性能评估工具对GIG性能进行快速的评估和参数分析。该系统的研究对我军信息化建设具有重大意义。

关键词：全球信息栅格,性能评估体系,信息技术,E2E

0 引 言

1999年, 美国国防部提出了建设全球信息栅格 (Global Information Grid, GIG) 的设想, 其目的是将美军分布在全球的计算机、传感器网和作战平台网组成一个大系统, 实现全球范围内时域和空域的一致以及各分系统的协同, 保证在未来战场上将正确的信息, 以正确的时间、正确的格式传送到正确的指战员。

性能评估体系结构的设计是针对网络和信息融合两个方面考虑的。它是用来评估GIG端与端的性能, 确保端与端性能满足终端使用人员的期望和需求。性能评估体系结构能够支持网络中心应用协议的研制与开发[1,2], 同时对GIG性能的不足性进行了分析, 提出了一种能够快速评估端与端解决问题的有效性方法。性能评估体系结构的目的是在一定的度量空间里对端与端性能进行分析评估, 使终端使用人员更直观地理解性能分析评估的结果, 如服务应用软件的有效性和快速反应时间。

性能评估体系结构的提出是基于下面的原因:第一, 个体的GIG传输主要是集中在单一网络的传输性能, 它并不能评估经过多个网络的端与端传输性能。第二, GIG应用和服务开发软件并没有覆盖所有传输网络的性能, 尤其在战术级网络中没有研制开发新的应用软件。这样, 战术级使用人员由于网络低宽带、高延迟和数据包的丢失, 使得在应用中不能发挥本身应有的性能。第三, GIG开发软件也很少考虑所有数据平台与控制协议之间的相互影响。例如, GIG传输程序对于建立在端对端的各层的性能是无效的, 但GIG技术总体性能要远远超过各分层的性能。

1 全球信息栅格概述

1.1 全球信息栅格概念

全球信息栅格是指全球互连、端对端、能根据战斗人员、决策人员和支援人员的要求来收集、处理、存储、分发和管理信息的信息能力及相关过程和人员的集合[1,2,3]。

1.2 GIG结构组成

在系统组成方面, GIG将系统设想总体结构分为基础、通信、计算、全球应用和使用人员五个层次。其中基础层包括体系结构、频谱分配、政策、条令、标准、工程和管理;通信层设施层包括光纤通信、卫星通信、国防信息系统网、无线电台网、移动用户业务和远程接入点等;计算设施层包括Web服务、中心文件库的软件开发、电子邮件和百万级中心的认证服务等;全球应用层包括全球指挥控制系统、全球战斗支持系统、日常事务处理应用程序和医疗保障系统等;使用人员层包括陆、海、空、天军及海军陆战队、特种部队等。

2 性能评估体系结构

2.1 GIG应用需求分析

在研制开发性能评估体系PAF (Performance Assessment Framework) 中, 第一步就是确定GIG使用人员和任务需求。最初通过网络中心一体化概念、网络服务公司、联合任务区域、多路传感器、应用程序软件DODAF和信息交换需求来完成。使用人员和任务需求已经清楚地表明GIG与因特网不同, 他是由具有不同性能局域的网络组成的。同时, GIG使用人员范围之广, 包括战略级、战术级和商业人员。所有使用人员通过GIG从各种各样的局域网进入总部中心, 利用GIG技术, 使用人员可以在许多方面得到各种需求[4,5]。

通常情况下, 应用软件的性能不是根据使用人员的类型、场所和网络来决定的, 而是根据实际应用性能所决定的。GIG网络和入口技术有内在的带宽、潜在和易丢失数据的特性, 这些因素必将会影响应用软件的整体性能。PAF认为, 对于所有的GIG使用人员, 由于系统本身的局限性, 使得定义一个统一标准的应用软件的目标是不可能的。相反, 应用软件的性能必须使每个使用人员通过GIG技术实现网络的互通、互连、互操作。

起初, PAF由于考虑到想定事例简单而试图确定最典型的GIG使用情况进行分析评估。显然这种策略是不切实际的, 由于GIG使用人员范围之广, 要求实现的性能需求也不尽相同。因此, PAF通过选择大量的事例进行分析评估。当前, 利用5 000多个例子进行分析和仿真, 其中一个典型的例子如图1所示。COTM中的指挥员想要知道CJTF所在位置的画面信息。COTM终端通过使用卫星网络WGS或TSAT连接到CJTF端, 通过卫星无线网络相互连接使得入口服务器能高速连接到作战环境中的每一个个体单元。入口服务器负责把询问信息送到锥体信息中心, 通过使用卫星连接到DISN核心部分。这个请求就发送到CONUS数据中心, 如国防部计算中心 (DECC) 。数据中心认证使用人员, 进行联合查寻, 然后把结果发送到入口服务器、接着再把信息结果传送到COTM指挥官。指挥官从最近的传送服务器就可以下载所需画面图像信息。从这个例子中可以看出, 指挥官在指挥中心就可以了解下属所在位置的信息情况。同时, 这个体系结构可以处理大量的数据管理分发信息, 以此来帮助指挥决策者作出快速有效的决策。

GIG使用人员可以发送和接收信息而且可以在人或机器之间传送信息数据。当前PAF版本定义了11种使用人员操作模型的类型, 每一种使用类型都有不同的操作能力和性能。

GIG连通性是连接网络和一系列网络用来发送和接收使用人员所需要的信息。目前, PAF包括6种GIG有线和无线网络类型, 当前PAF网路类型和网络的要素结合成PET (Performance Evaluation Tool) 如表1所示。使用这样的描述是因为每一类型的带宽、数据包的丢失、数据包的延迟和它们的有效性能都是截然不同的。PAF已经得到验证, 在同一给定的等级层中, 网络类型之间的性能差异也是不相同的[6,7]。例如, WGS, AEHF和TSAT都可以认为是卫星网络, 但是它们体系结构之间的性能和运行有着显著的区别。

PAF定义了从每个使用人员的类型到每个GIG网络类型的端口容量。端口指标包括带宽、入口/出口延迟、数据丢失和它的有效性。而且, PAF对每个网络类型的IP服务协议层的功能进行了分类。PAF分了五个IP服务协议层, 由NCID T300服务层组成。网络性能准则包括数据丢失、数据延迟 (最小、平均、标准分发、90%和95%延迟) 和传输内容的有效性。最后, PAF还描述了用来连接网络的相互节点, 如网关、无线POPs和人机接口。主要的GIG网络中心传输性能:如TSAT, JTRS提供的网络数据都是建立在分析、验证或者软件需求的基础之上的, 都证明是有效可行的。

GIG使用人员的服务应用或许多应用都是通过GIG应用软件技术实现的。当前, PAF包括30多种不同的应用软件, 从聚集软件到网络中心服务软件, 如协作和查明。聚集层服务描述的是主要服务功能, 从基于GIG的SIPRNET和由OSD N2 处理的NIPRNET各自的带宽。而且这些服务也描述了未来重要的通信量的确认和卫星网络程序:如WIN-T和TSAT。目前网络服务是模拟NCES的。PAF认定, 许多服务都要用到GIG技术, 尤其在专业团队利益服务中 (COI) 。同时, 体系结构也会随着服务信息量的增多而不断更新验证。

PAF定义了每个使用类型利用每个应用软件, 每个应用软件和服务协议被分解成一系列块状信息交换。每种信息交换都有一个发送器和接收器, 发送器和接收器可能是另一种使用类型或者服务协议的。而且, 每个信息都定义信息的大小尺寸、传输协议和服务层。

GIG使用的情况复杂, 包括很多使用人员、使用人员的协议和协议与协议之间的通信。单一的使用情况涉及到许多节点和许多网络类型。而且, 随着GIG技术使用情况的增加, 就会带来更多的使用类型、更多的网络系统和更多的应用软件, 还要作出更多的分析验证。当前由PET合成的GIG技术, 在应用类型、组成网络、应用和协议、协议框架方面都有可能超过百万级。

2.2 GIG端对端性能模型

PAF网络模型的目标是基于单个GIG技术组合后对E2E (End-to-End) 软件使用情况进行分析评估。GIG网络模型从策略上要达到在准确性和计算复杂度两方面之间寻求一种新的平衡。如果GIG应用软件和网络类型不断增多, 那么单一E2E的GIG模型包括所有的网络和应用软件的特性就不可能存在。而且, 当各层GIG利用各层的模型和仿真工具来评估每个层次的性能, 如果在短期内把那些工具组合在一起是不可行的。因此, PAF决定研制开发短期和长期两种网络模型策略[8,9]。

长期模型的策略就是寻求开发研制组合的E2E模型, 使得那些综合程序支持具体GIG的各个分层模型。这种方法的成功之处就是把每个模型结合在一起, 形成一个标准统一的核心模型, 从而使得各部分的模型很容易组合起来形成一个整体。大多数GIG分层模型用来构造一个OPNET核心模型, 使得合成模型成为可能。但是, 未来GIG网络中心传输和协议程序还没有形成统一的标准界面。因此, PAF决定用短期网络模型策略来预测E2E使用情况的性能。

短期模型策略模仿GIG网络的互连通性作为IP协议, 它的许多性能通过IP协议数据的延迟、丢失和网络的有效性来定义。各部分的延迟特性假设有一定的补偿, 通常是万分之一级。这种万分之一的延迟是经过许多模拟分析以及通过GIG程序的网络延迟性能特性决定的。而且, 这种补偿有一个典型的特征就是会形成网络拥塞现象, 尤其是无线宽带需求网络更是如此。

对每一个GIG传输网络的发送延迟是由服务层最小的延迟、平均延迟和GIG网络各部分延迟产生的。标准万分之一发送信息会产生数据包的延迟, 可能是由于随机的数据包到数据包的变化产生的, 而且, 当一个数据包产生长延迟时, 下一个数据包就会产生短延迟, 这样的现象通常与标准的模拟数据包延迟的性能是不一致的, 而这些性能的延迟是由许多TCP协议传输部分形成的。PAF延迟模型是把那些具有共同特性组合成端对端延迟模型, 通过相互关联的数据包进行延迟, 这种延迟模型策略会产生尾部数据包延迟特性。在PAF中, 这种通过收集性能特性的模型也就是IP协议模型, 与端对端数据包相互关联的完整网络仿真模型相比较。可以表明, 这些模型方法产生的结果是由尾部端与端模型信息延迟产生的结果。

通过评估IP模型的准确性, 本文用55个终端、宽带需求卫星结构体系应用IP服务质量协议、支持3个真实时间 (VoIP, VTC和传感器) 和两个数据应用软件 (FTP和HTTP) 进行模拟仿真E2E性能, 卫星雷达接收机是在平均70%的负载下运行的。表2比较了从IP模型到端对端模型E2E信息的传输时间。E2E模型包括所有的数据链层和BoD协议, 当IP协议模型单单使用平均和最小的数据包延迟, 平均和标准发送数据包延迟都是由E2E模型产生的。结果表明, 最理想的协议 (正负10%) 是500～5 000 KB图像信息传输所用的时间。从5～50 KB指挥控制信息结果表明, 最理想的协议也就达到80%。然而, 在这个体系中, IP模型理想结果可超过90%。假如PAF最终的目标是验证该体系结构性能的不足之处, 那么准确性在当前层就显得非常必要了。

2.3 性能评价工具结构

PAF已经证实, 大量的GIG使用事例是由一系列GIG分层设计和性能参数组成。性能参数通过自动程序产生, 并且对使用事例进行分析评估。PAF开发研制一种交互式性能评估工具的目的也是如此。PET的建立在传输分发方面远远超过GIG模型、仿真群体也远远大于GIG系统工程群体。PET利用图形使用界面能够分析单一GIG使用事例或者许多GIG使用事例。同时, PET也能使新的使用人员添加到GIG群体中, 网络或应用程序软件就会自动产生新的使用事例。PET包括GIG分层的性能, 允许使用人员能分析评估各层性能对E2E性能的影响。各层性能包括的参数:网络的延迟、数据包的丢失、节点的有效性、服务器的反应/处理时间等。

PET包括大量的数据库信息延迟性能, 是通过OPENT基础上的IP模型产生的。数据信息库包括E2E信息传输时间性能, 作为网络入口/出口、信息的尺寸大小、服务层、E2E延迟、E2E数据包丢失和最小连接带宽等功能, 而且, 数据库也包括标准TCP协议性能和提高代理服务器性能的TCP协议。基于TCP的PEP (Performance Enhancement Proxies) 是由许多DoD战术网络作为一种改进的无缝连接手段, 它的使用是为了避免在IP协议端口出现拥塞现象。基于ECN (Explicit Congestion Notification) 的TCP PEP方法是由基于HAIPE核心网络构成的, 提供给GIG路由器以此来提高ECN的整体性能。其他TCP协议性能改进的方法要通过未来PET的升级进行分析评估。

PET工具包括处理后的特征输出, 用来验证对每个GIG服务/应用在最小性能需求方面的不足性。同时也包括产生于NCOE JIC的目标应用性能阈值、服务器需求的程序信息/应用的速度以及信息产业标准性能阈值。PET把每个使用情况与指定的阈值进行比较后, 允许使用人员把任何使性能降低的一些情况排除出去。

PAF建立PET能满足很多需求, 软件对于GIG使用人员、开发研制人员和操纵群体都是有效的。GIG终端使用人员能利用此工具来评估E2E性能对于终端使用人员的任务需求。GIG每层开发研制人员在传输和服务两方面能使用此工具来衡量每层以及整体体系性能相对于E2E性能的灵敏性。当前, 此工具支持CONUS和全球固定中心服务结构以及基于网络中心结构的内部和外部体系。

2.4 团队工作性能结构

团队工作性能团队 (Performance Working Group, PWG) 是在2006年春成立的一个机构, 用来对PAF体系进行提炼和更新。这个团队与传输、服务、下属组织开发研制机构是一致的。它包括来自DISA的成员、联合成员、JFCOM、SPAWAR、国防需求、技术、后勤局、海军研究实验室的人员。PWG每月召开一次会议, 主要是评论网络和任务模型的策略, 提炼GIG使用事例。对GIG运行假设情况达成一致意见, 研究对于GIG每层性能的策略, 评估GIG的E2E性能结果。PWG成员也定期与NCID成员召开会议用来确定PAF模型与NCID需求之间的一致性。

PWG由四个下属群组成:任务模型、网络模型、软件工程的使用开发、应用软件的定义。PWG形成的任务模型用来确认联合使命的地区区域、任务线路、任务特征的有效性以及设计恰当的任务模型策略, 使得信息传输队列与网络模型相一致。信息传输的特征是从体系结构中形成的, 它反应结构文件的大小和运行内容。任务线路包括确认和绘制对于PAF使用类型与应用/服务的任务信息的需求。而且, 网络模型的下属组织的形成用来确认短期和长期模型和仿真策略, 以此来预测GIG端对端应用软件的性能。NM (Network Modeling) 下属组织用来评论内在的GIG网络模型和以及选取的IP模型作为评估E2E性能的短期方法。作为PAF的一部分, NW定义的策略是为了定义GIG传输层的性能和性能参数, 而这些参数都是每个GIG传输层必须取得的。

计算机辅助软件工程开发费用组织的组成是用来评估那些使用情形的准确性和完整性。UCD (Use Case Development) 从属群确认附加的使用者的类型和网络连接路径。而且, UCD下属组织也确认新的GIG服务和服务体系结构, 这部分包括相对于每层服务确认的端口节点、服务体系结构、应用软件协议和信息特征。

3 结 语

建设与实现全球信息栅格是美军实现信息优势、知识优势甚至决策优势的关键。深入研究全球信息栅格性能评估体系结构的建设, 不仅对我军信息化建设具有极其重大的意义, 而且会大大推进我国新军事变革的进程。

参考文献

[1] CRD Executive Agent.Global Information Grid Capstone Requirements Document [R].Washington:DoD Policy and Projects Division, 2004:5-6.

[2]DoD Information Officer.Guidance and Policy Memo-ran-dum No.4-8460:Department of Defense Global InformationGrid Networks[R].Washington:DoD, 2003:5-9.

[3] Tanenbaum A S.Computer Networks[M].Prentice Hall PTR, Upper Saddle River, NJ, 2000:21-22.

[4] White B E.Layered Communications Architecture for the Global Grid[EB/OL].http://www.MIL-COM.net/ framework docs/version-3.0, 2003.

[5]Capstone Requirements Document (CRD) , Global Informa-tion Grid (GIG) [DB/OL].http://www.army.mil/, 2001.

[6] Global Information Grid (GIG) Architecture Version 1.0[R].http://www.defenselink.mil/, 2001.

[7] Cynthia A Glenister.Information Operation in the IBCT[J].Military Review, 2002:60-62.

[8] CAR Laboratory Tests Tactical Impact Using Information Dissemination[J].Signal, 2000:23-25.

[9]Network Centric Warfare[R].Department of Defense Re-port to Congress, 2001.

栅格结构 篇2

数字地图作为整个城市交通GIS系统的基础，它的地位是至关重要的。

首先了解一下数字地图的概念以及目前GPS实验室做过的与城市交通GIS系统相关的工作。

1栅格地图和矢量地图的基本概念 数字地图按照其数据结构的不同，又主要分为数字矢量地图和数字栅格地图两种（文中为叙述方便分别简称矢量地图和栅格地图）。

栅格地图是各种比例尺的纸介质地形图和各种专业使用的彩图的数字化产品，就是每幅图经扫描、几何纠正及色彩校正后，形成在内容、几何精度和色彩上与地形图保持一致的栅格数据文件。栅格数据为按给定间距排列的阵列数据,基本信息单元由数据点的空间位置和数据信息构成,数据信息可以是高程、遥感图象的RGB值或其它信息。数据按图幅或按区域存放,文件结构包括文件头和数据体,文件头包括对数据的各种描述信息(如行数、列数、格网间距、坐标等),数据体依次记录基本单元信息。一般为节省存储空间,栅格数据需进行压缩或以其它形式进行重新组织。

矢量地图是每幅经扫描、几何纠正后的影像图，对一种或多种地图要素进行矢量化形成的一种矢量化数据文件，是一种更为方便的放大、漫游、查询、检查、量测、叠加地图。其数据量小，便于分层，能快速的生成专题地图，所以也称作矢量专题信息DTI（DigitalThematicInformation）。此数据能满足地理信息系统进行各种空间分析要求，视为带有智能的数据。可随机地进行数据选取和显示，与其他几种产品叠加，便于分析、决策。通常矢量数据的基本单元定义为点、线、面3种目标形式。基本信息单元由反映其分类体系及位置的基本数据组成。同一类基本空间信息单元具有类似的质量、数量特征,构成一个要素层;多个图形要素层构成一个图幅,数据按图幅存放;同一比例尺的多个图幅构成一个区域。这两种数据结构的优缺点对比如下： 矢量数据，数据结构紧凑，冗余度低；有利于网络和检索分析；图形显示质量好，精度高；但是数据结构复杂，多边形叠加分析比较困难。栅格数据，数据结构简单；便于空间分析和地表模拟；现势性较强；但是数据量大，投影转换比较复杂。例如成都市地图，按照比例尺1：200000（约），转化为24位位图，大约15M，而利用城市交通GIS系统生成的矢量地图数据库，只有137K，近3000条道路（矢量边）的矢量文件大小只有约61K。可见矢量电子地图的优越性。2GPS实验室开发的城市交通GIS系统

绝大多数GIS系统中使用的地图是以矢量地图作为其表现形式的。国内目前矢量地图常用的生成方式有两种，一种是用数字化仪从纸质地图中提取，另一种是从点位图中利用模式识别的有关理论进行识别和提取。生成一个准确而完备的矢量地图要花费大量的人力和财力，一个中等规模的城市用数字化仪生成矢量地图，大约需要一个月的时间。如何以较小的代价生成一副实用的矢量地图，并在此基础上构造一个实用的GIS系统，是GPS实验室一直在研究的一个课题。

GPS实验室从1993年以来，一直在从事GPS定位、监控与导航和GIS系统的研究。无论是GPS定位、监控、导航，都离不开GIS系统的支持。在GIS系统方面，已经有过多个版本，分别是在DOS、WIND31和WIN95下开发的。经过许多人多年的努力GPS实验室形成了一套有实验室特色的，而且比较成熟的GIS软件和GIS环境矢量地图生成平台。下面，我们就介绍一下GPS实验室开发的矢量电子地图生成平台和GIS系统。2.1系统组成

我们所说的GIS往往是一个比较庞大的系统，而且包含了很多各类数据管理、决策的模块，它是一种针对性比较强的系统，对于不同的用户，往往对数据有不同的操作、管理、决策。但是它毕竟是一个以地理空间分布数据为基础的系统，所以有一个因素不能少，那就是电子地图，它为系统提供最基本的地理信息。我们如何来组织一份矢量地图呢？数据是矢量地图的核心，电子地图可以看作由点、线、面这三种几何对象以及它们的属性数据构成的数据的集合，所以我们引入了地图矢量库和地图数据库这两个概念[19]。矢量库是一组图形描述数据，保存了地图的几何数据；数据库则是一组描述数据，保存地图各种几何对象的属性数据，二者之间通过地物对象的序号建立索引关系。如下图：

图2-1矢量地图的组成

一副地图可以看成是由点、线、面三种几何图形构成的。点指的是单位之类的地物实体，线则是道路、铁路之类的实体，而区划这类的实体就可以用面来表征。依照传统的习惯，把点、线、面这三类地物按照从上到下的顺序排列。生成、编辑电子地图的过程就是生成、编辑地图矢量库和数据库的过程，下面我们来详细介绍一下这两个最重要的库。2.2地图矢量库

矢量库定义出几何结构的位置形状信息。点标志比较简单，只是一个点；面标志对应的几何结构就是一个多边形，也比较简单；而线标志则包含较多的内容，要相对复杂一些。下面主要介绍一下与线标志有关的一些定义，也就是道路的有关定义：

定义0：矢量边。是一些点的坐标的集合，表征着一条连续的折线。它有以下的性质：

a．点的排列顺序决定了折线的行进方向，决定了折线的形状和位置； b．只有两个端点可以属于别的矢量边。

定义1：大节点、小节点、节点。大节点是矢量边的端点；小节点是指矢量边除端点之外的内部点；大节点和小节点统称节点。

定义2：弧。一条弧就是一条矢量边，是若干个节点的集合。组成弧的节点是顺序排列的。

定义3：路。路是若干条弧的集合。如图所示：

图2-2几种拓扑结构的定义

我们以后所有的工作都要针对以上定义的几种结构来展开的。2.3地图数据库

地图数据库中包含了各种地物的属性数据。

对于面地物，需要知道的属性有：类型、位置、形状、名称、颜色等；

对于点地物，需要知道的属性有：类型、位置、名称、显示图标、显示级别等； 对于线地物，需要知道的属性有：类型、位置、形状、名称、颜色、显示宽度、显示级别等；

上面提到的各种地物的属性数据中都有一项——类型，也就是它所属的组（Group）。组，定义出了某一批地物的缺省属性，是一些具有相同或相近属性的同类地物的集合。

整个数据库的层次如下所示：

图2-3地图数据库的层次

地图的数据库有四个层次，最上层当然是地图数据库，它由三个部分（Division）构成的，也就是点、面、线三大类地物；每个部分又由若干个组（Group）构成；每个组又由若干个地物实体（Entity）构成，实体，就是点、面、线这类的地物个体。这种分层结构使得配置地图数据库时显得特别的方便。2.4面向对象的数据模型

采用面向对象的数据模型可以最自然地描述现实世界，将实体抽象为对象，用对象中的数据成员和成员函数模拟客观世界及其运动。面向对象的数据模型有很强的扩充性。根据面向对象的数据组织方式，用面向对象的方法设计了一个稳健的，易于扩充和修改的数据库模型。如图2-4所示：

图2-4地图对象间的关系

地图对象类包含地图的属性和组成成分，属性表示地图的基本特征：地图名、比例尺等等，在这个类的层次上我们可以定义地图的基本操作，例如放大、缩小、漫游等。从这个对象的关系图来看，在实现的时候，地图的数据库与矢量库并不是完全独立的，相反，数据库实际上包含了矢量库。也可以这么看，矢量库实际上是一个几何对象集，提供某些Entiy的几何数据。

Entity包含了基本地理对象的属性和空间几何信息，指明了基本地理对象的基本特征和组成的几何对象，几何对象包含几何对象的地理位置和相互关系的信息，可以分为纯几何对象类（如点、多边形等）和拓扑几何对象类（如节点、弧等），后者是由地图矢量库来提供的。3交通矢量地图的生成 要生成一副交通矢量地图，首先是生成地图的矢量文件，生成矢量地图的拓扑结构——矢量库。我们采用的是从点位图中识别、生成矢量地图的方式。我们将从纸制地图扫描得到的点位图进行识别，提取出其中的道路信息，然后将这些道路信息矢量化得到一副只包含道路信息的矢量文件，将这作为一副矢量地图的基础。然后，在这个基础上进行编辑、校正，并输入各种地图上的有关数据，生成电子地图的数据库，最终生成一个完整而准确的矢量地图。生成一副较完备矢量交通地图，主要包括以下三个步骤： ①彩色地图的道路识别； ②地图矢量化；

③矢量地图的校正和地图信息的添加； 彩色地图的道路识别，就是根据一幅彩色交通地图，利用一定的算法，提取出其中的道路、区域信息，形成一幅黑白位图[20]。地图矢量化则是根据得到的线状的黑白位图抽取出有意义的模式特征。矢量化后的地图经过校正和添加地图信息就可以很好的应用于我们的监控和导航系统了。下面我们将简要介绍一下地图矢量化和地理信息添加这两方面的内容。4地图矢量化

在矢量化之间一般要先作一些预处理工作，以减少噪声的干扰，保证数据的质量。预处理过程主要包括以下几个方面： ①平滑：

所谓的平滑处理是将图象上由于噪声引入的孤立点去掉，将孔洞、缺口、间隙填补上，将小突起删除。平滑处理是预处理的第一步，平滑的结果将影响细化的结果，最终影响矢量化。②细化：

所谓的细化是将图象上的线条细化成一个象素宽的线条的处理过程，细化的结果使得线条所在的地方总保持一个象素宽。对细化的一般要求是：保证细化后曲线的连通性，细化结果是原曲线的中心线，细化处理速度快，保留细线端点。矢量化结果的好坏，很大程度上取决于细化算法。③连接断点：

计算断点之间的距离，如果之间的距离小于给定的误差，则在断点之间画一条直线。

④删除毛刺：主要是删除图像点外细小的分杈。

在最终的细化位图上就可以完成图形的矢量化过程。我们给出地图矢量化的基本流程如下：

图2-10地图矢量化的流程

5矢量地图的编辑 地图矢量化完成以后，我们可以得到一个包含了所有道路拓扑信息的基本的矢量文件，它只是矢量地图库的一个雏形。在此基础上，我们要对矢量地图进行编辑，将地图上地物的属性信息输入地图属性数据库中，并确定地图的地理参数，从而生成一个完整而又准确的交通矢量地图。

矢量地图的编辑主要完成以下的几个方面的工作： 编辑GIS地图数据库；编辑地图的拓扑结构；利用已有的轨迹记录确定地图的地理参数。

一副地图编辑过程可以用如下的流程图来表示：

转换成矢量地图合并矢量地图地图数据库图形数据组属性数据组改正后地图地图修改无误差的地图有误差的地图矢量文件

图2-11地图编辑的流程

5.1地图数据的结构 数据是地图的核心。一副完备的电子地图的数据量是很大的，我们采用了分层的数据结构来组织这些数据，最大限度的考虑和满足用户的需要。地理数据的分层结构：

图2-12地理数据的分层组织

电子地图由基本地理对象集（点、线、面状地物集）组成；基本地理对象由几何对象（点、线、面）加上其属性数据组成，几何对象包含地理对象的几何数据，并维护对象间的拓扑关系。5.2矢量库的组织

地图矢量库保存了组成地图的线状元素的几何数据，也就是包含了节点、弧和路的信息。它是整个电子地图和GIS系统的根本，也是我们后面实现路径寻优、动态轨迹校正等智能决策功能的基础。下面我们就来看看在这个矢量库中是如何组织这些数据的。

像我们在最前面提到的，弧是节点的集合，路是弧的集合。我们可以把矢量库看成由三个表构成，一个节点的表，每一行表示一个节点，X、Y坐标组成这个表的两个列；一个弧的表，它的每一行表示一条弧，它的列是构成这条弧的点；还有一个路的表，它的每一行表示一条路，构成这条路的所有的弧是各个列。如图2-13所示。

另外，对于一个GIS系统，不可或缺的功能就是根据地理空间信息进行一些决策，例如搜索两个给定点之间的最优路径。在前面的讨论中，我们可以看到节点、弧、路之间的关系是很密切的，因此我们提供充分的机制，使得它们之间能够顺利的相互访问。如图2-13所示。

图2-13地图矢量库的组织

5.3矢量地图的编辑

主要包括地图的整体操作和地图上地物信息的编辑。地图的整体操作包括：地图的拼接和地图的平移。这两个功能是整个GIS和地图平台中非常重要的功能。因为一副纸制地图往往是很大的，由于条件的限制，我们不可能把地图全部一次扫描、处理完成，一般是将地图分成几个部分，分块扫描处理，得到这几个块小图的矢量文件，然后再将这几块矢量文件合并起来，地图拼接完成的就是这个功能。我们要将拼接图调整到合适的位置，然后将其中有用的信息加到目标图上，这就需要对地图进行整体的平移。

地图上地物信息的编辑包括：路的操作（定义，删除）、矢量边的操作（添加、删除、弧的整体调整）、节点的操作（节点的添加、删除、合并、拆分）、区域的操作（定义、调整、删除）。这些都涉及地图矢量数据库中各种拓扑结构的调整和他们之间的相互关系，对于整个矢量地图具有重要的意义，也是整个GIS系统和地图平台最重要的功能。

基于栅格数据的空间聚类 篇3

空间聚类是GIS空间分析的主要内容之一,近几年来,随着空间数据挖掘研究的发展,空间聚类对于海量数据处理、大型空间数据库中有用信息和知识的提取等方面具有十分重要的意义。传统观念上,由于矢量数据模型对于现实世界中的抽象描述与表达更符合人的思维习惯,其分析方法自然采用了矢量途径,而对于栅格途径相应的研究及成果却少见;所见的国外文献中,大多限于栅格途径“可行性”的研究,没有对其进行系统、深入的探讨。

传统的空间聚类算法都是基于矢量数据的,矢量空间分析方法具有简单、易操作的特点,但同时存在数据冗余、难以向高维和全形态扩展的缺点,为此本文着重于介绍基于栅格距离变换的空间聚类算法及其在各个领域的应用。

2 基于栅格的空间聚类算法

从空间聚类的算法过程来看,可以分为系统聚类、逐步分解和判别聚类。系统聚类由各点自成一类开始,逐步合并至一个适当的分类数目。与此相反,则为逐步分解。判别聚类是先确定若干聚类中心,然后逐点比较以确定各离散点的归属。从一般聚类的算法特征上看,目前主要有划分法(如K-means、K-medoids等)、层次法(如AGNES、BIRCH_l等)、基于密度的方法(如DBSCAN、DENCLUE等)和基于网格的方法(如STING等)。常用的空间聚类分析统计量有分布密度、相关系数、夹角余弦、指数相似系数、欧氏距离、绝对值距离、切比雪夫距离、兰氏距离、马氏距离、斜交空间距离、非参数方法等l0余种,尤以最短欧氏距离最为常用。本文就简单介绍基于最短欧式聚类的空间聚类栅格算法。

地图代数以栅格点集严密的量度作为其理论和方法论述的起点,来度量空间距离。其距离变换的核心是建立栅格平方平面,坐标值在栅格平面上均为整数,距离值与横纵坐标的平方和为一一映射关系,由于欧式距离需要开平方,为了增加计算精度,用距离平方值代替距离值参与运算。设距离平方值记为Sq D,每个栅格单元的Sq D值需要根据周同的8领域栅格单元的Sq D来判断。这8个栅格单元的Sq D值按图3依次标记为Sq D1,Sq D:,…,Sq D8。

据此其变换的步骤为:

(1)赋所有实体点为0值,并赋所有非实体空间点为一足够大的正数M;(2)顺序访问,即行号由0,l,2,…递增,列号由0,l,2,…递增,按下式改写各点平方值:Sq D(0,0)=0,Sq D(i,j)=MIN(Sq Dl(i,J),Sq D2(i,j),Sq D3(i,j),Sq D4(i,j),Sq D(i,j));(3)逆序访问并改写各点平方值:Sq D(i,j)=MIN(Sqi)5(i,j),Sq D6(i,j),Sq D7(i,j),Sq D8(i,j),Sq D(i,j));(4)改写各点距离平方值为距离值:c(i,j)=INT{[Sq D(i,j)]+0.5}。

经过地图代数栅格距离变换后的整个栅格空间被颜色不同的象素所填充,我们将其称为距离波,用黑线将那些色度值相同的栅格连接起来就构成了等距线。这些等距线与空间点集之间的关系就可以揭示空间聚类过程。经计算过后,各计算点被从最小距离到最大距离之间的间隔为1的等距线包围,然后就可以根据不同的条件(等距线数值)聚类。

3 与其他算法的结合

空间聚类(Spatial Clustering)是空间数据挖掘的重要组成部分,是聚类研究在空间数据分析中的应用.空间聚类应用广泛,如地理信息系统、生态环境、军事、市场分析等领域。通过空间聚类可以从空间数据集中发现隐含的信息或知识,包括空间实体聚集趋势、分布规律和发展变化趋势等。

3.1 研究现状

目前国内外对聚类挖掘算法的研究众多,其中基于网格的聚类算法和基于密度的聚类算法成为聚类算法中最重要的两种方法。

基于网格的聚类方法主要采用网格技术对空间进行划分,以单一的网格对象作为聚类处理目标,忽略其内部的所有数据属性。这样处理的一个突出优点就是速度快、聚类效率高。但是利用网格技术存在的最大问题是没有涉及聚类边界点的处理,可能造成聚类边界对象的丢失,导致聚类精度的降低。

而基于密度的聚类方法是将簇视为对象空间中被低密度区域分割开的高密度对象区域。此方法主要的优点就是可以发现任意形状的类簇,但是对主存要求较高,主要由于在密度聚类过程中对每一个对象必须与其他对象求解其距离。因此,合理地设计出质量精确和时间效率高的聚类算法,成为数据挖掘领域迫切需要解决的问题,也是一个难点问题。

3.2 算法结合

虽然基于栅格的本身隐含了拓扑关系这种特性,避免了很多情况下矢量数据初始化大量的工作,但是现在处理数据还是以矢量较多。我们可以将栅格聚类融于网格聚类和密度聚类中,进一步简化算法。

以密度聚类为例,栅格单元进行局部密度聚类后,生成的局部聚簇,需将原本属于一类的两个不同分区局部聚簇进行聚簇合并。该算法将对每一个栅格单位进行密度聚类,这样对栅格单元中的小数据集进行聚类,大大提高了聚类效率。如果每个栅格单元都进行密度聚类,那么将大大增加聚类时间。因此,引入概念密度阈值DT来计算栅格空间中的密度大小,并衡量是否需要进一步DBSCAN密度聚类。设d维空间的点集P={p1,p2,…,pn},当数据对象pi划分到栅格单元G时,设置一个阈值minpts,若划分到某一栅格单元中的数据量大于或等于minpts,则是高密度栅格单元;反之,则是低密度栅格单元。这个minpts称为密度阈值DT。如果栅格单元中的数据量小于密度阈值时,那么将不进行DBSCAN聚类分析,并将数据对象标记为全局噪声点,这样无须对小数据集进行密度聚类,大大减少了聚类时间,从而降低时间复杂度;反之,若栅格单元中的数据量大于密度阈值时,那么将用DBSCAN对栅格空间进行聚类分析。而实验结果也表明融入栅格技术可以使密度聚类算法获得更高的聚类效率,保留DBSCAN密度聚类算法,可以保证聚类结果的一致性。

4 结束语

空间聚类分析是从总体、全局的角度来描述空间变量和空间物体的特性,在空间数据量日益海量化的现代GIS中,简单、直观进行空间聚类分析具有重要的意义。地图代数以点集变换与运算的代数观念来全面而本质地阐述图形符号的可视化及空间分析。本文只是对栅格数据的空间聚类算法进行初步的介绍,提出将栅格聚类与其他聚类方法融合的思路,寻求优势互补,提高计算的精确度和成功率。

密度聚类的网格聚类的基本单元都可视为点,这为算法互补提供了基础,而栅格距离变换后的特征点、线蕴藏着更深的空间关系,有待进一步地发掘。

参考文献

[1]耿协鹏,胡鹏.基于最短欧式距离的空间点集聚类的栅格算法[J].测绘科学,2008,33(3):35-37.

[2]柳盛,吉根林.空间聚类技术研究综述[J].南京师范大学学报(工程技术版),2010,10(2):57-62.

[3]郭金来,胡鹏.网络最短路径的地图代数栅格算法[J].测绘科学,2007,32(1):109-111.

[4]熊仕勇.一种新型的基于密度和栅格的聚类算法[J].计算机应用研究,2011,28(5):1721-1724.

[5]胡鹏,游涟,杨传勇.地图代数[M].武汉:武汉大学出版社,2001:117—136.

[6]杨帆,米红.一种基于网格的空间聚类方法在区域划分中的应用[J].测绘科学,2007,suppl:66-69.

[4]丁丽萍.Android操作系统的安全性分析[J].信息网络安全,2012,(03):23-26.

海量栅格数据的负载均衡机制 篇4

GIS行业一直以来都是以专业著称，但随着互联网的飞速发展和普及，面向大众化的GIS服务得到快速发展，特别是网络地图服务。网络地图服务已经进入了越来越多普通人的生活，并成为其中重要的一个方面。

1 传统网络地图服务系统模型

1.1 传统网络地图服务系统模型的层次结构

传统网络地图服务系统模型可划分为4个层次：表现层、WEB服务层、数据服务层、数据存储管理层。表现层主要负责地图在客户端的显示;WEB服务层主要负责处理用户请求，与数据服务层进行通讯;数据服务层主要负责查询数据库;数据存储管理层主要负责所有矢量数据、栅格数据、数据库数据的存储和管理。

1.2 传统网络地图服务系统模型的不足

对于传统网络地图服务系统模型四层分层结构，其系统构架有如下不足：

(1) WEB服务层。栅格数据采用金字塔模型进行存储，数据量很大。栅格数据在原始数据基础上进行分层分块，分层越多、分块越细，产生的数据量越大，可庞大至TB级以上。地图文件数目多、文件小，导致WEB服务层需要频繁的请求图片数据。如果数据服务层没有足够的承载能力，无法及时返回地图数据，将出现服务超时，客户端界面无响应等情况。

(2)数据服务层。一般一台PC服务器所提供的并发访问处理能力约为1 000个，高档专用服务器能够支持3 000-8000个并发访问，这样的能力是无法满足负载较大的应用需求的。网络请求具有突发性，地图服务请求数突然增加时，系统消耗会急剧上升，造成服务能力下降，系统反映迟缓。WEB服务层的突发请求数完全可能随时超过数据服务层的处理能力，这有可能导致整个系统的瘫痪。

2 改进的网络地图服务系统模型

针对传统网络地图服务系统的不足之处，笔者提出了一种改进的网络地图服务系统模型，有效地提高了WEB服务层和数据服务层、数据服务层和数据库存储管理层的通讯能力，力求加快WEB服务层和数据服务层的响应速度。如图1所示。

新的网络地图服务系统模型设计倾向于简单、实用、高效和低成本，作了如下改进： (1) 增加了负载均衡系统，从而可以方便的扩展地图服务器部署数量，并将WEB服务器请求分配给合理的地图服务器; (2) WEB服务器不再由某一地图服务器提供地图服务，而是由一个地图服务器集群来提供地图服务，各个地图服务器分布式部署; (3) 区别于传统负载均衡系统，该系统中WEB服务器直接与地图服务器通讯，不再经过负载均衡器; (4) 负载均衡系统本身有一定的安全保障机制，设立主、从负载均衡器，保证负载均衡系统的正常运行。

3 地图服务器负载均衡机制实现

3.1 负载均衡策略

由图1可以看到，数据服务层增加了很多地图服务器，这些地图服务器分布式部署。每个地图服务器可以看作是一个网络节点，这些节点共同组成了地图服务器池，负载均衡系统负责管理所有的地图服务器池。负载均衡系统一方面根据特定的均衡策略分配地图服务器;另一方面对所有的地图服务器池进行实时监控管理，可以及时识别新的地图服务器的加入、退出以及地图服务器故障。本系统采用主、从负载均衡器的方式实现负载均衡系统的故障容错机制。从负载均衡器主要用作监视主负载均衡器工作状态，并随时准备在主负载均衡器不能正常工作时，接替主负载均衡器的工作。

分布式系统的负载均衡策略通常分为静态和动态负载均衡策略。静态负载均衡策略是利用简单的系统信息，通过调度算法来选择节点，从而分配、执行任务。这种策略只需要对上面的信息简单的分析处理，但是不能动态调整节点信息变化，节点利用率很低。动态负载均衡策略是根据系统当前状态或者最近状态决定如何给分布式系统中的每个节点分配任务。但是频繁的收集节点信息会给系统带来额外的负担。

结合静态负载均衡策略和动态负载均衡策略的优缺点，本文提出了混合负载均衡策略，以静态负载均衡策略为主，动态负载均衡策略为辅的策略，避免因节点变化带来系统性能降低的情况。

3.2 负载均衡系统的设计

3.2.1 系统设计

负载均衡系统主要包括3个部分：WEB服务层、地图服务器和负载均衡系统，如图2所示。其中地图服务器在原有模块结构中增加了一个节点资源计算器，主要负责计算节点服务器硬件资源，包括CPU可利用率、剩余内存、地图服务请求平均完成时间、剩余可请求并发数等。WEB服务器则增加了优先级调节器，主要负责监控WEB服务器与地图服务器之间的网络情况，并根据网络繁忙情况对各个地图服务器节点优先级进行一定幅度的调节。

负载均衡系统主要包括地图服务分配器、节点信息收集器、节点权值计算器、节点网络监视器等。节点信息收集器主要负责收集节点资源信息;节点网络监视器主要负责监视节点的网络情况以及节点工作状态;节点权值计算器则根据节点资源信息和网络情况计算节点负载权值;地图服务分配器根据得到的负载权值来给WEB服务器分配地图服务器资源。

3.2.2 系统工作流程

3.2.2. 1 负载均衡系统工作流程

(1)启动阶段。 (1) 地图服务器启动后，内部节点资源计算器计算当前节点服务器硬件资源情况(CPU可利用率、剩余内存、地图服务请求平均完成时间、剩余可请求并发数等)，将信息发送给负载均衡器的节点信息收集器; (2) 节点网络监视器监视节点网络情况及节点状态; (3) 节点权值计算器根据节点资源信息和网络情况计算节点负载权值; (4) 地图服务分配器根据得到的权值来给WEB服务器分配地图服务器资源。

(2)运行阶段。 (1) 节点资源收集器定时收集地图服务器资源利用情况，并反馈给地图服务分配器，分配器调用节点权值计算器修正节点权值; (2) 节点网络监视器定时监视节点网络情况及节点状态，并反馈给地图服务分配器，分配器调用节点权值计算器修正节点权值。如果节点状态为“关闭”，则设置节点权值为0，停止对该节点分配地图请求任务; (3) 地图服务器内部节点资源计算器发现没有系统资源或者剩余请求并发数达到极限值时，发送“忙”状态给节点资源收集器。节点资源收集器通知节点权值计算器设置该节点权值为0，停止对该节点分配地图请求任务。

(3) WEB服务器分配任务。负载均衡器的地图服务分配器并不是真正分配地图服务请求，它只是根据节点权值计算器计算的各个节点权值来分配节点优先级，并根据优先级形成队列。节点资源利用越低，权值越高，所分配的优先级越高，反之越低。处于“忙”或“关闭”状态的节点没有优先级，不进入优先级队列中。

负载均衡器将优先级队列发送给WEB服务器，WEB服务器根据优先级队列来分配地图服务请求，优先级越高，分配的地图服务请求越多。

WEB服务器内部的优先级调节器监视WEB服务器与地图服务器之间的网络通讯情况，并根据网络情况对优先级队列进行一定幅度的调节。与地图服务器之间的网络通讯延迟越短，对该地图服务器的优先级提高得越多，反之，则降低其优先级。

3.2.2. 2 负载均衡系统自我保护系统工作流程

负载均衡系统自我保护系统包括两个部分：一个主负载均衡器，一个从负载均衡器。

主负载均衡器主要负责对地图服务器集群的负载均衡工作，是整个负载均衡系统的核心模块。从负载均衡器只是作为主负载均衡器的一个补充，它和主负载均衡器部署在不同的服务器上。从负载均衡器负责监视主负载均衡器的工作状态，并定时拷贝主负载均衡器中的所有计算结果和优先级队列。当监测到主负载均衡器不能正常工作时，从负载均衡器临时接替主负载均衡器的工作，直到主负载均衡器恢复正常工作状态为止。当主负载均衡器恢复正常工作时，从负载均衡器将所有计算结果和优先级队列发送给主负载均衡器，然后恢复对主负载均衡器的监视状态。

4 实验结果

网络地图服务系统用Java语言编写，并在Linux平台环境下进行测试。测试环境如表1所示。

分别测试一台地图服务器、两台地图服务器、四台地图服务器和五台地图服务器时，整个网络地图服务平均取图时间曲线如图3所示。1台、2台、4台、5台地图服务器，分别对于100个、200个、400个、800个、1 000个用户同时访问时，每个栅格地图请求的平均反应时间。从曲线图可以了解到，在使用负载均衡系统以后，大大降低了大量用户同时访问网络地图服务时栅格地图响应时间。同时也要注意，并不是随着地图服务器数量的成倍增长，平均响应时间成反比例下降。地图服务器达到一定数量以后，增加地图服务器数量对减少栅格地图平均响应时间没有很大帮助。因此，可以在其中找到一个平衡点，既能尽量减少栅格地图平均响应时间，又可以最大限度的利用资源。

5 结束语

本文主要针对传统网络地图服务系统承载力不足，在原有系统架构上增加了负载均衡机制，有效解决了网络地图服务瞬时地图请求并发数过大，造成系统无法响应的问题。对系统资源进行优化分配，实时调整分配策略，有效利用了系统资源，提升了网络地图服务系统的承载能力，提高了地图服务质量。

摘要：针对传统的网络地图服务系统在响应时间和承载能力等方面的不足, 在对原有网络地图服务系统架构分析的基础上, 提出一种改进的分布式架构, 并基于此设计出一种新型混合负载均衡机制来提高地图服务系统运行效率。该系统已经成功应用到Barn空间数据网格系统中, 较好地提升了系统的承载能力, 减少了响应时间, 优化了网络地图服务的服务质量。

关键词：网络地图服务,地理信息系统,负载均衡

参考文献

[1]张剑波, 刘丹, 吴信才.GIS中栅格数据存储管理的研究与实现[J].桂林工学院学报, 2006 (3) .

[2]SCHOEN R R, HABETLER T G.Evaluation and implementation of a system to eliminate arbitrary load effects in current-based monito-ring of induction machines[J].IEEE Transactions on Industry App-lications, 1997 (6) .

[3]WILLEBEEK M H, REEVES A P.Strategies for Dynamic Load Balancing on Highly Parallel Computers[J].IEEE Transactions on Parallel Distributed Systems, 1993 (9) .

[4]张扬, 李笑难.基于负载均衡的邮件系统设计与实现[J].中国教育网络, 2008, 2-3.

[5]于传涛, 蔡勇.基于网格计算的混合负载均衡策略[J].计算机工程与设计, 2007 (16) .

[6]门华.数字化校园中门户服务负载均衡的分析与实现[J].重庆工商大学学报, 2007 (2) .

双目立体视觉栅格地图构建方法 篇5

未知环境中的自主定位与环境地图构建被认为是实现真正智能移动机器人的关键技术[1,2]。视觉传感器由于所采集的信息丰富、性价比高、体积小而受到研究人员的重视,使用视觉传感器逐渐成为移动机器人定位与环境地图构建的主要实现方法[3,4,5]。利用视觉传感器获取外部环境连续的图像序列,提取环境特征,增量式构建环境特征地图,同时运用所建环境特征地图实现机器人的定位,被称为视觉SLAM,即visual Simultaneous Localization and Mapping。目前用于解决视觉SLAM问题的常用方法有:EKF扩展卡尔曼滤波[6,7]、RBPF粒子滤波[8]和Bundle Adjustment的若干变种方法[9]等。但上述视觉SLAM方法,其算法复杂、计算量大,同时所构建的环境地图常表示为环境中的三维特征集合,为了减少视觉SLAM的计算量,通常只采用少数的环境特征。因此,视觉SLAM所获得的环境地图常为稀疏的三维特征地图,如Harris、SIFT、SURF等点特征。稀疏的三维特征地图可以实现移动机器人的自主定位,但是难以直接用于移动机器人的路径规划、避障与导航等[10,11]。

为了解决上述问题,本文对基于立体视觉的栅格地图构建方法进行了研究。Andreas等人提出了一种基于立体视觉扫描的方法[12],以双目摄像机拍摄到的图片作为输入,通过立体匹配生成场景三维模型。但是该方法计算量大且获得的结果不能直接应用于移动机器人导航。Henning等人提出了通过稠密匹配构建栅格地图的方法[13],该方法需要借助其它传感器的信息来获取机器人位置与姿态,同时该方法对地图的更新是通过重写点云数据实现的,每次需要对大量数据进行运算。罗荣贵等利用平面拟合的方法构建栅格地图,并结合了激光传感器数据[14],但该方法仅研究了单帧地图构建,不能对地图进行更新,同时也无法识别在一定高度上悬空的障碍物。

针对上述情况,本文提出了基于立体视觉定位的栅格地图构建方法。即仅以视觉信息作为输入,通过对摄像机采集到外部环境的图像进行处理,完成机器人自定位以及外部环境的构建。已有的研究成果表明[15,16,17]:立体视觉定位技术不依赖于移动机器人的运动模型,可以应用于未知环境,能够有效地纠正由滑动、间隙、模型偏差等因素引起的累积误差。通过立体匹配构建栅格地图,所构建的栅格地图包含环境的几何信息,可用于移动机器人的路径规划、避障与导航等。现有研究大部分是基于车载视觉系统[12,16],本文将其应用于小型移动机器人上,考虑机器人的通行能力对点云数据进行滤波,构建出的地图可以包含机器人自身能够通过的孔洞或隧道。

1 立体视觉定位

立体双目立体视觉定位即以双目视觉传感器感知外界环境信息,通过特征提取,匹配与迭代算法估计机器人的运动参数[5,6]。

2.1 特征点提取

图像在计算机中的存储其本质就是一个2维矩阵,矩阵中每一个点的值代表图像对应的像素信息。图象的特征点是指对比例、旋转、平移等变换保持一致性的像素点,如线交叉点、物体边缘点、角点、闭区域的中心等。本文使用sobel算子提取图像中的边沿,两个边沿的交点即认为是角点。

2.2 特征点匹配

本文在提取特征点后,利用其与周围像素的相对关系生成SIFT特征描述符,SIFT属于图像局部描述符。其生成方法为:以特征点所在位置梯度方向为x轴,与其垂直的方向为y周构建坐标系,以特征点为中心取16×16的窗口,计算各点像素梯度的方向和模值,将16×16个像素分为4×4个图像块,给每个梯度方向进行累加,每一块计算的结果包含8个方向的方向信息。最终对于每一个特征点,均生成4×4×8的128维特征描述符。最后利用特征描述符在前后两个时刻,左右帧的四幅图像间进行匹配。

2.3 特征点三维重建

确定了图像中点的对应关系后,利用双视几何原理计算图像中特征点对应的三维坐标。

假设已知空间中一点在左右图像中的成像位置分别为与。为空间点在摄像机坐标系下的坐标,摄像机坐标系定义为以左摄像机光心为原点,光轴方向为Z轴,竖直向下为Y轴,水平方向为X轴。定义视差,基线长度(左右摄像机光心间距离为b),f为摄像机焦距。由相似三角形原理可以推得:

2.4 运动估计

本文采用了牛顿高斯迭代求取前后两个时刻之间机器人的位姿变化。即旋转矩阵和平移向量。由于相机与机器人相固连,所以相机的运动状态可以在一定程度上反映机器人的运动状态。同时,采用RANSAC[17]算法,通过迭代,减少“局外点”对运动估计的影响。图1为立体视觉定位算法示意图。

2稠密立体匹配

获取机器人位置以及姿态信息后,使用立体匹配的方法获取空间环境三维点云数据[12],由于稠密立体匹配计算量大,难以满足实时性要求,本文使用稀疏特征匹配对图像进行分割,利用关键点信息来估计整幅图像的视差分布。从而以少量的精度损失为代价换来时间效率的大幅提高。

1)取出定位时匹配得到的特征点集,记为。其中每个稳定匹配点,和分别为该稳定匹配点在左图图像中的像素坐标和相对应的视差。

2)在左图像中对点集中的点进行Delaunay三角剖分,构建三角型网络。同时利用各点之间的对应关系,将右图按照左图的结果进行剖分。如图2(a)所示

3)利用稳定匹配点的坐标值和视差值可以建立三角形对应的空间平面表达式。每个平面采用三个参数唯一表示,如、和为代表了第i个空间三角形。

4)左右图像中观察点的集合。其中,每个图像观察点,和分别为点在图像坐标系中的坐标以及特征向量。、和分别为左右图像观察点及对应的视差值。

5)假设给定时稳定匹配点集S与和为相互独立,则存在联合概率密度:

式中:为视差的先验概率;为图像似然概率。

先验概率采用高斯分布,其概率密度分布为:

式中:为视差先验概率的均值;和为常量;为以图像观察点的像素坐标为中心的像素邻域内稳定匹配点的集合。依据图像观察点的像素坐标值,先确定其属于哪个Delaunay三角形,然后利用对应的视差平面的三个参数,可以求得:。实际上求取的为稳定匹配点视差的线性插值,如图四所示,的视差的概率分布的均值的由三角形及的,值决定。条件是为了提高处理速度,略去所有偏离均值以上的区域。条件则是为了在视差不连续的区域获得较好的匹配结果。

图像似然概率采用拉普拉斯分布,其概率密度分布为:

式中:和分别为图像观察点和的特征向量;为常量。为了计算特征向量,首先采用Sobel算子提取水平和垂直方向梯度,然后将以像素坐标为中心的像素窗口内的水平和垂直方向梯度整理成维的特征向量。图像似然概率本质上描述了满足外极线约束且视差为的图像观察点与相对应的特征向量和的距离。

6)采用极大后验估计法求取左右图像立体匹配的最优视差估计:

式中:为右图图像中与满足外极线约束的所有图像观察点。

利用公式(7),针对左图像中所有图像观察点求取极大后验概率的视差估计,从而获得左右图像立体匹配的稠密深度图,即有关环境深度信息的三维点云图数据。

3 栅格地图构建

将稠密立体匹配获得的三维点云数据投影到二维平面,以机器人初始位置为原点定义全局坐标系。设每个点云数据坐标为。具体算法步骤如下:

1)在三维空间中,垂直地面向上为Z轴,相机光心高度对应Z方向零点。依据移动机器人平台的高度及通行能力,选取适当的阈值。将满足的点向X-O-Y平面投影。其中由机器人通行能力决定,高度为5cm以下的障碍物不会对本文中的机器人通行造成阻碍,对应的值取-0.4m。由机器人高度决定,本文中的机器人对应为0.1m。

2)根据投影点个数计算栅格被占用的概率,生成当前帧对应的栅格地图。1表示占用,0表示空闲,首先将所有栅格初始化为0.5,表示不确定。之后计算每一栅格中投影点个数,将中的最大值记为M,对所有栅格进行归一化处理得到Ni/M,然后用更新每一栅格被占用的概率。最后根据设定好的阈值,判断栅格是否被占用。

4)获取了当前帧对应的栅格地图以后,利用视觉定位得到的位置及角度信息,通过坐标变换将其对应到全局坐标系中。对于全局栅格中已经存在的数据,采用贝叶斯滤波器进行概率的更新。在获得观测数据后,某个栅格单元被障碍物占有的概率为:

式中:为当前观测下栅格单元被障碍物占有的概率;为获得观测数据后栅格单元被障碍物占有的概率;为初始先验概率,通常采用均匀分布,即

5)最后根据全局栅格中的数据进行二值化显示,当值小于0.2时,认为该栅格空闲,显示为白色;当值大于0.7时,认为栅格被占用,显示为黑色;其它概率认为是不确定,在地图上以灰色表示。

4 实验结果及分析

项目组在北京邮电大学的宿舍区内对里程计及地图构建进行了在线测试。通过上位机监控软件界面,控制机器人在两宿舍楼之间的花园里行走一个闭合环路,路程约140米,由移动机器人搭载的图像处理单元实时处理bumblebee双目相机采集到的图像完成定位及地图构建,并利用无线网络将定位结果和构建好的地图传回上位机进行显示。图3为真实场景航排图及栅格地图构建的结果,地图中一个像素对应实际距离的0.1米,红线为视觉里程计估计出的机器人路径。由于相机基线长度较短,距离较远的点无法精确定位,所以在每帧构建地图时,只使用距离相机10米以内的点。(如图3)

实验过程中还对定位及地图构建算法的耗时进行了统计,定位过程平均每帧耗时70ms,包括从左右图像采集、特征点提取、匹配、运动参数估计、最后图像压缩并上传给上位机等所有步骤。构建栅格地图平均每次耗时约500ms,包括对左右图像进行立体匹配,将点云图向二维平面投影,对全局地图进行更新等。并且,定位算法和地图构建在两个线程中运行,充分的利用了CPU资源,保证了良好的实时性。从实验结果可以看出,本方法仅以视觉传感器的信息作为输入,实时有效的完成了移动机器人自定为及环境栅格地图的构建。

5 结论

通过一系列不同光照、纹理、地形的室内外测试场景实验,验证了本文所提出的视觉定位算法、地图构建方法的实时性和有效性。

提出的基于立体视觉的栅格地图构建方法,通过双目视觉定位和稠密立体匹配,在仅以视觉信息作为输入的情况下构建出了可用于导航的栅格地图,很好的解决了SLAM获得的稀疏三维特征地图无法用于导航控制的问题。考虑了机器人的通行能力,对点云数据进行滤波处理使得构建地图时可以构建地图时可以找出机器人能够通行的孔洞、隧道等区域。

栅格结构 篇6

1 扫描超声波的设计方法

1.1 超声波探测中的问题

超声波探测过程中主要的测量误差是由超声波的性质造成的, 测量中集中可能误差情况如图1所示。

(1) 漫反射误差。传感器没有正对被测物体, 由于被测物体表面粗糙不规则造成漫反射, 传感器测得的距离并不是实际距离。

(2) 全反射误差。由于超声波传感器发出的波与物体界面的夹角恰好等于全反射角, 导致发射出去的波无法返回到接收器, 导致测量误差。

(3) 多次测量。由于全反射后再射到其他物体表面, 然后返回接收器, 导致声波返回接收器的时间偏大, 使测量距离大于实际值。

1.2 转动测量设计

上述超声波传感器的测量误差问题, 主要原因是超声波自身的特点决定。在以往的传感器的设计中, 某一固定方向上往往只有一个传感器, 只能测定某一方向上的距离。本文提出以转动的传感器代替相对固定的传感器, 使传感器能够对某一方向进行多角度的测量。假设传感器的起始位置为正前方, 用α表示传感器相对初始位置转动的角度, 用L表示该方向的测量值, (α1, L1) , (α2, L2) , ··· (αn, Ln) 表示传感器返回的一系列值, 那么用 (α, L) 确定障碍物的相对位置, 设两次测量间夹角差值为∆αn, 则两次测量中间的距离为:

对同一物体进行了多次测量, 计算出nL的值, 比较去掉nL中不合理的值, 最终确定一个障碍物的准确距离, 并可以以此确定出障碍物的边缘状况。

2 栅格地图的优化策略

2.1 栅格地图的原理

栅格地图是用m×n个大小相同的方格来划分工作空间, 用Sij来定位每个栅格。那么, Sij的集合就代表了整个工作区域来表示:

在小车的工作环境U内, 每个栅格的状态时用两个量来描述:占有E (Empty) 和空闲O (Occupied) 。而这两个量用概率P (S ij) 来确定。P (S ij) 的值是根据机器人的行进中超声波传感器测量返回值集成运算后得出, 这样就可以记录下工作环境状况。

2.2 优化栅格方法概述

栅格地图是一种描述记录环境情况的方法, 并且能根据传感器测得的值对地图进行实时更新。但仅仅用E态和O态来表示出某栅格的状态显然不足以让机器人对位置环境做出准确判断, 如果某物体的部分 (图2阴影部分) 未占有全部的栅格, 传统栅格建立方式中该情况会表示成O态, 这种表示未能准确的反映物体的位置, 使栅格地图建立不准确。本文引入另一量:栅格被占用的概率Q (S ij) , 表示出现O态后栅格被占用的面积大小。

利用第2部分传感器的连续扫描测量, 可以推算出物体边缘的位置, 据此算出Q (S ij) 。

3 结语

本文创新的提出让超声波传感器进行循环扫描, 有效合理的规避了声波测量中的集中常见问题, 并且提高了超声波传感器的测量效率, 通过多次扫描测量, 减小了单一传感器对不规则、体积大的物体测量的误差, 避免了传统栅格地图建立中由于栅格大小的原因带来的对物体定位不准确的问题, 对物体运动轨迹预测做出了很好的基础。在实际的机器人设计应用当中, 扫描式超声波传感器能够很大程度节省机器人设计空间, 并且提高了超声波传感器测量效率。扫描传感器的使用和对栅格地图的优化, 能更好地表示出物体的相对位置提高地图定位的精确度。再以后的应用中可以多传感器的同时使用, 结合新的栅格地图建立方法, 可以更加准确的定位和预测物体的运动。

参考文献

[1]蒋新松.机器人学导论[M].沈阳:辽宁科学技术出版社, 1994:17～18.

[2]孙茂相, 程平, 等.基于规则的移动机器人实时运动规划[J].控制与决策, 1997, 12 (4) :322～326.

[3]罗荣华, 洪炳镕.基于信息融合的同时定位与地图创建研究[J].哈尔滨工业大学学报, 2004, 36 (5) :566～569.

[4]余洪山.移动机器人地图创建和自主探索方法研究[D].湖南大学, 2002.

[5]傅晓霞.基于状态预测强化学习的移动机器人路径规划研究[D].山东大学, 2008.

栅格结构 篇7

运动车辆的检测是自动跟踪的前提,常用的方法有光流场法[1—4]和图像差分法[5,6]。基于光流场法的运动目标检测由于噪声、多光源、阴影、透明性和遮挡性等原因,使得计算出的光流场分布不是十分可靠和精确,且光流场的计算实时性和实用性较差,因此它多适用于图像噪声比较小,目标运动速度不大的情况。图像差分法又分基于帧间差分的方法和基于背景差分的方法,前者可以提取出物体的运动信息,但由于相对运动与物体位置并非完全一致,检测出的区域会大于物体实际存在的区域,并且区域的大小与物体的运动速度有关;后者定位精确、速度快,但缺乏合理的背景更新方法。为此有人提出许多方法的融合改进,如基于边缘的背景去除法[7],但该类方法存在着由于运动目标边缘与背景边缘可能有一定交叠,使部分运动目标信息被去除的缺点。又如C.Vieren[8]提出一种获取运动物体精确位置的方法,但该方法需要连续3帧图像,并要计算梯度图像,计算量大并且有一帧时间的滞后性。

本文研究考虑到ITS系统中运动目标检测的实时性要求,及运动背景随光线等环境因素变化的情况,提出了一种栅格算法:在图像差分算法的思想基础上,采用当前帧与背景帧图像相比较,通过计算栅格不相似度来检测是否有运动车辆进入摄像机的视场,而不是通过获得差分图像来检测运动车辆。算法中使用的背景图像也不是固定不变的,而是通过更新机制不断的进行更新,以适应光线和噪声的影响。

1系统框架

运动车辆检测的前提条件为:

1)检测的对象为在一个车道上运动的单一车辆,并且假设车辆之间没有遮挡;

2)在进行运动车辆检测时,摄像机是固定不动的。

系统框架如图1所示。由于BMP图像文件格式结构清晰,操作方便,所以本文采用BMP图像文件格式来实现对运动车辆模板的保存和读取,以下对各部分进行说明。

1.1 图像的采集、存储与背景更新机制

采用双缓存机制实现运动车辆图像的采集和存储,即在内存中开辟两块缓冲区Buffer0和Buffer1。Buffer1存放当前帧图像,Buffer0存放参考帧(背景)图像,通过比较Buffer1与Buffer0中的图像来检测有无运动车辆进入摄像机的视场。

为了达背景更新的目的,将Buffer0中存放的参考帧图像每隔4帧更新一次,也就是每隔4帧将当前帧图像同时存放在Buffer0和Buffer1中,通过不断地更新参考帧的图像,以适应光线的变化以及噪声的影响。

1.2 图像的预处理

本文研究的运动栅格算法是在车辆检测过程中,通过优化选择沿道路方向(车辆行驶方向)的像素,对这些像素依次进行灰度化,中值滤波等处理获得要检测的图像数据,减少数据处理量,来满足实时性要求。

1.3 运动车辆自动检测的栅格算法

1.3.1 图像数据的栅格化

为了检测沿道路方向由右向左行驶而进入摄像机视场的运动车辆,把沿道路方向右端大小为400 × 100个像素的图像均匀分割成100个栅格,每个栅格的大小为20 × 20个像素,如表1所示。

1.3.2 栅格不相似度的计算

将图像数据栅格化后,通过计算当前帧与参考帧对应栅格的不相似度来检测是否有运动车辆进入视场。不相似度计算公式如(1)式[10]。

undefined

(1)

(1)式中,DisSimil—栅格不相似度;

Mbuffer0—参考帧某一栅格内像素灰度值的均值;

Mbuffer1 —当前帧对应栅格内像素灰度值的均值;

Sbuffer0 —参考帧某一栅格内像素灰度值的标准方差;

Sbuffer1 —当前帧对应栅格内像素灰度值的标准方差。

公式(1)是两个集合或者两类点集之间的基于距离的相似度的一种表示方法。由公式(1)可知,当两帧图像完全相同时,DisSimil=1,而且可以证明1为公式(1)的最小值。

当不相似度DisSimil的值小于某个阈值T1时,称这个栅格是“静止”的,否则称这个栅格是“运动”的。当“运动”的栅格数目大于某个阈值T2时,就认为有运动车辆进入视场,此时参考帧就不再进行刷新了。当“运动”的栅格数目大于某个阈值T3时,就认为整个运动车辆全部进入视场。

1.3.3 运动车辆位置的确定

当检测到有运动车辆进入视场后,下一步就要确定出运动车辆在栅格中的位置。由于运动车辆与背景之间在灰度值上的差异,当运动车辆进入视场时,就会引起对应栅格不相似度值的较大变化,而剩余栅格的不相似度值不会发生较大的变化,因此可以通过计算不相似度值的变化来确定出运动车辆在栅格中的位置。

首先将上述100个栅格的不相似度值按列进行平均,设yi (i=1～100)表示每个栅格的不相似度值,设xi (i=1～20)表示每列栅格不相似度值的平均值,则

undefined (2)

然后将得到的每列栅格不相似度值的平均值xi按照从大到小的顺序进行排序,得到xi',并记录对应的栅格的列号。定义不相似度下降率DSDR (DisSimil Descend Rate)为:

undefined (3)

(3)式中,A —一列栅格不相似度值的平均值;B—另一列栅格不相似度值的平均值。

计算xi'中相邻两列的DSDR,找到DSDR最大值所对应的列,即为运动车辆与背景的边界。下面通过一个实例对以上算法进行说明。表2为计算得到的一组数据,

由计算可知DSDR的最大值为99.724%,即表2中用粗实线标出的位置,此位置即为运动车辆与背景之间的分界线,粗实线以上的表格代表了运动车辆,而粗实线以下的表格代表了背景。由表1可知,运动车辆所占的列数为9～19列。图2是与表1对应的图像,

由图2可以清楚地看到,在实际的图像中运动车辆所占的列数为9 ～ 19列,与计算得到的运动车辆的位置完全相同。也就是说,利用DSDR法可以比较准确地确定出运动车辆在栅格中的位置。

1.3.4 运动车辆数据的提取与模板保存

当确定出运动车辆在栅格中的位置后,就可以将对应栅格内的图像数据提取出来,并保存为BMP格式的模板图像。另外还需要保存的数据包括:模板的中心位置、模板的宽度、模板的高度、模板中栅格的数目、每个栅格像素灰度值的均值及每个栅格像素灰度值的标准方差。

根据以上对栅格算法的分析,通过栅格算法得到的运动车辆模板的保存实例如图3所示。

2 总结

运动车辆的自动检测是自动跟踪的前提,实时性和准确性是处理运动序列图像的基本要求,本文以自动检测的图像差法为基础,提出了运动车辆检测的栅格算法,总结如下:

1) 采用双缓存机制采集和存储图像,加快了图像的采集、传输和处理的速度,以满足实时性要求;通过背景更新机制,使参考帧的图像得到及时的更新,以适应光线的变化以及噪声的影响。

2) 优化选择图像数据减少了图像数据的处理量,提高了处理速度;对图像进行灰度化和中值滤波处理,为运动车辆的自动检测做好了准备。

3) 对图像数据进行了栅格划分,通过计算当前帧与参考帧的栅格不相似度来检测是否有运动车辆进入视场;定义了栅格不相似度下降率DSDR,并利用DSDR比较准确的确定出了运动车辆在栅格中的位置。

4) 给出了运动车辆自动检测栅格算法的详细流程图和车辆模板的保存实例。

摘要：对运动车辆的检测进行了研究。在图像差分算法的基础上,研究提出了运动车辆自动检测的栅格算法,该方法通过计算当前帧与参考帧对应栅格的不相似度来检测是否有运动车辆进入视场,定义了不相似度下降率DSDR。基于此,可以比较准确地确定出运动车辆在栅格中的位置,并可方便地将车辆图像作为模板保存下来。实验结果表明,利用DSDR法比较准确地确定了运动车辆在栅格中的位置。

关键词：智能交通系统,运动车辆,检测,栅格算法,不相似度

参考文献

[1]张泽旭,李金宗,李宁宁.基于光流场分割和Canny边缘提取融合算法的运动目标检测.电子学报,2003;31(9):1299—1302

[2]屈有山,田维坚,李英才.基于并行隔帧差分光流场与灰度分析综合算法的运动目标检测.光子学报,2003;32(2):182—186

[3]Sasa G,Loncaric S.Spatio-temporal image segmentation using optical flow and clustering algorithm.First Int1'Workshop on Image and Sig-nal Processing and Analysis.Pula,Croatia,2000:63—68

[4]Smith S M,Brady J M.ASSET-2:Real-time motion segmentation and shape tracking.IEEE Trans,1995;8(17):814—820

[5]Jong Bae Kim,Hang Joon Kim.Efficient region-based motion seg-mentation for a video monitoring system.Pattern Recognition Letters,2003;24(1—3):113—128

[6]Needham C J,Boyle R D.Tracking multiple sports players through occlusion,congestion and scale.British Machine Vision Conference,2001;1:93—102

[7]Li Xiaobo,Liu Zhiqiang,Leung Kaming.Detection of vehicles from traffic scenes using fuzzy integrals.Pattern Recognition,2002;35(4):967—980

[8]Vieren C,Cabestaing F,Postaire J.Catching moving objects with snakes for motion tracking.Pattern Recognition Letters,1995;16(7):679—685

[9]何斌等.Visual C++数字图像处理.北京:人民邮电出版社,2001

栅格结构 篇8

一、栅格数据和矢量数据的对比

栅格数据和矢量数据是模拟地理信息的两种重要的方法, 其二者相互结合, 优势互补, 分别应用于不同的场景中。

栅格数据结构具有“属性明显、位置隐含”的特点, 它易于实现, 操作简单, 有利于栅格的空间信息模型的分析, 但是栅格数据所表达的精度不高, 数据存储容量较大, 工作效率较低。

矢量数据结构具有“位置明显、信息隐含”的特点, 它操作起来比较复杂, 需要分析操作如叠置分析等用矢量数据结构较难实现, 但其数据表达精度高, 数据存储量小, 且输出的图形美观, 工作效率较高, 故矢量数据在各种GIS专题制图中有着不可替代的作用。

二、基于Auto CAD2007的二次开发

Auto CAD2007提供了多种二次开发方法, 本文开发中使用Object ARX与Microsoft Visual Studio 8。

ObjectARX是Auto CAD平台上的开发软件包, 它提供了以C++为基础的面向对象的开发环境及应用程序接口, 能真正快速的访问Auto CAD图形数据库。ObjectARX应用程序是一个DLL (动态链接库) , 共享Auto CAD的地址空间, 对Auto CAD进行直接函数调用。所以, 使用ARX编程的函数的执行速度得以大大提高。ARX类库采用了标准的C++类库的封装形式, 这也大大提高了程序员编程的可靠度和效率。

ObjectARX是Autodesk公司继Auto LISP、ADS之后的第三代开发工具。本系统采取了VC++与Object ARX搭配进行开发的方式。

ObjectARX应用程序与Auto CAD的接口是通acrx Entry Point函数实现的, 该函数类似与C中的main () 函数, 是Auto CAD和ARX通讯的入口, 应用程序通过它向Auto CAD返回状态码, 从而向Auto CAD发送消息。Auto CAD应用程序中, 除了保证必要的acrx Entry Point函数外, 还要通过消息机制来完成程序之间的通讯。

本文通过在VC环境下, 利用AutoCAD的图形加载、显示能力, 通过ObjectARX完成了对CAD数据库中存储的栅格矢量化数据进行了处理。

三、技术解决方案

通常栅格数据在矢量化后可保持良好的拓扑压盖关系, 但是数据量较大, 难以满足数据编辑制图的需求。本算法主要通过对用户输入的栅格矢量化后的数据进行拓扑清理、数据压缩和面结构重构的方式, 在最大限度保持图形数据外观的条件下, 最大限度地消除原始数据结构中存在的噪声, 并保持原始数据中图形之间的拓扑关系, 最后在AutoCAD环境中加载处理后的数据, 供作业人员进行编辑。本算法的主要工作流程如下:

四、垂距限值法

垂距限值法是以输入几何对象的第一点为起点, 计算第二点到第一点和第三点所构成的直线的垂距, 若该距离大于设定的阈值tol2, 则保留第二点并作为新起点, 接着计算第三点到第二点和第四点所构成的直线的垂距;否则, 去掉第二点, 仍以第一点为起点, 计算第三点至第一点和第四点所构成的直线的垂距, 依次循环执行, 最终达到数据压缩的目的。

为了证明垂距限值法在数据压缩上可以最大程度地保持几何数据的图形形状, 我们使用相同的数据输入, 分别垂距限值法和数据压缩中常用的道格拉斯算法进行对比。

使用垂距限值法压缩后的图形效果如下图2所示, 和原始数据的对比结果如下图3所示:

使用道格拉斯算法压缩后的结果如下图4所示, 使用垂距限值法的处理结果和采用道格拉斯算法处理结果之间的对比效果图如下图5所示, 其中较为平缓的线条为垂距限值法的处理结果:

从上述实验结果可发现, 垂距限值法在对数据压缩时, 比道格拉斯算法可以更好地保持图形的轮廓形状, 并拥有更好地数据压缩效果。

五、基于贝塞尔曲线的数据平滑处理

贝塞尔曲线是计算机图形图像造型的基本工具, 是图形造型运用得最多的基本线条之一。它通过控制曲线上的四个点 (起始点、终止点以及两个相互分离的中间点) 来创造、编辑图形。其中起重要作用的是位于曲线中央的控制线。这条线是虚拟的, 中间与贝塞尔曲线交叉, 两端是控制端点。移动两端的端点时贝塞尔曲线改变曲线的曲率 (弯曲的程度) ;移动中间点 (也就是移动虚拟的控制线) 时, 贝塞尔曲线在起始点和终止点锁定的情况下做均匀移动。常用的贝塞尔曲线有一次曲线、二次曲线和三次曲线, 其中二次和三次贝塞尔曲线最为常见。在本程序中, 综合考虑程序的执行效率和效果质量, 我们选用了二次贝塞尔曲线作为我们的平滑算法。

二次贝塞尔曲线的路径由给定点P0、P1、P2的函数B (t) 追踪, 其公式如下:

上述数据在经过两种方法压缩再光滑处理结果并与原图比较 (较为光滑者为本算法处理结果) 的效果如下图6所示:

六、结语