一种基于数据分块的海量地形快速漫游方法

大范围、海量地形数据的快速漫游是GIS、虚拟现实、游戏、仿真等领域的关键技术与难点之一。在目前地形数据简化算法的基础上,结合计算机硬件技术的发展,采用基于数据分块、部分数据常驻内存以及与视点相关的静态LOD模型实现了对任意格网大小海量地形数据的快速漫游。基于块节点的视景体裁剪、三角形条带组织以及边界裂缝消除、视觉光滑处理等手段的运用,提高了地形漫游的效率与可视化效果。     

大规模室外场景中漫游实时渲染技术研究

大规模室外场景中漫游并实时渲染问题是目前图形学和虚拟现实中研究的热点,其中如何有效地剔除场景中无关物体,将关系到实时渲染的速度和质量.基于现有算法,提出地形采用分块管理和对场景中物体进行视锥扫描的方法来绘制整个室外场景.实验结果表明,该方法在大规模室外场景中漫游并实时渲染上能取得较好效果.     

大规模室外场景中漫游实时渲染技术研究

大规模室外场景中漫游并实时渲染问题是目前图形学和虚拟现实中研究的热点,其中如何有效地剔除场景中无关物体,将关系到实时渲染的速度和质量.基于现有算法,提出地形采用分块管理和对场景中物体进行视锥扫描的方法来绘制整个室外场景.实验结果表明,该方法在大规模室外场景中漫游并实时渲染上能取得较好效果.     

粒子系统支持下地形流模式表达研究

该文提出一种基于粒子系统的地形起伏动态可视化表达方法.首先利用D8算法并结合坡度等信息构建水流模型，基于DEM数据生成水流场数据；使用空间随机均匀和重要特征位置相结合的方法布设粒子，在粒子系统的支持下模拟高低起伏的地形水流场景，从而间接地实现DEM动态多尺度的可视化.以武汉市的DEM数据为例进行实验，结果表明该方法模拟得到的粒子流效果能真实反映其地形特征，该研究为DEM数据提供了新的表达方法.     

基于四叉树结构的大规模地形生成算法

为了获得更好的三维可视化效果,在对大规模地形模型的实时生成和简化进行了研究和分析的基础上,提出了一种基于四叉树结构的大规模地形生成算法,实现了基于四叉树结构的地形模型的连续多分辨率渲染;该算法包括一种新的保持地形特征的地形简化方法和一种简单高效的裂缝消除方法.实验结果表明,该算法能够实现大规模地形的实时可视化.     

一种基于DEM数据的可视化数字地形绘制

给出数字高程模型(DEM)数据的存储格式,研究如何有效地读取DEM数据,并把它转化为可以被OpenGL图形库所读取的数据格式的方法.在此基础上,研究绘制三维地形涉及到的问题及其绘制原理,给出了利用OpenGL图形库进行地形绘制的简单易行的实现方法,并给出实例.最后,讨论了现存的几种地形简化方法,为解决基于DEM数据的地形实时、快速绘制打下了基础.     

Internet环境下海量地形数据发布和三维显示

论述了在Internet环境下海量地形数据发布和三维显示的关键技术 ,包括平均插值小波建立金字塔数据结构的原理和方法、快速压缩解压缩技术、网络模型和基于视相关的二叉三角形简化地形的算法 .在此基础上 ,开发了基于Internet的全球三维可视化信息系统 .实验表明 ,所提出的技术方案是切实可行的 ,完全能够满足Internet环境下大规模数字高程模型和影像实时无缝漫游的要求 .     

不受DEM空间分辨率影响的地形指数计算

为了减小数字高程模型(DEM)分辨率对地形指数计算的影响,开发了一种不受DEM空间分辨率影响的地形指数计算方法.选取汉江上游褒河流域作为研究区域,通过引入分辨率因子考虑DEM空间分辨率对单宽上坡集水面积的影响,应用分形方法处理DEM空间尺度对地形坡度的影响,将该算法应用到褒河流域DEM数据的计算中.结果表明:此法可以成功地由低分辨率的DEM数据获得与目标高分辨率精度相仿的地形指数分布,能在一定程度上消除DEM空间分辨率对地形指数计算的影响,因而对无资料地区的水文预报有着十分重要的现实意义.     

三维地形场景流式传输

基于网络的三维地形场景漫游在军事、教育、娱乐等领域有广泛的应用,但目前受限于有限的网络带宽而无法满足用户实时的需求。综合考虑了地形场景漫游过程与视频播放之间的相似性,从流式传输的观点出发,利用地形数据规则采样的特点,设计了全新的地形数据组织方式,将地形数据表示为多条渐进压缩码流。运行时刻则充分利用了漫游过程的帧内及帧间相关性,并与传输策略相结合,有效降低了远程地形场景漫游过程中的数据吞吐量,并且能够自适应网络带宽的动态变化。     

基于曲率熵和高斯混合模型的DEM简化算法研究

针对现有数字高程模型(DEM,digital elevation model)简化算法对地形变化复杂区域的简化效果不够理想的问题,提出了一种基于高斯混合模型(GMM,Gaussian mixture model)和曲率熵的DEM精简算法。该算法首先根据DEM数据的高程信息对其进行聚类,将体现地形局部几何信息的熵与曲率相结合作为简化指标,针对不同的子类依据曲率熵的大小进行不同程度的精简。GMM聚类算法的引入能够保证各种地形数据在简化的过程中均得到一定程度上的保留,不会在平坦的区域简化过多的数据从而造成数据的不连续性。实验结果表明,与传统的简化算法相比,本文提出的算法具有高精度、数据空洞小、地形保持度高的特点,更加适合结构复杂、变化多样的地形。