基于格网划分的大数据集DEM三维可视化_孙敏

第14卷第6期2002年6月

计算机辅助设计与图形学学报

JOURNAL OF COMP UTER -AIDED DESIGN &COMP UTER GRAPHICS

Vol.14,No.6June,2002

基于格网划分的大数据集DEM 三维可视化

孙　敏1)

　薛　勇2)

　马蔼乃

1)

1)(北京大学遥感与地理信息系统研究所　北京　100871)2)(中国科学院遥感应用研究所开放实验室　北京　100101)

摘要　提出基于格网划分的实时LOD 分层方法,该方法基于DEM 和影像数据固有的栅格特点,使用简单的几何算法即可实现DEM 数据的动态分层,计算量小,可实现对大数据集DEM 数据的实时漫游.关键词　三维地形景观模型,大数据集DEM ,三维可视化中图法分类号　P 208

3D Visualization of Large DEM Data Set Based on Grid Division

Sun Min 1)　Xue Yong 2)　Ma Ainai 1)

(Institute o f Remote Sensing and Geog rap hic I nf ormation System ,P eking University ,Beijing 100871)

(Laboratory of Remote Sensing I nf ormation Sciences ,Institute o f Remote Sensing App lications ,

Ch inese Acad em y of Sciences ,Beijing 100101)

Abstr act In this paper ,a r eal-time LOD division method based on grid division is developed.Based on raster

character istics of DEM a nd image dat a ,this m ethod uses a simple geometr ic algor ithm to implement the dynamic DEM data delamination.It costs much less calcula tion tim e,and could obtain fast visualization a nd animation of large DEM data set .

Key wor ds 3D ter rain landscape model ,large DEM data set ,3D visualizat ion

原稿收到日期:2001-05-14;修改稿收到日期:2001-10-09.本课题得到中国科学院知识创新工程数字地球基础理论研究项目(KZCX 2-312)资助.孙　敏,男,1968年生,博士后研究人员,主要从事三维城市模型及三维图像方面的研究工作.薛　勇,男,1965年生,博士,研究员,博士生导师,英国UNL 高级讲师,英国皇家特许物理学家,英国皇家物理学会专业会员,英国遥感与摄影测量协会专业成员,主要研究方向为数字地球、遥感、GIS 及图像处理.马蔼乃,女,1936年生,教授,博士生导师,长期从事动力地貌学、遥感与地理信息科学方面的研究,已出版专著5部,发表学术论文60余篇.

1　引 言

地形景观模型的三维可视化技术是GI S 与VR 中的关键技术,近年来许多学者进行了这方面的研究工作,使这一技术日趋成熟.但现有理论与方法主要是对单块地形数据的可视化处理,难以实现对大数据集地形的可视化.从数字城市到数字中国再到数字地球,地形数据呈几何级数增长,目前尚未有一种方法可以实现大范围(如沿中国边界线)的三维地形景观漫游.国家测绘局于1999年完成的全国1∶250000的DEM 数据有一百多个文件,据我们了解,要实现全国范围的DEM 漫游,目前还没有一种方法或软件能够解决.主要原因是人们研究的重点在于如何精简并有效地组织地形数据以达到高速度、高精度的可视化目的,而为了精简数据引入的各类算法一般均建立在对地形数据的空间组织结构上(如基于四叉树的结构管理),从而使得可视化的预处理工作与实时处理算法比较复杂.这样,在极大地

影响了实时绘制速度的同时,也限制了可视化的数据范围,

难以实现大数据集地形的无边界漫游.为了解决这一问题,我们结合栅格数据特点,提出了一种简单的可实现地形无边界实时漫游的方法.

2　研究现状

在GIS 中地形的表达使用DEM,DEM 常用的表达格式有TIN 和规则格网,因此地形的可视化研究可以分为两类主要方法:基于T IN 的简化算法,基于规则格网的简化算法.下面分别加以评述.

2.1　基于TIN 的简化算法

在GIS 中T IN 被看作为表达DEM 的最佳方式,原因在于T IN 不仅数据量小,且表达了一定的拓扑结构.但T IN 需要消耗较大的内存空间,计算量大,且需要较多的预处理工作[1].Cignoni 等提出采用层次结构的T IN 表示多分辨率DEM [2],但该方法计算量过大,难以进行地形景观的实时漫

游处理.Lindstr om 等提出基于四叉树结构的TIN 的实时LOD 动态生成方法[3],其基础是在可视化之前对DEM 数据用四叉树结构进行管理,但当DEM 数据块较大时,用于管理DEM 的四叉树本身已占用了较大内存(如20480×20480格网,约400Mb DEM 数据,每4×4格网一个节点,每节点16bit ,则四叉树所占空间约为400Mb );同时,尽管该方法在绘制前已精简了大量数据,但为了保证每个细部有足够高的表达精度,其总的数据量仍然较大,且实时精简算法对绘制速度有较大的影响,因此难以处理大数据集DEM 的实时漫游.Hoppe 提出了基于视点简化的LOD 动态生成算法[4]

,但其工作同样难以处理跨区域DEM 的实时漫游.国内也有许多学者对基于T IN 的DEM 简化算法进行了研究:王璐锦等提出了基于分形维数的多分辨率简化算法[5];孙红梅等针对大型场景的实时绘制,提出了一种分布式并行绘制模型[6]

;黄野等提出了以三角形法向量作为简化因子构造多分辨率的简化模型[7].由于这些工作的基础是基于视点对三角

网进行实时简化计算,数据以层次结构进行组织,因此同样存在着难以处理大数据集的问题.总之,基于T IN 模型的DEM 简化算法,预处理与可视化的实时计算量大,对计算机硬件平台要求较高,适用于图形工作站环境.

2.2　基于规则格网的简化算法

与T IN 结构相比,规则格网结构则要简单得多,且在实际生产中DEM 往往使用规则格网表达,常见的是基于点阵的栅格表达方式,一般使用位图格式进行存储.但规则格网所占存储量较TIN 大,且不具有拓扑结构.基于规则格网的工作有:Kolfer 提出的基于固定LOD 与R 树结构的方法[1],该方法使用R 树结构组织DEM 数据,与四叉树结构相比,则显得不够灵活,同时固定的LOD 对格网数据量的简化有限,影响了实时可视化的速度.王宏武等提出了一种与视点相关的基于四叉树结构的方法[8],该方法使用四叉树对DEM 进行管理,但内存消耗过大,难以实现大规模规则格网结构的DEM 的实时可视化.概括来说,基于规则格网方法的

算法简单,可视化实时计算量小,对计算机硬件平台要求较低,适用于普通微机.齐敏等对三维地形可视化的研究进展作过较好的综述[9],限于篇幅在此不再详细讨论.

3　实时LOD 分层

3.1　规则格网划分

一方面规则格网结构易于处理,另一方面现有DEM 数据大多采用规则格网结构,因此大数据集实时漫游的基础是使用规则格网表达的DEM 数据.DEM 的规则格网存储结构是一个二维点阵,由于其高度与宽度已知,因此可以用一个一维数组p [n ]进行管理.设原点的平面位置为(0,0),DEM 的长度与宽度分别为s 和t ,则任意一点(i ,j )的高程值为p [i ×t +j ].规则格网的这种简明结构,事实上已经对DEM 数据进行了很好的组织,因此只需将格网数据读入内存,而无需使用其它任何结构进行管理,直接对读入的DEM 数据块进行LOD 层次划分.

按LOD 的思想,远视点地形区域的绘制无需使用与近视点一样的精度,因此为了加快可视化速度,按视点距离对规则格网进行LOD 分层是一种直观简明的方法.如图1a 所示,设e 为观察视点位置,a 为观察视角,b 为观察视线与垂直方向的夹角,p 为DEM 上的视点中心,则在虚线圆所在的区域内需要较高精度的LOD 层次.为了计算上的方便,用该圆的外切正方形代替该圆,则不同LOD 层次为大小不同的嵌套正方形区域.基于此简单思想,可以很方便地得到任一时刻、任一视点位置的LOD 层次划分(有鉴于该LOD 划分过程是实时进行的,尽管LOD 层次的表达是相对固定的,但本文仍称其为实时分层算法).图1b 显示了LOD 层次的分块循环计算原理,任一层次的LOD 区域可以看成由8块组成,这样可以利用一个循环过程,对任一LOD 层次的大小利用式D =m ×2n 求取,其中m 为视点中心所在LOD 第一层次的大小,m 的值随观察点e 到视点中心p 的距离变化而变化

.

规则格网数据通常是由平面散点通过插值得到的,一般情况下存在着数据冗余,即相邻格网点高程一般比较接近.我们用间隔采样的方式精简LOD 层次的绘制数据,对视点中心p 周围的第一个正方形区域(即LOD 的第一层次),在原DEM 点阵数据的基础上,每两点取一点进行可视化表达,对LOD 的第二层次则每4点取一点进行表达,由此对任一层次n 的采样间隔为2n (n =1,2,…).

按上述思路对DEM 划分的结果如图2所示.

567

6期

孙　敏等:基于格网划分的大数据集DEM 三维可视化