本發(fā)明涉及空間環(huán)境數(shù)據(jù)多尺度顯示方法、模型建立方法及裝置，屬于空間環(huán)境數(shù)據(jù)處理
技術(shù)領(lǐng)域：
。
背景技術(shù)：
：為了研究空間環(huán)境效應(yīng)，人們利用各種類型的傳感器來獲取大量的空間環(huán)境數(shù)據(jù)，除利用這些數(shù)據(jù)建立各種空間環(huán)境模式外，還利用各種二維圖表、三維可視化方式來表達(dá)這些數(shù)據(jù)，以期能獲取空間環(huán)境的變化規(guī)律和趨勢，尤其是三維可視化技術(shù)不僅能提供更加真實(shí)的空間環(huán)境表達(dá)效果，還能交互操作研究對(duì)象，多角度的觀測空間環(huán)境。隨著各種空間探測手段的增加，空間環(huán)境數(shù)據(jù)呈現(xiàn)指數(shù)增長，另外空間環(huán)境所處的地球外層空間時(shí)空尺度巨大，這兩點(diǎn)必然造成海量的空間環(huán)境數(shù)據(jù)，如何實(shí)現(xiàn)海量空間環(huán)境數(shù)據(jù)的多尺度連續(xù)觀察、無縫銜接成為有效感知空間環(huán)境態(tài)勢的關(guān)鍵。多尺度表達(dá)中最重要的是尺度，尺度的變化直接影響空間環(huán)境表達(dá)的精細(xì)程度，即進(jìn)行空間環(huán)境數(shù)據(jù)的多尺度表達(dá)時(shí)，需根據(jù)各個(gè)尺度的要求控制空間環(huán)境數(shù)據(jù)的刪減程度，以保證簡化后的空間環(huán)境數(shù)據(jù)一方面能減小數(shù)據(jù)量，另一方面能保持空間環(huán)境的數(shù)據(jù)特征。各個(gè)尺度的空間環(huán)境數(shù)據(jù)則構(gòu)成了空間環(huán)境數(shù)據(jù)金字塔，金字塔各層代表了不同的尺度要求以及人眼的視覺變化，從上到下，從粗到細(xì)。因此，空間環(huán)境數(shù)據(jù)的多尺度模型就是由下向上，經(jīng)簡化逐層建立空間環(huán)境數(shù)據(jù)金字塔。對(duì)于每個(gè)單獨(dú)的尺度可以采用空間八叉樹等數(shù)據(jù)結(jié)構(gòu)來進(jìn)一步增加表達(dá)速度。無論是實(shí)際監(jiān)測還是根據(jù)空間環(huán)境模式計(jì)算的空間環(huán)境數(shù)據(jù)都可以分成點(diǎn)、線、面和場幾類數(shù)據(jù)，不同類型的數(shù)據(jù)，表達(dá)方式也不一樣，下面簡要介紹各類數(shù)據(jù)常用的可視化表達(dá)方式。對(duì)點(diǎn)數(shù)據(jù)的表達(dá)，可以借助于二維曲線，橫軸表示時(shí)間，縱軸為相應(yīng)時(shí)刻的屬性值，也可以在虛擬三維空間中，在監(jiān)測點(diǎn)處用監(jiān)測值標(biāo)示出來。圖1是中國氣象局國家空間天氣監(jiān)測預(yù)警中心2014年3月10日發(fā)布的空間天氣周報(bào)中以二維曲線圖表示地球靜止軌道的粒子和地磁活動(dòng)的狀況。線數(shù)據(jù)的表達(dá)較為簡單，可以在虛擬三維空間中繪制出對(duì)應(yīng)的線，并以不同顏色區(qū)別其屬性值的變化。面同樣可以在虛擬三維空間中繪制出對(duì)應(yīng)的面，并加以不同的顏色區(qū)別屬性值。對(duì)于標(biāo)量場的表達(dá)方法主要是體繪制的方法、表面重構(gòu)、剖面顯示方法等。矢量場的表達(dá)方法則有點(diǎn)表示法、線表示法、面表示法以及箭頭、粒子跟蹤、紋理映射技術(shù)等方法。圖2-a是采用點(diǎn)表示法繪制的太陽風(fēng)絕對(duì)密度平靜時(shí)的效果，圖2-b是采用面表示法表達(dá)的太陽風(fēng)絕對(duì)密度黃道面剖面效果圖，圖2-c是用體繪制表達(dá)的電離層溫度繪制效果。以上是空間環(huán)境數(shù)據(jù)可視化表達(dá)的具體方法，其是多尺度表達(dá)的基礎(chǔ)，空間環(huán)境多尺度模型與空間環(huán)境可視化方法共同完成空間環(huán)境的多尺度表達(dá)?？臻g環(huán)境數(shù)據(jù)簡化是空間環(huán)境多尺度模型建立的核心，而從目前公開發(fā)表的文獻(xiàn)來看，鮮有直接描述空間環(huán)境數(shù)據(jù)簡化問題，對(duì)點(diǎn)數(shù)據(jù)的簡化卻研究頗多。仔細(xì)研究空間環(huán)境數(shù)據(jù)會(huì)發(fā)現(xiàn)，無論是實(shí)際監(jiān)測數(shù)據(jù)還是空間環(huán)境模式按要求生成的點(diǎn)、線、面、場數(shù)據(jù)，其基本的構(gòu)成要素都是點(diǎn)，因此對(duì)點(diǎn)數(shù)據(jù)的簡化研究可以為空間環(huán)境多尺度模型的研究提供借鑒。目前對(duì)點(diǎn)數(shù)據(jù)簡化的主要思想是找到點(diǎn)云中具有明顯特征信息的點(diǎn)予以保留，去除特征不明顯的點(diǎn)，以簡化數(shù)據(jù)，其中最關(guān)鍵的特征點(diǎn)的查找，目前主要方法有基于曲率的、基于梯度的、基于法矢的特征點(diǎn)查找方法，這些方法各有優(yōu)缺點(diǎn)，在某一方面都有不錯(cuò)的表現(xiàn)，但是這里的方法只考慮了點(diǎn)云的幾何特征，沒有考慮屬性特征，所選取的特征點(diǎn)不能準(zhǔn)確反映空間環(huán)境數(shù)據(jù)特征，所建立的空間環(huán)境數(shù)據(jù)多尺度模型不夠準(zhǔn)確，致使對(duì)空間環(huán)境數(shù)據(jù)的顯示與實(shí)際情況不相符。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的是提供一種空間環(huán)境數(shù)據(jù)多尺度模型建立方法，以解決目前所建立的空間環(huán)境多尺度模型不夠準(zhǔn)確的問題，同時(shí)本發(fā)明提供了提供一種空間環(huán)境數(shù)據(jù)多尺度模型建立裝置，此外，本發(fā)明還提供了一種空間環(huán)境數(shù)據(jù)顯示方法，以解決空間環(huán)境數(shù)據(jù)的顯示與實(shí)際情況不相符的問題。本發(fā)明為解決上述技術(shù)問題而提供一種空間環(huán)境數(shù)據(jù)多尺度模型建立方法，模型建立方法方案一：該建立方法包括以下步驟：1)獲取空間環(huán)境數(shù)據(jù)，并確定的空間環(huán)境數(shù)據(jù)中各點(diǎn)的K鄰近點(diǎn)信息；2)根據(jù)空間環(huán)境數(shù)據(jù)中各點(diǎn)及其K鄰近點(diǎn)計(jì)算各點(diǎn)的曲面變化度和方向?qū)?shù)，并根據(jù)各點(diǎn)的曲面變化度和方向?qū)?shù)計(jì)算各點(diǎn)的綜合特征值；3)判斷各點(diǎn)綜合特征值是否大于第一設(shè)定閾值，將大于第一設(shè)定閾值的點(diǎn)作為特征點(diǎn)保留；4)根據(jù)保留的特征點(diǎn)建立空間環(huán)境數(shù)據(jù)模型。模型建立方法方案二：在模型建立方法方案一的基礎(chǔ)上，所述步驟3)還包括判斷小于第一設(shè)定閾值的點(diǎn)是否分布均勻，若均勻，則對(duì)其進(jìn)行間隔采樣，否則，計(jì)算各點(diǎn)與其對(duì)應(yīng)的K鄰近點(diǎn)平均距離，將平均距離大于第二設(shè)定閾值的點(diǎn)保留，將平均距離小于等于第二設(shè)定閾值的點(diǎn)刪除。模型建立方法方案三：在模型建立方法方案一或二的基礎(chǔ)上，所述步驟2)中的綜合特征值的計(jì)算公式為：F＝w1σ(p)+w2G(p)其中w1和w2分別為曲面變化度和方向?qū)?shù)的權(quán)值，σ(p)為曲面變化度，G(p)為方向?qū)?shù)。模型建立方法方案四：在模型建立方法方案二的基礎(chǔ)上，所述的第一設(shè)定閾值和第二設(shè)定閾值的大小均與視點(diǎn)距離有關(guān)。模型建立方法方案五：在模型建立方法方案一的基礎(chǔ)上，當(dāng)空間環(huán)境數(shù)據(jù)點(diǎn)的空間位置不變，而時(shí)刻發(fā)生變化時(shí)，只需進(jìn)行一次的K近鄰搜索來獲取K鄰近信息，其它時(shí)刻的空間環(huán)境多尺度模型構(gòu)建利用該K鄰近信息即可。模型建立方法方案六：在模型建立方法方案四的基礎(chǔ)上，不同尺度下的模型構(gòu)建只需根據(jù)不同尺度對(duì)應(yīng)的視點(diǎn)距離計(jì)算第一設(shè)定閾值和第二設(shè)定閾值，判斷相應(yīng)的點(diǎn)是否刪除即可。模型建立方法方案七：在模型建立方法方案一的基礎(chǔ)上，所述的步驟2)中的綜合特征值計(jì)算采用CUDA架構(gòu)的GPU完成。模型建立方法方案八：在模型建立方法方案一的基礎(chǔ)上，所述步驟1)是采用KD樹方法對(duì)空間環(huán)境數(shù)據(jù)建立索引來獲取最近的K個(gè)點(diǎn)信息。本發(fā)明又提供了一種空間環(huán)境數(shù)據(jù)的多尺度模型建立裝置，建立裝置方案一：該裝置包括K鄰近點(diǎn)信息獲取模塊、綜合特征值計(jì)算模塊、判斷模塊和建立模塊，所述的K鄰近點(diǎn)信息獲取模塊用于獲取空間環(huán)境數(shù)據(jù)中各點(diǎn)的K鄰近點(diǎn)信息；所述的綜合特征值計(jì)算模塊用于根據(jù)K鄰近點(diǎn)信息獲取模塊得到的各點(diǎn)的K鄰近點(diǎn)信息計(jì)算各點(diǎn)的曲面變化度和方向?qū)?shù)，并根據(jù)各點(diǎn)的曲面變化度和方向?qū)?shù)計(jì)算各點(diǎn)的綜合特征值；所述的判斷模塊用于判斷各點(diǎn)綜合特征值是否大于第一設(shè)定閾值，并將大于第一設(shè)定閾值的點(diǎn)作為特征點(diǎn)保留；所述的建立模塊用于根據(jù)判斷模塊中保留的特征點(diǎn)建立空間環(huán)境數(shù)據(jù)模型。建立裝置方案二：在建立裝置方案一的基礎(chǔ)上，所述的判斷模塊還需判斷小于第一設(shè)定閾值的點(diǎn)是否分布均勻，若分布均勻，則對(duì)其進(jìn)行間隔采樣，否則，計(jì)算該點(diǎn)與其對(duì)應(yīng)的K鄰近點(diǎn)平均距離，將平均距離大于第二設(shè)定閾值的點(diǎn)保留，將平均距離小于等于第二設(shè)定閾值的點(diǎn)刪除。本發(fā)明還提供了一種空間環(huán)境數(shù)據(jù)多尺度顯示方法，顯示方法方案一：該顯示方法包括以下步驟：1).獲取空間環(huán)境數(shù)據(jù)，并確定的空間環(huán)境數(shù)據(jù)中各點(diǎn)的K鄰近點(diǎn)信息；2).根據(jù)空間環(huán)境數(shù)據(jù)中各點(diǎn)及其K鄰近點(diǎn)計(jì)算各點(diǎn)的曲面變化度和方向?qū)?shù)，并根據(jù)各點(diǎn)的曲面變化度和方向?qū)?shù)計(jì)算各點(diǎn)的綜合特征值；3).判斷各點(diǎn)綜合特征值是否大于第一設(shè)定閾值，將大于第一設(shè)定閾值的點(diǎn)作為特征點(diǎn)保留；4).根據(jù)保留的特征點(diǎn)建立空間環(huán)境數(shù)據(jù)模型；5).對(duì)得到的空間環(huán)境數(shù)據(jù)模型進(jìn)行渲染，以實(shí)現(xiàn)對(duì)空間環(huán)境數(shù)據(jù)的顯示。顯示方法方案二：在顯示方法方案一的基礎(chǔ)上，所步驟1)-4)采用一個(gè)線程，所述步驟5)采用另一個(gè)線程，兩個(gè)線程相互獨(dú)立。本發(fā)明的有益效果是:本發(fā)明首先獲取空間環(huán)境數(shù)據(jù)，并確定的空間環(huán)境數(shù)據(jù)中各點(diǎn)的K鄰近點(diǎn)信息；然后根據(jù)空間環(huán)境數(shù)據(jù)中各點(diǎn)及其K鄰近點(diǎn)計(jì)算各點(diǎn)的曲面變化度和方向?qū)?shù)，并根據(jù)各點(diǎn)的曲面變化度和方向?qū)?shù)計(jì)算各點(diǎn)的綜合特征值；判斷各點(diǎn)綜合特征值是否大于第一設(shè)定閾值，將大于第一設(shè)定閾值的點(diǎn)作為特征點(diǎn)保留，最后根據(jù)保留的特征點(diǎn)進(jìn)行多尺度模型構(gòu)建。本發(fā)明的多尺度模型不僅考慮了空間環(huán)境數(shù)據(jù)的幾何特征，還考慮了空間環(huán)境數(shù)據(jù)的屬性特征，所建的模型能夠準(zhǔn)確表達(dá)空間環(huán)境數(shù)據(jù)。對(duì)于特征不明顯區(qū)域，本發(fā)明需要依據(jù)領(lǐng)域平均距離判斷數(shù)據(jù)點(diǎn)是否保留，除此以外，當(dāng)空間環(huán)境點(diǎn)分布較為均勻時(shí)，領(lǐng)域平均距離較為接近，此時(shí)無法依據(jù)此參數(shù)進(jìn)行特征不明顯區(qū)域的簡化，對(duì)于此種情況可以直接對(duì)點(diǎn)進(jìn)行間隔采樣，既簡單又可有效避免“空洞”的出現(xiàn)。附圖說明圖1是地球靜止軌道的粒子和地磁活動(dòng)的狀況示意圖；圖2-a是采用點(diǎn)表示法繪制的太陽風(fēng)絕對(duì)密度平靜時(shí)的效果圖；圖2-b是采用面表示法表達(dá)的太陽風(fēng)絕對(duì)密度黃道面剖面效果圖；圖2-c是用體繪制表達(dá)的電離層溫度繪制效果圖；圖3是KD樹分割示意圖；圖4是本發(fā)明空間環(huán)境數(shù)據(jù)的多尺度模型構(gòu)建方法的流程圖；圖5是中國區(qū)域不同時(shí)間電離層電子總含量監(jiān)測結(jié)果圖；圖6是空間環(huán)境數(shù)據(jù)的多尺度模型構(gòu)建優(yōu)化流程圖；圖7是多線程+CUDA架構(gòu)流程圖；圖8是線程組織結(jié)構(gòu)示意圖；圖9是K鄰近點(diǎn)記錄格式示意圖；圖10是實(shí)驗(yàn)所采用顯卡的詳細(xì)參數(shù)配置圖；圖11-a是軌道線多尺度表達(dá)的原始數(shù)據(jù)；圖11-b是視點(diǎn)距離為20000km軌道線的表達(dá)效果圖；圖11-c是視點(diǎn)距離為50000km軌道線的表達(dá)效果圖；圖11-d是視點(diǎn)距離為150000km軌道線的表達(dá)效果圖；圖12-a是規(guī)則格網(wǎng)面多尺度表達(dá)的原始數(shù)據(jù)；圖12-b是視點(diǎn)距離為20000km規(guī)則格網(wǎng)面的表達(dá)效果圖；圖12-c是視點(diǎn)距離為50000km規(guī)則格網(wǎng)面的表達(dá)效果圖；圖12-d是視點(diǎn)距離為150000km規(guī)則格網(wǎng)面的表達(dá)效果圖；圖13-a是不規(guī)則格網(wǎng)面多尺度表達(dá)的原始數(shù)據(jù)圖13-b是視點(diǎn)距離為20000km時(shí)的不規(guī)則格網(wǎng)面的表達(dá)效果圖；圖13-c是視點(diǎn)距離為50000km時(shí)的不規(guī)則格網(wǎng)面的表達(dá)效果圖；圖13-d是視點(diǎn)距離為150000km時(shí)的不規(guī)則格網(wǎng)面的表達(dá)效果圖；圖14-a是不規(guī)則格網(wǎng)面多尺度表達(dá)中只采用方向?qū)?shù)進(jìn)行特征點(diǎn)提取的原始數(shù)據(jù)數(shù)據(jù)顯示效果圖；圖14-b是視點(diǎn)距離為20000km時(shí)的提取方向?qū)?shù)特征點(diǎn)的效果圖；圖14-c是視點(diǎn)距離為50000km時(shí)的提取方向?qū)?shù)特征點(diǎn)的效果圖；圖14-d是視點(diǎn)距離為150000km時(shí)的提取方向?qū)?shù)特征點(diǎn)的效果圖；圖15-a是規(guī)則格網(wǎng)場多尺度表達(dá)中采用的原始數(shù)據(jù)顯示效果圖；圖15-b是視點(diǎn)距離為20000km時(shí)的規(guī)則格網(wǎng)場的表達(dá)效果圖；圖15-c是視點(diǎn)距離為50000km時(shí)的規(guī)則格網(wǎng)場的表達(dá)效果圖；圖15-d是視點(diǎn)距離為150000km時(shí)的規(guī)則格網(wǎng)場的表達(dá)效果圖；圖16-a是不規(guī)則格網(wǎng)場多尺度表達(dá)中采用的原始數(shù)據(jù)顯示效果圖；圖16-b是視點(diǎn)距離為20000km時(shí)的不規(guī)則格網(wǎng)場的表達(dá)效果圖；圖16-c是視點(diǎn)距離為50000km時(shí)的不規(guī)則格網(wǎng)場的表達(dá)效果圖；圖16-d是視點(diǎn)距離為150000km時(shí)的不規(guī)則格網(wǎng)場的表達(dá)效果圖；圖17-a是方向?qū)?shù)閾值與視點(diǎn)距離函數(shù)關(guān)系參數(shù)不同取值的表達(dá)效果圖；圖17-b是方向?qū)?shù)閾值與視點(diǎn)距離函數(shù)關(guān)系參數(shù)不同取值的表達(dá)效果圖；圖17-c是方向?qū)?shù)閾值與視點(diǎn)距離函數(shù)關(guān)系參數(shù)不同取值的表達(dá)效果圖；圖17-d是方向?qū)?shù)閾值與視點(diǎn)距離函數(shù)關(guān)系參數(shù)不同取值的表達(dá)效果圖；圖18是特征參數(shù)計(jì)算時(shí)間曲線圖。具體實(shí)施方式下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式做進(jìn)一步的說明。本發(fā)明從空間環(huán)境數(shù)據(jù)的幾何和屬性特征出發(fā)，建立空間環(huán)境數(shù)據(jù)的多尺度模型，提出一種綜合考慮幾何與屬性特征的空間環(huán)境多尺度模型建立方法，同時(shí)空間環(huán)境數(shù)據(jù)巨大，隨著時(shí)間的推移空間環(huán)境數(shù)據(jù)會(huì)頻繁更新，本發(fā)明還對(duì)該方法進(jìn)行了優(yōu)化，以支持空間環(huán)境多尺度模型的實(shí)時(shí)建立。此外，本發(fā)明還在空間環(huán)境多尺度模型建立的基礎(chǔ)上，提供了一種空間環(huán)境數(shù)據(jù)多尺度顯示方法?？臻g環(huán)境數(shù)據(jù)多尺度模型建立方法的實(shí)施例1本實(shí)施例中空間環(huán)境數(shù)據(jù)多尺度模型建立方法的流程如圖4所示，具體的實(shí)施步驟如下：1.獲取空間環(huán)境數(shù)據(jù)，并確定的空間環(huán)境數(shù)據(jù)中各點(diǎn)的K鄰近點(diǎn)信息?？臻g環(huán)境數(shù)據(jù)中，計(jì)算點(diǎn)的特征值，一般需要周圍的K近鄰點(diǎn)參與運(yùn)算，單獨(dú)的一個(gè)點(diǎn)無法計(jì)算。K近鄰點(diǎn)的搜索，最簡單是計(jì)算目標(biāo)點(diǎn)與所有點(diǎn)的距離，然后進(jìn)行排序，最后保留下K個(gè)點(diǎn)，但是當(dāng)點(diǎn)數(shù)據(jù)很多時(shí)，這種方法非常耗時(shí)。目前索引最鄰近方法主要由K鄰近點(diǎn)計(jì)算方法、KD樹鄰近點(diǎn)索引法、Voronoi鄰近點(diǎn)索引等，本實(shí)施例采用KD方法對(duì)空間環(huán)境數(shù)據(jù)建立索引來獲取最近的K個(gè)點(diǎn)。KD樹是JonLouisBentley在1975年提出的一種空間劃分樹，其可實(shí)現(xiàn)K鄰近點(diǎn)的快速檢索。二維空間中KD樹的生成如圖3所示，首先按照X軸劃分，計(jì)算所有離散點(diǎn)X值的平均值，以該平均值將二維空間劃分成兩個(gè)子空間，然后分別在這兩個(gè)子空間中計(jì)算所有點(diǎn)Y值的平均值，以該Y平均值再次劃分兩個(gè)子空間，在得到的子空間中再按X值劃分。依次類推，直到劃分的子空間中只有一個(gè)點(diǎn)，這個(gè)過程對(duì)應(yīng)一個(gè)二叉樹，二叉樹的分支節(jié)點(diǎn)對(duì)應(yīng)一條分割線，而葉子節(jié)點(diǎn)對(duì)應(yīng)一個(gè)點(diǎn)，確保了構(gòu)建的KD樹中不存在“無點(diǎn)空間”。當(dāng)有n個(gè)點(diǎn)時(shí)，KD樹的建立時(shí)間復(fù)雜度為O(n*log(n))。利用KD樹搜索與某一點(diǎn)距離最近的K個(gè)點(diǎn)的過程成為KD樹搜索，其方法是通過計(jì)算所有點(diǎn)與某一中心點(diǎn)的歐式距離，比較出最近的K個(gè)點(diǎn)，通過鄰近點(diǎn)的搜索從樹的底層開始，即空間的小區(qū)域開始，逐漸向樹的上層空間區(qū)域搜索，從而提高了空間搜索最近點(diǎn)的效率。2.計(jì)算曲面變化度曲率反映了幾何體的不平坦程度，曲率越大越不平坦，曲率為屬性一致的空間環(huán)境的多尺度表達(dá)。目前曲率計(jì)算的方法主要是曲面擬合后計(jì)算曲面的曲率或者構(gòu)建三角網(wǎng)后計(jì)算三角網(wǎng)頂點(diǎn)的曲率。這兩種方式極端比較復(fù)雜、耗時(shí)長。曲面變化度σ(p)用于表征幾何體不平坦程度的參量，該參量能夠采用數(shù)據(jù)點(diǎn)的K鄰近點(diǎn)進(jìn)行協(xié)方差分析來估算，該參量代表了曲面曲率來表示曲面的不平坦程度。假設(shè)需要計(jì)算p點(diǎn)處的曲面變化度，p1,p2,…,pk為p點(diǎn)的K鄰近點(diǎn)，pa為這些點(diǎn)的平均位置：其構(gòu)成的協(xié)方差矩陣C為：則曲面變化度σ(p)的計(jì)算公式為：其中λ1、λ2和λ3為協(xié)方差矩陣C的特征值，C是一個(gè)對(duì)稱的半整定矩陣，λ1、λ2和λ3都為實(shí)數(shù)，其中λ1≤λ2≤λ3，從公式(3)可知，σ(p)最大值為1/3，此時(shí)曲面最不平坦，σ(p)最小值是0，此時(shí)所有的點(diǎn)都在同一個(gè)平面上。由于矩陣的特征值在相似變換下保持不變，因此曲面變化度σ(p)還具有尺度不變形。3.計(jì)算方向?qū)?shù)值曲面變化程度主要用來反映幾何體的不平坦程度，但是本發(fā)明的多尺度模型，除了需要考慮幾何特征外還需要考慮屬性特征，由于曲面變化度無法反映屬性的變化情況，因此本發(fā)明將梯度引入到多尺度模型中，線、面、場都是由點(diǎn)聚合而成，從另外一個(gè)角度看，點(diǎn)、線、面則都可以看成是點(diǎn)組成的場數(shù)據(jù)?？臻g區(qū)域D的每點(diǎn)M(x,y,z)對(duì)應(yīng)一個(gè)數(shù)量值它在此空間區(qū)域D上就構(gòu)成一個(gè)標(biāo)量場，用點(diǎn)M(x,y,z)的標(biāo)函數(shù)表示，將數(shù)量值換成矢量值R(x,y,z)，空間區(qū)域D上構(gòu)成矢量場。梯度定義為：的方向與過點(diǎn)(x,y,z)的等量面的法線方向N重合，并指向增加的一方，其函數(shù)變化率最大的方向，它的長度是可見，梯度是用開描述屬性值的變化率，公式(4)給出的是連續(xù)函數(shù)的表達(dá)式，而本發(fā)明的場數(shù)據(jù)主要是一些離散點(diǎn)構(gòu)成，如通過該函數(shù)來擬合得到再進(jìn)行梯度計(jì)算時(shí)，計(jì)算會(huì)非常復(fù)雜，因此本發(fā)明采用方向?qū)?shù)值來描述屬性的變化率，方向?qū)?shù)在方向l上的變化率，等于梯度在方向l上的投影，具體公式如下：其中，l＝(cosα,cosβ,cosγ)為方向l的單位矢量，(α,β,γ)為其方向角，該式無法直接用于空間環(huán)境的離散點(diǎn)數(shù)據(jù)，因此本發(fā)明在式(5)的基礎(chǔ)上進(jìn)行改進(jìn)，通過公式(6)來計(jì)算離散點(diǎn)數(shù)據(jù)的方向?qū)?shù)。其中Gi(p)為點(diǎn)p在點(diǎn)pi方向上的方向?qū)?shù)值，梯度值是函數(shù)變化率的最大值，因此，本發(fā)明取方向?qū)?shù)中的最大方向?qū)?shù)作為屬性特征參數(shù)值來進(jìn)行判斷，以盡量接近梯度值，如下式：G(p)＝max{G0(p),G1(p),...,GK(p)}(7)點(diǎn)的最大方向?qū)?shù)值反映了該點(diǎn)對(duì)該區(qū)域的空間環(huán)境變化的貢獻(xiàn)程度，點(diǎn)的最大方向?qū)?shù)值越大,說明該點(diǎn)對(duì)該區(qū)域的空間環(huán)境變化貢獻(xiàn)越大，反之，則越小。因此，根據(jù)空間環(huán)境點(diǎn)的最大方向?qū)?shù)值可探測點(diǎn)對(duì)空間環(huán)境變化的影響程度，在簡化過程中提取那些對(duì)空間環(huán)境變化貢獻(xiàn)較大的點(diǎn)予以保留，從而保持空間環(huán)境的整體分布特征。4.計(jì)算綜合特征。曲面變化度是用來描述幾何特征，方向?qū)?shù)是用來描述屬性特征，屬性值一致的空間環(huán)境數(shù)據(jù)可以用曲面變化度進(jìn)行多尺度表達(dá)，屬性不一致的空間環(huán)境數(shù)據(jù)則需要用方向?qū)?shù)進(jìn)行多尺度表達(dá)，但是對(duì)于屬性值不一致的地方，只考慮屬性特征，不考慮幾何特征時(shí)顯然是不合適的，為此需要構(gòu)建一個(gè)綜合特征，以便考慮幾何和屬性特征，本發(fā)明所建立的綜合特征計(jì)算公式如下：F＝w1σ(p)+w2G(p)(8)其中w1和w2分別為曲面變化度和方向?qū)?shù)的權(quán)值，權(quán)值的確定需要根據(jù)多尺度表達(dá)的需要確定，需要更多的考慮幾何因素時(shí)，增加曲面變化度的權(quán)值w1的大小，當(dāng)w1＝1且w2＝0時(shí)，綜合特征參數(shù)變?yōu)榍孀兓?，用來處理屬性一致的空間環(huán)境數(shù)據(jù)；當(dāng)需要更多考慮屬性因素時(shí)，增加梯度的權(quán)值w2的大小。5.判斷各點(diǎn)綜合特征是否大于第一設(shè)定閾值，將大于第一設(shè)定閾值的點(diǎn)作為特征點(diǎn)保留。對(duì)于給定第一設(shè)定閾值FT，某個(gè)數(shù)據(jù)點(diǎn)的綜合特征F于FT時(shí)，該點(diǎn)為特征點(diǎn)，予以保留；當(dāng)綜合特征值小于閾值FT時(shí)，該點(diǎn)為非特征點(diǎn)予以刪除。這是特征比較明顯的區(qū)域，當(dāng)特征不明顯的區(qū)域，區(qū)域內(nèi)可能所有點(diǎn)的特征值都小于閾值FT，如果全部都刪除，如前所述會(huì)出現(xiàn)“空洞”，為此在特征不明顯區(qū)域需要依據(jù)領(lǐng)域平均距離判斷數(shù)據(jù)點(diǎn)是否保留。除此以外，當(dāng)空間環(huán)境點(diǎn)分布較為均勻時(shí)，領(lǐng)域平均距離較為接近，此時(shí)無法依據(jù)此參數(shù)進(jìn)行特征不明顯區(qū)域的簡化，對(duì)于此種情況可以直接對(duì)點(diǎn)進(jìn)行間隔采樣，既簡單又可有效避免“空洞”的出現(xiàn)。對(duì)于特征不明顯區(qū)域的間隔采樣，采樣間隔點(diǎn)數(shù)IntervalNum與視點(diǎn)距離dis相關(guān)。對(duì)于點(diǎn)是否均勻采用K近鄰點(diǎn)距離方差去判斷(同樣需要一個(gè)經(jīng)驗(yàn)閾值)，這樣相當(dāng)于將計(jì)算K近鄰點(diǎn)距離的步驟提前，可以用如下公式表示：其中D為K近鄰點(diǎn)距離方差，M為K近鄰點(diǎn)平均距離，方差小代表點(diǎn)分布比較均勻，直接間隔采樣；方差大代表不均勻，進(jìn)一步求平均距離是否大于第二設(shè)定閾值，距離大于第二設(shè)定閾值反映周圍點(diǎn)密度比較小，比較稀疏，予以保留，否則刪除。多尺度模型構(gòu)建時(shí)，每個(gè)尺度對(duì)閾值都有不同的要求，在三維虛擬環(huán)境中，視點(diǎn)距離與尺度密切相關(guān)，視點(diǎn)距離越遠(yuǎn)，空間環(huán)境的尺度越大，所要表達(dá)的空間環(huán)境數(shù)據(jù)越粗略，反之則越精細(xì)。在地形的表達(dá)中，目前常用的方法是提前將地形數(shù)據(jù)分層分塊建立數(shù)據(jù)金字塔，這種方法的好處是調(diào)度時(shí)速度快，缺點(diǎn)是這些分層數(shù)據(jù)是按照固定的幾個(gè)尺度下的分層數(shù)據(jù)，相鄰尺度之間存在跳躍，無法實(shí)現(xiàn)無縫的多尺度表達(dá)，為此本發(fā)明建立閾值與視點(diǎn)距離的函數(shù)關(guān)系，這樣一方面不用提前分好固定的幾層，另一方面也可以實(shí)現(xiàn)無縫多尺度表達(dá)。當(dāng)尺度變化時(shí)，根據(jù)視點(diǎn)距離計(jì)算涉及到的各項(xiàng)閾值，重新建立該尺度下的表達(dá)內(nèi)容；當(dāng)空間環(huán)境數(shù)據(jù)發(fā)生變化時(shí)(如不同時(shí)間的空間環(huán)境數(shù)據(jù))，則按照上述流程對(duì)空間環(huán)境數(shù)據(jù)中的每個(gè)點(diǎn)重新進(jìn)行處理，最終建立空間環(huán)境的多尺度表達(dá)模型，多尺度模型構(gòu)建時(shí)，每個(gè)尺度下的空間環(huán)境數(shù)據(jù)處理都是在原始尺度基礎(chǔ)上進(jìn)行處理的。閾值T和視點(diǎn)距離dis的函數(shù)關(guān)系采用線性函數(shù)關(guān)系，如下式所示：T＝a×dis+b(9)其中參數(shù)a、b根據(jù)具體的數(shù)據(jù)和表達(dá)需求來確定?？臻g環(huán)境數(shù)據(jù)多尺度模型建立方法的實(shí)施例2隨著時(shí)間的推演，空間環(huán)境數(shù)據(jù)會(huì)出現(xiàn)不斷的更新，例如，我國上空的電離層電子總含量隨著時(shí)間的推進(jìn)而發(fā)生變化，如圖5所示，因此以某一時(shí)刻數(shù)據(jù)建立的多尺度表達(dá)模型無法適用于其它時(shí)刻。另外空間環(huán)境數(shù)據(jù)尤其是場數(shù)據(jù)，體量巨大，如果采用海量地形數(shù)據(jù)可視化的方法，提前對(duì)數(shù)據(jù)進(jìn)行處理建立空間環(huán)境數(shù)據(jù)多尺度表達(dá)模型，其一方面工作量巨大，影響時(shí)效性，另一方面，提前處理只能生成離散的層數(shù)據(jù)，無法實(shí)現(xiàn)無縫多尺度表達(dá)，因此本發(fā)明對(duì)空間環(huán)境多尺度表達(dá)進(jìn)行優(yōu)化，以支持實(shí)時(shí)表達(dá)。本實(shí)施例是在實(shí)施例1基礎(chǔ)上的進(jìn)一步優(yōu)化，根據(jù)圖4建立的多尺度模型，每個(gè)不同的尺度都需要重新進(jìn)行K臨近搜索和特征參數(shù)計(jì)算，但在實(shí)際的模型構(gòu)建中很多步驟是重復(fù)的?？臻g環(huán)境多尺度模型建立中，K鄰近點(diǎn)只與空間環(huán)境數(shù)據(jù)點(diǎn)的空間位置有關(guān)，該步驟又是比較耗時(shí)的部分，例如當(dāng)測試200000個(gè)點(diǎn)進(jìn)行K為15的緊鄰點(diǎn)搜索時(shí)間為3100.8ms，當(dāng)空間環(huán)境數(shù)據(jù)點(diǎn)的空間位置不變時(shí)，其它時(shí)刻的空間環(huán)境多尺度模型構(gòu)建可采用之前的K鄰近點(diǎn)信息，以節(jié)約大量的K鄰近搜索時(shí)間。由于多尺度模型構(gòu)建是在原始數(shù)據(jù)上進(jìn)行的，當(dāng)空間環(huán)境數(shù)據(jù)不發(fā)生變化時(shí)，只進(jìn)行一次的特征參數(shù)計(jì)算即可，不同尺度下的模型構(gòu)建只需要根據(jù)視點(diǎn)距離計(jì)算各設(shè)定閾值，并根據(jù)對(duì)應(yīng)尺度下的設(shè)定閾值判斷相應(yīng)點(diǎn)是否刪除即可，該方法的流程如圖6所示。本發(fā)明空間環(huán)境數(shù)據(jù)多尺度模型建立方法的實(shí)施例3在多尺度模型建立過程中比較耗時(shí)的另外一個(gè)步驟是綜合特征參數(shù)的計(jì)算部分。而每個(gè)空間環(huán)境數(shù)據(jù)的特征計(jì)算只和原始K鄰近點(diǎn)發(fā)生關(guān)系，具有并行特性，因此，為了進(jìn)一步提高空間環(huán)境數(shù)據(jù)多尺度模型的構(gòu)建效率，本發(fā)明采用CUDA架構(gòu)的GPU加速方法對(duì)特征參數(shù)的計(jì)算進(jìn)行優(yōu)化，GPU開發(fā)中采用NVDIA公司2007年6月推出的統(tǒng)一計(jì)算設(shè)備架構(gòu)(ComputeUnifiedDeviceArchitecture，CUDA)，可采用類C語言完成GPU的高性能通用計(jì)算的開發(fā)，無須采用傳統(tǒng)的圖形API方式，一經(jīng)推出就成為了各個(gè)領(lǐng)域的研究熱點(diǎn)，在很多方面得到了很好應(yīng)用，因此本發(fā)明采用CUDA架構(gòu)來完成GPU的計(jì)算?；贑UDA開發(fā)的程序代碼分為兩大部分，一部分是運(yùn)行在CPU上的宿主(host)代碼，一部分是運(yùn)行在GPU上的設(shè)備(device)代碼，運(yùn)行在GPU上的并行程序成為核函數(shù)(kernel)。如圖8所示，在CUDA程序中，線程(thread)是基本的運(yùn)算單元，一定數(shù)量的線程構(gòu)成線程塊(block)，一定數(shù)量的block構(gòu)成網(wǎng)格(grid)，同一個(gè)kernel可以運(yùn)行在一個(gè)grid包含的所有block中的thread。為了充分利用GPU的計(jì)算資源，必須合理地確定block數(shù)和每個(gè)block中的線程數(shù)以及共享內(nèi)存的大小，同時(shí)設(shè)計(jì)好核函數(shù)來提高并行度。本發(fā)明所用的GPU上，每個(gè)block最多能包含1024個(gè)thread，定義block的大小為dim3(1024),grid的大小為dim3((unsignedint)ceil(Num/(float)block.x))，其中ceil()函數(shù)的作用是求不小于給定實(shí)數(shù)的最小正數(shù)，Num為空間環(huán)境點(diǎn)數(shù)目。對(duì)應(yīng)于前面的特征計(jì)算，本發(fā)明的核函數(shù)主要設(shè)計(jì)K鄰近點(diǎn)平均距離、曲面變化度、方向?qū)?shù)以及綜合特征4個(gè)特征參數(shù)值的計(jì)算，其具體的計(jì)算步驟如下：1).獲取所有點(diǎn)的K鄰近點(diǎn)信息；2).將空間環(huán)境數(shù)據(jù)、其對(duì)應(yīng)的K鄰近點(diǎn)信息從主機(jī)內(nèi)存拷貝到設(shè)備內(nèi)存；3).執(zhí)行核函數(shù)，計(jì)算特征參數(shù)值；4).將處理結(jié)果由設(shè)備內(nèi)存拷貝到主機(jī)內(nèi)存。通過上述步驟1)-4)后，就可計(jì)算出每個(gè)環(huán)境數(shù)據(jù)點(diǎn)的特征值。K鄰近點(diǎn)信息只記錄點(diǎn)號(hào)，其形式是一個(gè)連續(xù)記錄的一維數(shù)組，其形式如圖9所示。其中m個(gè)點(diǎn)的K鄰近點(diǎn)中的第n個(gè)鄰近點(diǎn)的獲取方式為N[m×K+n]。核函數(shù)的偽代碼如下：其中_global_是聲明核函數(shù)的關(guān)鍵字，步驟1是為了計(jì)算當(dāng)前空間環(huán)境數(shù)據(jù)的索引值；步驟2是根據(jù)當(dāng)前點(diǎn)的K鄰近信息計(jì)算各特征參數(shù)并將結(jié)果保存到相應(yīng)的數(shù)組中。經(jīng)過上述優(yōu)化，空間環(huán)境多尺度模型中的特征參數(shù)計(jì)算可以充分利用GPU的并行特性，同時(shí)可對(duì)眾多空間環(huán)境點(diǎn)進(jìn)行綜合特征計(jì)算。本發(fā)明空間環(huán)境數(shù)據(jù)多尺度模型構(gòu)建裝置的實(shí)施例該裝置包括K鄰近點(diǎn)信息獲取模塊、綜合特征值計(jì)算模塊、判斷模塊和建立模塊，K鄰近點(diǎn)信息獲取模塊用于獲取空間環(huán)境數(shù)據(jù)中各點(diǎn)的K鄰近點(diǎn)信息；綜合特征值計(jì)算模塊用于根據(jù)K鄰近點(diǎn)信息獲取模塊得到的各點(diǎn)的K鄰近點(diǎn)信息計(jì)算各點(diǎn)的曲面變化度和方向?qū)?shù)，并根據(jù)各點(diǎn)的曲面變化度和方向?qū)?shù)計(jì)算各點(diǎn)的綜合特征值；判斷模塊用于判斷各點(diǎn)綜合特征值是否大于第一設(shè)定閾值，并將大于第一設(shè)定閾值的點(diǎn)作為特征點(diǎn)保留；建立模塊用于根據(jù)判斷模塊中保留的特征點(diǎn)建立空間環(huán)境數(shù)據(jù)模型。各模塊的具體實(shí)現(xiàn)手段已在方法的實(shí)施例中進(jìn)行詳細(xì)說明，這里不再贅述。本發(fā)明空間環(huán)境多尺度顯示方法的實(shí)施例本實(shí)施例中的空間環(huán)境多尺度顯示方法是在本發(fā)明的模型構(gòu)建方法的基礎(chǔ)上，對(duì)得到的空間環(huán)境數(shù)據(jù)模型進(jìn)行渲染，以實(shí)現(xiàn)對(duì)空間環(huán)境數(shù)據(jù)的顯示。同時(shí)為了防止空間環(huán)境表達(dá)過程中出現(xiàn)停滯感，將空間環(huán)境的渲染和多尺度模型的建立采用不同的線程來完成，當(dāng)多尺度模型建立線程完成模型的建立后，再將計(jì)算結(jié)果交給空間環(huán)境渲染線程進(jìn)行渲染表達(dá)，進(jìn)一步增強(qiáng)了空間環(huán)境多尺度表達(dá)的實(shí)時(shí)性，整個(gè)過程如圖7所示。此外，當(dāng)空間環(huán)境數(shù)據(jù)量超出GPU內(nèi)存，無法一次性將數(shù)據(jù)傳輸?shù)紾PU時(shí)，可將空間環(huán)境數(shù)據(jù)進(jìn)行分塊處理。為了驗(yàn)證本發(fā)明的有效性，本實(shí)驗(yàn)將本發(fā)明的空間環(huán)境多尺度模型建立方法應(yīng)用到InSpace系統(tǒng)中，實(shí)驗(yàn)平臺(tái)的配置如表1所示，其中顯卡的詳細(xì)參數(shù)如圖10所示。表1CPUIntel(R)Core(TM)i5-2430MCPU@2.40GHz2.40GHz內(nèi)存4G顯卡NVIDIANVS4200M(1G內(nèi)存)空間環(huán)境可以分為點(diǎn)、線、面和場數(shù)據(jù)，單個(gè)點(diǎn)數(shù)據(jù)的表達(dá)方式比較簡單，本實(shí)驗(yàn)沒有涉及，所用數(shù)據(jù)類型主要為線、面和場三類數(shù)據(jù)。目前空間環(huán)境數(shù)據(jù)的來源主要是實(shí)測數(shù)據(jù)和空間環(huán)境模式生成兩類，由于實(shí)測數(shù)據(jù)來源受限，本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)主要是通過相應(yīng)的空間環(huán)境模式來生成。本發(fā)明的實(shí)驗(yàn)主要是驗(yàn)證多尺度表達(dá)的效果，是否為實(shí)測數(shù)據(jù)并不會(huì)對(duì)本發(fā)明研究產(chǎn)生影響，另外，空間環(huán)境模式可以根據(jù)需要生成不同分布、不同數(shù)據(jù)量的線、面、體數(shù)據(jù)，反而更加有利于實(shí)驗(yàn)驗(yàn)證。本實(shí)驗(yàn)采用的空間環(huán)境模式是NeQuick電離層模式，NeQuick模式是由意大利薩拉姆國際理論物理中心與奧地利格拉茨大學(xué)聯(lián)合提出的電離層模式，該模式可以計(jì)算任意點(diǎn)的垂直以及斜距方向的電子總含量，也可以計(jì)算某一時(shí)刻給定位置處的電子密度。本實(shí)驗(yàn)采用NeQuick生成的電離層電子密度數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，雖然實(shí)驗(yàn)中只采用了電子密度參量，但是并不影響對(duì)方法有效性的驗(yàn)證。由于電子密度數(shù)量級(jí)較大，所以本實(shí)驗(yàn)將電子密度取對(duì)數(shù)作為屬性參量，實(shí)驗(yàn)中生成了以下幾類數(shù)據(jù)：(1)線數(shù)據(jù)實(shí)際監(jiān)測中，線數(shù)據(jù)主要是由搭載在航天器上的傳感器獲取，因此本實(shí)驗(yàn)?zāi)M的線數(shù)據(jù)以對(duì)地觀測衛(wèi)星SPOT5(編號(hào)：27421)的軌道為輸入?yún)?shù)來模擬生成線數(shù)據(jù)，SPOT5衛(wèi)星的具體參數(shù)如表2所示。模擬時(shí)間間隔為0.1秒，時(shí)長為SPOT5衛(wèi)星的一個(gè)軌道周期，模擬開始時(shí)間是2010年03月15日2時(shí)整(UTC時(shí))，生成的線數(shù)據(jù)共有60842個(gè)數(shù)據(jù)點(diǎn)。表2軌道高度軌道速度軌道傾角過境時(shí)間軌道類型軌道周期832km約7.4km/s98.7°10:30AM太陽同步101.4min(2)面數(shù)據(jù)面數(shù)據(jù)的模擬采用規(guī)則格網(wǎng)和不規(guī)則格網(wǎng)兩種方法，規(guī)則格網(wǎng)法是采用一定高度上的等經(jīng)緯網(wǎng)格點(diǎn)為輸入?yún)?shù)，模擬時(shí)間是2010年03月15日2時(shí)整(UTC時(shí))，經(jīng)緯度網(wǎng)格的間隔是0.5°，高度是400km，模擬生成的數(shù)據(jù)點(diǎn)為259200個(gè)。不規(guī)則格網(wǎng)模擬方法是在一定高度上隨機(jī)生成259200個(gè)數(shù)據(jù)點(diǎn)，模擬時(shí)間和高度同規(guī)則格網(wǎng)。(3)場數(shù)據(jù)場數(shù)據(jù)的模擬同樣采用規(guī)則格網(wǎng)和不規(guī)則格網(wǎng)兩種方式進(jìn)行模擬。規(guī)則格網(wǎng)的模擬方式是一定高度范圍內(nèi)，沿經(jīng)緯度方向進(jìn)行等間隔切分，以切分的格網(wǎng)點(diǎn)為輸入?yún)?shù)生成模擬數(shù)據(jù)，高度范圍是[200km，2000km]，采樣間隔為100km，經(jīng)緯度采樣間隔是2°，模擬時(shí)間是2010年03月15日2時(shí)整(UTC時(shí))，模擬生成的數(shù)據(jù)點(diǎn)為291600個(gè)。不規(guī)則場模擬的方法是在高度[200km，2000km]范圍內(nèi)，隨機(jī)生成共259200個(gè)數(shù)據(jù)點(diǎn)。以上模擬的為屬性不一致的空間環(huán)境數(shù)據(jù)，屬性一致的空間環(huán)境數(shù)據(jù)主要有等值線、等值面和等值場，這類數(shù)據(jù)的簡化類似于現(xiàn)有的點(diǎn)云簡化方法，主要考慮幾何特征，目前研究較多，因此本發(fā)明沒有對(duì)這類空間環(huán)境數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。為了方便的比較空間環(huán)境多尺度表達(dá)模型的效果，對(duì)線、面、場幾個(gè)類型的空間環(huán)境數(shù)據(jù)都采用點(diǎn)表示法進(jìn)行表達(dá)，每個(gè)點(diǎn)根據(jù)其屬性值進(jìn)行分層設(shè)色，下面從三個(gè)方面詳細(xì)說明本次實(shí)驗(yàn)結(jié)果。(1)空間環(huán)境多尺度表達(dá)效果。圖11(11-a、11-b、11-c和11-d)到圖16(包括16-a、16-b、16-c和16-d)分別是線、面和場的多尺度表達(dá)效果，多尺度變換主要限定在視點(diǎn)距離地面10000km～150000km之間。其中圖11-a、圖11-b、圖11-c和圖11-d是軌道線多尺度表達(dá)效果，實(shí)驗(yàn)數(shù)據(jù)是SPOT5的軌道線，所以不考慮其幾何特征，只考慮其屬性特征，另外模擬是采樣等時(shí)間間隔采樣，點(diǎn)分布較為均勻，所以對(duì)屬性特征變化不明顯區(qū)域，采用等間隔采樣。實(shí)驗(yàn)中近鄰點(diǎn)個(gè)數(shù)K取值為15、綜合特征參數(shù)中的w1取0，w2取1，綜合特征參數(shù)閾值與視點(diǎn)距離的函數(shù)關(guān)系中a取5×10-4，b取6.5×10-5。對(duì)于特征不明顯區(qū)域的間隔采樣，采樣間隔點(diǎn)數(shù)IntervalNum與視點(diǎn)距離dis相關(guān)，具體公式如下：從圖11-a、圖11-b、圖11-c和圖11-d可以看出，通過建立的多尺度模型，在不同的尺度下，軌道線上所保留的空間環(huán)境點(diǎn)能夠很好的保留屬性特征的分布特征，從視覺上甚至分辨不出其變化。圖12-a、圖12-b、圖12-c和圖12-d是規(guī)則格網(wǎng)面多尺度表達(dá)效果，其中實(shí)驗(yàn)中近鄰點(diǎn)個(gè)數(shù)K取值為15、綜合特征參數(shù)中w1取0，w2取1，綜合特征參數(shù)閾值與視點(diǎn)距離的函數(shù)關(guān)系中a取5×10-4，b取6.5×10-5。特征不明顯區(qū)域的采樣間隔點(diǎn)數(shù)采用公式(6)；圖13-a、圖13-b、圖13-c和圖13-d是不規(guī)則格網(wǎng)面多尺度表達(dá)效果，其中參數(shù)同圖12-a、圖12-b、圖12-c和圖12-d，另外增加K近鄰點(diǎn)平均距離閾值參數(shù)，其與視點(diǎn)距離的函數(shù)關(guān)系中a取100，b取43。圖14-a、圖14-b、圖14-c和圖14-d是不規(guī)則格網(wǎng)面多尺度表達(dá)中只采用方向?qū)?shù)進(jìn)行特征點(diǎn)提取的結(jié)果，圖14-a是原始數(shù)據(jù)數(shù)據(jù)顯示效果，圖14-b到圖14-d依次是視點(diǎn)距離為20000km、50000km和150000km時(shí)的特征點(diǎn)提取結(jié)果，為了進(jìn)行對(duì)比，圖14-b到圖14-d都進(jìn)行了縮放，從實(shí)驗(yàn)結(jié)果可以看出，方向?qū)?shù)可有效提取屬性值變化明顯區(qū)域的空間環(huán)境數(shù)據(jù)點(diǎn)。圖15-a、圖15-b、圖15-c和圖15-d是規(guī)則格網(wǎng)場多尺度表達(dá)效果，其中實(shí)驗(yàn)中近鄰點(diǎn)個(gè)數(shù)K取值仍然為15、綜合特征參數(shù)中w1取0，w2取1，綜合特征參數(shù)閾值與視點(diǎn)距離的函數(shù)關(guān)系中a取2×10-2，b取-1.3×10-3.特征不明顯區(qū)域的采樣間隔點(diǎn)數(shù)同公式(10)；圖16-a、圖16-b、圖16-c和圖16-d是不規(guī)則格網(wǎng)場多尺度表達(dá)效果，其中K取值仍然為15、綜合特征參數(shù)中w1取0.3，w2取0.7，綜合特征參數(shù)閾值與視點(diǎn)距離的函數(shù)關(guān)系中a取0.3，b取-6.9×10-3，另外增加K近鄰點(diǎn)平均距離閾值參數(shù)，其與視點(diǎn)距離的函數(shù)關(guān)系中a取290，b取79。對(duì)應(yīng)尺度下的空間環(huán)境數(shù)據(jù)點(diǎn)數(shù)量以及其在原始空間環(huán)境數(shù)據(jù)中所占的比例如表3所示。表3類型原始數(shù)據(jù)量dis＝20000kmdis＝50000kmdis＝150000km線6084242989(70.1％)28003(46.0％)7373(12.1％)規(guī)則面259200231884(89.5％)147758(57.0％)23097(8.9％)不規(guī)則面259200246970(95.3％)174674(67.4％)22950(8.9％)規(guī)則場291600246695(84.6％)101176(34.7％)39108(13.4％)不規(guī)則場259200238162(91.9％)161763(62.4％)21600(8.3％)從圖11-a、圖11-b、圖11-c和圖11-d到圖15-a、圖15-b、圖15-c和圖15-d及表3的實(shí)驗(yàn)結(jié)果可以得到如下結(jié)論：①建立的空間環(huán)境多尺度表達(dá)模型，能根據(jù)具體的尺度，形成相應(yīng)的空間環(huán)境簡化模型，一方面能減少數(shù)據(jù)量，當(dāng)尺度越大時(shí)，空間環(huán)境數(shù)據(jù)量越少；另一方面，所保留的空間環(huán)境數(shù)據(jù)仍能較好的保持空間環(huán)境的分布特征。②建立的空間環(huán)境多尺度表達(dá)模型，綜合考慮了幾何和屬性特征，采用綜合特征進(jìn)行構(gòu)建，對(duì)特征不明顯的區(qū)域，不是采取簡單的刪除策略，而是利用K近鄰點(diǎn)平均距離以及間隔抽樣進(jìn)行簡化，以避免出現(xiàn)大面積的“空洞”。(2)不同參數(shù)下的表達(dá)效果特征參數(shù)閾值與權(quán)值是決定每個(gè)尺度下空間環(huán)境數(shù)據(jù)點(diǎn)簡化的依據(jù)，為了測試不同的閾值與權(quán)值對(duì)多尺度表達(dá)效果的影響，以本發(fā)明生成的不規(guī)則面數(shù)據(jù)為例，改變相應(yīng)參數(shù)閾值的取值，以觀測多尺度表達(dá)效果。在不規(guī)則面數(shù)據(jù)多尺度表達(dá)的所有參數(shù)閾值中方向?qū)?shù)影響最大，因此這里主要通過改變方向?qū)?shù)閾值與視點(diǎn)距離函數(shù)關(guān)系的參數(shù)進(jìn)行實(shí)驗(yàn)，具體取值如表4所示，視點(diǎn)距離dis值為50000km，表4中“數(shù)據(jù)量”一列是簡化后的數(shù)據(jù)點(diǎn)數(shù)，圖17-a、圖17-b、圖17-c和圖17-d為實(shí)驗(yàn)結(jié)果。表4ab數(shù)據(jù)量圖17-a6×10-45.8×10-5103077圖17-b5×10-46.5×10-5126293圖17-c4×10-47.2×10-5153146圖17-d3×10-47.9×10-5182501由圖17-a、圖17-b、圖17-c和圖17-d及表4的實(shí)驗(yàn)結(jié)果可知，特征參數(shù)閾值與權(quán)值直接決定了多尺度模型的構(gòu)建結(jié)果，方向?qū)?shù)閾值與視點(diǎn)距離函數(shù)關(guān)系的系數(shù)取值不同時(shí)，空間環(huán)境多尺度表達(dá)效果及數(shù)據(jù)簡化率明顯不同，因此需要根據(jù)實(shí)際情況選擇具體的各參數(shù)閾值和權(quán)值。(3)模型構(gòu)建效率為了測試空間環(huán)境多尺度模型構(gòu)建效率，分別模擬不同數(shù)量的不規(guī)則場數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，數(shù)據(jù)模擬的范圍限定在高度[200km，2000km]范圍內(nèi)。表5列出了所有空間環(huán)境點(diǎn)的KD樹構(gòu)建時(shí)間，K近鄰查詢時(shí)間，CPU和GPU兩種方式的特征參數(shù)計(jì)算時(shí)間，某一尺度下所有空間環(huán)境點(diǎn)是否刪除的判斷時(shí)間，表中的時(shí)間以ms為單位，K近鄰查詢中K取值為15。圖18是兩種方式的特征參數(shù)計(jì)算時(shí)間繪制的曲線圖。表5從表5和圖17-a、圖17-b、圖17-c及圖17-d的實(shí)驗(yàn)結(jié)果可以得到如下結(jié)論：①在空間環(huán)境多尺度模型構(gòu)建中，KD樹構(gòu)建和K近鄰搜索最為耗時(shí)，但是使用本發(fā)明的性能優(yōu)化策略后，KD樹構(gòu)建和K近鄰搜索只在空間環(huán)境點(diǎn)位置發(fā)生變化時(shí)才需要重新進(jìn)行，而實(shí)際中，對(duì)于同一類空間環(huán)境要素，其監(jiān)測點(diǎn)往往不發(fā)生改變，因此雖然KD樹構(gòu)建和K近鄰搜索耗時(shí)較大，但是其運(yùn)用次數(shù)較少，不會(huì)對(duì)多尺度模型構(gòu)建產(chǎn)生較大影響，對(duì)于軌道線類型的空間環(huán)境數(shù)據(jù)，由于其往往是順序記錄，臨近關(guān)系明確，因此無需進(jìn)行復(fù)雜的K近鄰搜索。②特征參數(shù)計(jì)算是多尺度模型構(gòu)建中另一個(gè)耗時(shí)較大的步驟，但是相對(duì)于K近鄰搜索，其數(shù)量級(jí)較小，當(dāng)2000000點(diǎn)時(shí)，其消耗的時(shí)間也只有1573.8ms，優(yōu)化后的多尺度模型構(gòu)建中，其主要用于不同時(shí)刻的空間環(huán)境數(shù)據(jù)，此時(shí)，空間環(huán)境點(diǎn)位置不變，只有屬性值發(fā)生改變，實(shí)際監(jiān)測中，時(shí)間分辨率往往較低，通常為分鐘級(jí)。為了滿足空間環(huán)境快速回放或模擬等屬性值快速變化情況下的多尺度模型構(gòu)建，本發(fā)明采用基于CUDA的方法對(duì)特征參數(shù)進(jìn)行了進(jìn)一步優(yōu)化，使特征參數(shù)計(jì)算速度提高10倍左右，如圖18所示。③空間環(huán)境多尺度模型構(gòu)建中最頻繁的步驟是空間環(huán)境點(diǎn)是否刪除的判斷，當(dāng)視點(diǎn)距離發(fā)生變化時(shí)，都需要重新進(jìn)行判斷，但是從表12的實(shí)驗(yàn)結(jié)果來看，該步驟消耗時(shí)間只有毫秒級(jí)。綜上所述，本發(fā)明的空間環(huán)境多尺度表達(dá)方法，完全可以滿足實(shí)時(shí)性需求。以上實(shí)驗(yàn)雖然只是針對(duì)電離層電子密度，但是本發(fā)明針對(duì)的是幾何位置和屬性值，和具體的屬性類型沒有關(guān)系，因此換成其它空間環(huán)境數(shù)據(jù)也可以得到類似的效果。當(dāng)前第1頁1 2 3