3维Douglas_Peucker算法及其在DEM自动综合中的应用研究
Douglas-Peucker算法在无拓扑矢量数据压缩中的新改进
Douglas-Peucker算法在无拓扑矢量数据压缩中的新改进谢亦才;林渝淇;李岩【期刊名称】《计算机应用与软件》【年(卷),期】2010(027)001【摘要】分析常规Douglas-Peucker算法压缩无拓扑矢量数据时产生公共边"裂缝"现象的原因--公共边被两次或可能更多次压缩,而每次运用Douglas-Peucker 算法压缩时所选择的初始点和终点不同造成的.为此,提出公共边对象化Douglas-Peucker改进算法.为实现此算法,首先设计了新的公共边提取算法来提取公共边,然后使用OOP技术,把公共边的相关信息封装成类,最后根据公共边对象提供的信息对多边形的公共边和非公共边分别进行Douglas-Peucker压缩.以广东省行政界线的SVG矢量图为实验对象验证了此算法的有效性,分析了本算法相对于其它Douglas-Peucker改进算法在所需辅助空间和时间效率上的优势.【总页数】4页(P141-144)【作者】谢亦才;林渝淇;李岩【作者单位】华南师范大学计算机学院,广东,广州,510631;四川大学软件学院,四川,成都,610207;华南师范大学计算机学院,广东,广州,510631;华南师范大学空间信息研究中心,广东,广州,510631【正文语种】中文【相关文献】1.Douglas-Peucker算法在无拓扑矢量数据压缩中的改进 [J], 谢亦才;李岩2.时空数据压缩的基于Douglas-Peucker算法的改进与实现 [J], 杨家骏;郭远晴;魏诗云3.基于Douglas-Peucker的面状矢量数据压缩算法 [J], 赵真;沈敬伟;谭诗腾4.基于Douglas-Peucker的矢量数据压缩算法 [J], 尹路;周初阳5.矢量数据压缩的Douglas-Peucker算法的实现与改进 [J], 杨得志;王杰臣;闾国年因版权原因，仅展示原文概要，查看原文内容请购买。
时空数据压缩的基于Douglas-Peucker算法的改进与实现
算法 非递 归实 现过 程 中用一个 数组 Ｄ来 存放 曲线 的样 点列 Ｐ， １ ０Ｐ ，…， １，用数组 ｓ来存 放特 征点集。用数组 的位置索 Ｐ１ 引 来指 示样 点， 同时采用 了一 个与之 相配 合 的队和一 个栈 ， 记 队尾元素 为 ａ 栈顶元素为 ｂ ， 。具体步骤如下 ： （ ）采用本文上述基 于角度 的改进 的特征点提取方法提 １ 取特征 点，得到特 征点集 ｓ 。 （ ） 曲线起点 Ｏ ０ 和终 点 Ｄ ｎ 的下标分别压入 队列和 ２将 ［］ ［］ 栈 中。 然后将特征点集 Ｓ中的元 素按 下标 从大到小 的顺序依次 压入 队列 。此 时 ａ Ｏ ＝ ［］ ＝ ，ｂ Ｓ ０ 。 （ ）连接 Ｄ ａ 和 Ｄ ｂ ，在 Ｄ ａ 和 Ｄ ｂ 之 间的点列中寻 ３ ［］ ［］ ［］ ［］ （ 下转第 １５页 ） ７
计算 机 光盘 软件 与应 用
２ １ 第 ７期 ０ ２年
Ｃ ｍ ｕ ｅ Ｄ Ｓ ｆ ｗ ｒ ｎ ｐ ｌｃ ｔ ｏ ｓ ｏ ｐ ｔ ｒＣ ｏ ｔ ａ ｅａ ｄＡ ｐ ｉ ａ ｉ ｎ
软件 开发设计
时空数据压缩的基于 Ｄ ｕ ｌ — ｅｃｅ 算法的改进与实现 ｏ ｇ Fra bibliotekＰ ｕｋｒ ａ
杨 家骏 ，郭远 晴，魏诗 云 （ 四川 大学软件 学院，成 都 ６０ ０ １ ２７） 摘要 ：针对传统 Ｄ０ ａ— ｅｕ ｅ 法中以点到基 线的垂直距 离为化 简指标 的不足 ， 出现 的导致某些具有代表 ｕ ｓＰ ｃｋｒ算 性 的节点被 删除的情 况，在 分段道 格拉 斯算法基础上提 出了几点改进 ，采取优化 的提取特征 点的方式代替单纯 的角 度 限制 方式来实现分段 Ｄ ｕｌ－ ｅｕｅ 算法。即在传 统 Ｄ ｕｌ－ ｅｕｅ 算法的基 础上以基 于提 取特 殊点的方式保 ｏｇ ｓＰｃｋｒ ａ ｏｇ ｓＰｃｋｒ ａ 留具有反应 曲线走向 的点 ，然后 用非递归方法 实现分段压 缩。然后进行 了曲线化 简实验 和方法的 比较 ，验证 了改进 算 法在保持线要 素形 态特征上 的合理性 。
浅谈地图制图综合方法
浅谈地图制图综合方法在数字化时代的今天，地理信息系统已成为空间信息分析应用的主要工具，但空间信息在GIS中的最好表示方式仍然是地图。
本文以地图制图的理论为基础，提出了地图制图综合的几种方法，希望对相关人士有所帮助。
标签：地图自动综合概念模型模型算法1前言地图自动综合的研究从上世纪60 年代就开始了。
最初的研究内容是将地图目标看作简单的几何实体进行操作，如Douglas 和Peucker 进行的线目标化简算法；Topfer 和Pillewizer 的对点、面群目标的选取等。
这些算法使得地图综合的问题得到简化，使得计算的运算量大大的减少；但同时也带来了一些不可忽视的问题，例如不能反映制图综合的约束条件以及不能完全满足基于GIS 下的地图综合的需要。
此后，众多的制图学者进行了多方面的探讨，提出了许多有建设性的理论和方法。
2地图自动综合方法2.1交互式综合在交互式综合中，低层次的任务由软件执行，高层次的任务由人来实现和控制。
交互式方法基于友好的用户界面，用户可以在系统选项中轻松地漫游，选择要被综合的对象和综合所用到的工具。
一个交互式综合方法要成功，最重要的是它不仅仅代替了制图员的笔，而且真正使用户能够在一个高层次上对综合做出决策，也就是说，系统必须能够放大人类的智能。
因此这种方法又叫做“放大智能方法。
”2.2批处理式综合地图自动综合主要批处理方法：面向信息综合、滤波法、启发式综合和分形学方法、小波分析法等。
面向信息综合的基本思想：在原图上找出信息密度（单位面积信息量）太大且因此不能保证缩小后的地图的视觉易读性的位置。
通过在该处改变制图目标，使目标概率增加，从而使信息量减少。
面向信息的综合大都是研究地图的总体信息，甚至基本上只涉及关于一幅图的平均信息量，然而对于具体的综合操作来说，更为重要的是单个制图目标的信息。
滤波是对以周期振动为特征的一种现象的一定频率范围的减弱或抑制。
当低通滤波时，地图信息的局部高频被消除；当高通滤波时，地图信息的局部低频被消除。
DouglasPeucker算法
下一步的基准线
5
Hale Waihona Puke Douglas-Peucker算法的问题
公共边分裂
自相交的出现
步骤三：重复将步骤二中得到的基准顶点对进行步 骤二的计算，直到所有点到他们的基准线的距离都 小于等于ε。
V3离线段 V0V7最远
V5 V1
V2
V0
V7 V6
V4 处理前的点的连线 第一次计算的基准线 第二次计算的基准线
Step 1
Step 2
4
Step 3
Last Step 处理前的点的连线 当前基准线
曲线数据压缩算法(DouglasPeucker算法)
步骤一：确定阀值ε。
步骤二：先连接第一个和最后一个边界网格顶点， 计算这对基准顶点对之间的点到基准线的距离。如 果有一个及一个以上的点到基准线的距离大于ε， 将距离基准线最远的点记为第n个点，删除基准线， 并将第一个点和第n个点记为基准顶点对，将第n 个点和最后一个点记为基准顶点对；如果所有点到 基准线的距离都小于等于ε，删除基准顶点之间的 所有点，只保留基准顶点对作为基准顶点对之间曲 线的控制顶点。
douglas—peucker 算法公式
douglas—peucker 算法公式摘要：一、算法背景1.Douglas-Peucker算法简介2.算法的发展历程二、算法原理1.算法的基本思想2.简化多边形的步骤三、算法公式1.初始化公式2.简化公式3.结束条件公式四、算法应用1.地图简化2.模型简化正文：一、算法背景Douglas-Peucker算法是一种广泛应用于地图简化与模型简化的算法，由Douglas和Peucker于1970年提出。
该算法的目的是通过一定的规则来减少数据点的数量，从而提高数据处理的速度和效率。
二、算法原理1.算法的基本思想Douglas-Peucker算法的基本思想是在保持原始数据重要信息的前提下，对数据进行一定程度的简化。
具体来说，算法首先选取一个代表点，然后计算其他点与代表点的距离，根据距离的大小来决定是否保留该点。
距离较小的点被保留，距离较大的点被舍弃。
2.简化多边形的步骤（1）选择一个代表点；（2）计算其他点与代表点的距离；（3）根据距离判断点是否保留，若距离小于等于阈值，则保留该点，否则舍弃；（4）重复步骤2和3，直到满足结束条件。
三、算法公式1.初始化公式设原始数据点为P，共有n个点。
首先计算代表点P0，可以选择任意一个点作为初始代表点。
2.简化公式设当前代表点为Pk，当前简化多边形上的点为Qj。
计算Qj与Pk的距离d，若d小于等于阈值，则保留Qj，否则舍弃。
3.结束条件公式当简化多边形的边数小于等于预设值时，算法结束。
四、算法应用1.地图简化Douglas-Peucker算法常用于地图简化，可以将大量的地理点简化为较少数量的代表点，从而提高地图的显示速度和打印效率。
再论三维Douglas-Peucker算法及其在DEM综合中的应用
再论三维Douglas-Peucker算法及其在DEM综合中的应用何津;费立凡
【期刊名称】《武汉大学学报：信息科学版》
【年(卷),期】2008(33)2
【摘要】相对于笔者在已发表论文中所提出的一般性方法,本文在算法上有了进一步的改善或扩展。
结果表明,这些措施在保证综合效果的前提下,可以大大提高DEM的综合速度,从而为海量DEM数据的全局动态式综合提供了现实的可能性。
【总页数】4页(P160-163)
【关键词】三维Douglas—Peucker算法;三维离散点综合;DEM综合;规则格网综合
【作者】何津;费立凡
【作者单位】湖北大学资源与环境学院,武汉市430062;武汉大学资源与环境科学学院,武汉市430079
【正文语种】中文
【中图分类】P208;P283.1
【相关文献】
1.基于总体最小二乘的Douglas-Peucker算法在多波束测深数据抽稀中的应用[J], 卢银宏;岳东杰;宋飞凤
2.河网线要素与DEM综合的三维Douglas-Peucker算法 [J], 窦世卿;赵学胜;刘成军;林亚文;赵艳芹
3.三维Douglas-Peucker算法的等高线间接综合方法研究 [J], 何津;费立凡;黄丽娜;刘一宁;赵飞
4.3维Douglas-Peucker算法及其在DEM自动综合中的应用研究 [J], 费立凡;何津;马晨燕;颜辉武
5.Douglas-Peucker和LZW算法在矢量数据压缩中的应用 [J], 谢亦才;钟剑
因版权原因，仅展示原文概要，查看原文内容请购买。
douglas—peucker 算法公式
douglas—peucker 算法公式摘要：1.道格拉斯- 皮克算法简介2.道格拉斯- 皮克算法公式3.道格拉斯- 皮克算法的应用4.道格拉斯- 皮克算法的优点与局限性正文：【道格拉斯- 皮克算法简介】道格拉斯- 皮克算法（Douglas-Peucker Algorithm）是一种用于曲线和曲面拟合的算法，由美国数学家Douglas 和Peucker 于1979 年提出。
该算法的主要目的是通过计算一组给定点的加权平均值，得到拟合曲线或曲面上的某一点。
道格拉斯- 皮克算法广泛应用于计算机图形学、数值分析以及地质勘探等领域。
【道格拉斯- 皮克算法公式】道格拉斯- 皮克算法的数学表达式如下：设N 为控制点数量，P 为拟合点，(x[i], y[i]) 为控制点坐标，w[i] 为控制点权重，d 为拟合点到控制点的距离。
1.计算拟合点P 的坐标：x[P] = ∑(w[i] * x[i]) / ∑w[i]y[P] = ∑(w[i] * y[i]) / ∑w[i]2.计算拟合点P 到各控制点的距离：d[i] = sqrt((x[P] - x[i])^2 + (y[P] - y[i])^2)3.计算拟合点的加权和：S[P] = ∑(w[i] * d[i])4.计算拟合点的权重：w[P] = 1 / S[P]5.迭代计算拟合点：当拟合点P 的权重小于预设阈值时，停止迭代；否则，将P 点作为新的拟合点，重复步骤1-4。
【道格拉斯- 皮克算法的应用】道格拉斯- 皮克算法广泛应用于各种领域，如计算机图形学中的曲线拟合、数值分析中的插值问题、地质勘探中的地震波拟合等。
该算法的优点在于计算简单、速度快，并且可以灵活地调整拟合点的权重，以满足不同应用场景的需求。
【道格拉斯- 皮克算法的优点与局限性】道格拉斯- 皮克算法的优点主要体现在以下几个方面：1.计算速度快：该算法的计算复杂度较低，对于大量数据处理具有较高的效率。
2.灵活性高：通过调整控制点的权重，可以实现对拟合效果的精细控制。
3维Douglas_Peucker算法及其在DEM自动综合中的应用研究
第35卷 第3期测 绘 学 报Vol.35,No.8 2006年8月ACTA GEODAETICA et CARTO GRAPHICA SINICAAug.,2006 文章编号:100121595(2006)0320278207中图分类号:P208 文献标识码:A3维Douglas 2Peucker 算法及其在D EM 自动综合中的应用研究费立凡1,何 津1,马晨燕1,颜辉武1,2(1.武汉大学资源与环境科学学院,湖北武汉430079;2.浙江省台州市环境保护局,浙江台州318000)Three Dimensional Douglas 2Peucker Algorithm and the Study of Its Application toAutomated G eneralization of DEMFEI Li 2fan 1,HE Jin 1,MA Chen 2yan 1,Y AN Hui 2wu 1,2(1.School of Resource and Envi ronment Science ,W uhan U niversity ,W uhan 430079,Chi na ;2.Envi ronment Protection B u 2reau of Taiz hou City ,Zhejiang Provi nce ,Taiz hou 318000,Chi na )Abstract :On the basis of analysis of the principle and nature of the two dimensional Douglas 2Peucker algorithm ,this paper puts forward the three dimensional Douglas 2Peucker algorithm and applies this algorithm to the automated gen 2eralization of the three dimensional discrete points or the basis of DEM.The verification experiments by computer programs for this new algorithm are introduced.Preliminary experiments have proved that the main geomorphologic feature points for both the general or local areas of the DEM can be correctly extracted with satisfactory computational efficiency.K ey w ords :Douglas 2Peucker algorithm ;generalization of 22D curves ;32D Douglas 2Peucker algorithm ;generalization of 32D discrete points ;generalization of DEM摘 要:在分析2维Douglas 2Peucker 算法原理实质的基础上,提出3维Douglas 2Peucker 算法,并将此法应用到对DEM 的基础———3维离散点的自动综合上。
Douglas-Peucker轨迹压缩算法
对于一般路径而言，Douglas-Peucker算法是有效的，但是不难想到，当出现折返路径时，往外突出的部分很容易被压缩掉，因为偏差是以 垂直距离为准的。下面的图片展示了这种情况下的压缩效果。
对于一般路径而言douglaspeucker算法是有效的但是不难想到当出现折返路径时往外突出的部分很容易被压缩掉因为偏差是以垂直距离为准的
Douglas-Peucker轨 迹 压 缩 算 法
算法的基本思路是: 对每一条曲线的首末点虚连一条直线,求所有点与直线的距离,并找出最大距离值dmax ,用dmax与限差D相比: 若dmax <D,这条曲线上的中间点全部舍去; 若dmax ≥D,保留dmax 对重复使用该方法。
一种改进的基于Douglas-Peucker原理的轮廓采样算法
一种改进的基于Douglas-Peucker原理的轮廓采样算法作者：张真来源：《电脑知识与技术》2009年第25期摘要:文章首先介绍了Douglas-Peucker算法,它是一种经典的曲线简化方法,在此基础上提出了DP算法的一种非递归实现方法,该过程主要是利用队和栈的性质来实现的。
结果显示,用这种方法进行目标物体的轮廓采样,通过控制距离容差可以得到对轮廓线不同程度的逼近,不仅能够有效减少物体轮廓的冗余点,提高处理效率,又能够不失真地表征物体的形状。
关键词:Douglas-Peucker算法;非递归实现;轮廓采样中图分类号:TP391文献标识码:A文章编号:1009-3044(2009)25-7214-03An Improved Contour Sampling Algorithm Based on Douglas-Peucker TheoryZHANG Zhen(Department of Biological Science and Medical Engineering, Laboratory of Image Science and Technology, Southeast University, Nanjing 210096, China)Abstract: This paper, first analyses the theory of Douglas-Peucker algorithm, it is a classical curve simplification method, based on it, then proposes a non-recursive implementation of DP algorithm. This process mainly uses the property of data structure queue and stack. The results show that when using this method for contour sampling, it can obtain different degrees of contour line approaching by controlling the distance tolerance, it can not only reduce the number of redundant points of contour, improve the processing efficiency, also can characterize the shape of object without distortion.Key words: Douglas-Peucker algorithm; non-recursive implement; contour sampling在图像处理和计算机研究领域中,目标物体的定位一直是一个值得探讨的问题,目标的准确定位对于目标识别以及图像理解与分析起着十分重要的作用。
python 道格拉斯算法-概述说明以及解释
python 道格拉斯算法-概述说明以及解释1.引言【1.1 概述】道格拉斯算法，又称为Ramer-Douglas-Peucker算法，是一种用于抽稀曲线的算法。
在计算机图形学和地理信息系统中得到广泛应用。
该算法通过在曲线上删除冗余点来减少数据量，同时保持曲线的形状特征。
本文将深入介绍道格拉斯算法的原理和应用场景。
随着数据的不断增长，曲线数据的处理变得日益重要。
在许多情况下，我们需要将复杂的曲线数据简化为更简洁的形式，以减少数据存储和处理的开销。
这时，道格拉斯算法的作用就显得尤为重要。
道格拉斯算法的核心思想是通过逐步删除冗余点来实现曲线简化。
该算法通过计算每个点到曲线的垂直距离，选取距离最远的点作为关键点，并将曲线划分为两个较小的子曲线。
然后，在两个子曲线上递归地应用同样的过程，直到满足预设的简化误差要求为止。
最终，算法将保留一系列关键点，这些点能够尽可能准确地代表原始曲线的形状。
道格拉斯算法的应用非常广泛。
在地理信息系统中，该算法常被用于简化地图的边界线或路网数据，以减少存储和传输的开销。
在计算机图形学中，道格拉斯算法可以用于简化曲线的绘制，提高图形渲染的效率。
此外，道格拉斯算法还可以应用于数据压缩、图像处理和轨迹分析等领域。
本文将在下文中逐步介绍道格拉斯算法的具体原理和应用案例。
通过深入了解道格拉斯算法，读者将能够更好地理解和应用该算法来处理曲线数据，实现更高效的数据处理和可视化。
接下来，我们将详细介绍本文的结构和目的。
1.2文章结构1.2 文章结构本文将按照以下结构来进行论述道格拉斯算法的相关内容。
1. 引言：首先对本文的主题进行简要介绍和概述，解释道格拉斯算法的基本概念和作用，引发读者的兴趣和注意。
2. 正文：2.1 道格拉斯算法介绍：对道格拉斯算法进行详细的介绍，包括算法原理、基本步骤和关键思想。
通过对算法的解析，读者将能够深入了解算法的运行机制和优缺点。
2.2 道格拉斯算法的应用：介绍道格拉斯算法在实际场景中的应用，包括图像处理、地理信息系统等领域。
基于Douglas-Peucker的矢量数据压缩算法
Ｄｏ ｕ ｇ ｌ ａ ｓ — Ｐ ｅ ｕ ｃ ｋ ｅ ｒ 算法简单， 实 现 容 标 记 ， 若是， 删 除该点 ， 反之 ， 在 公 共点 数
易。 具 有较 强的压缩 效率 ， 但 Ｄ０ Ｕ ｇ Ｉ ａ ｓ — 组 中标 记 该 公 共点 。 依次 重 复ｓ ｔ ｅ ｐ ２ —５ ， 直
如下：
限 的 矛 盾 日益 凸现 出来 。 数 据 压 缩 就 成 为 Ｐ ｅ ｕ ｃ ｋ ｅ ｒ 算 法同时也具有一些 缺点 ， 表现 到 所有 点处 理 完 成 。 （ １ ）从 首 或 尾 任 意 端 点 开 始 执 行 ３ 试 验验 证 本 文 采 用 一 组 矢 量 数 据 作 为 实 验 数 差Ｒ：ｌ 进 行算 法 实验 。 实 验 结 果如 下 ：
的纯 几 何 的 基 于面 积 的 渐进 式化 简算 法 和 法。 这 些 算 法 从 不 同侧 面 提 高 的 压 缩 效 率 缩 算 法 及精 度 。 该 文 拟 考虑 压缩 对 象 间拓 扑 关 系，
该 文 提 出 了ＤＯＵ ｇｌ ａｓ —Ｐｅ Ｕ Ｃ ｋｅ ｒ 一种 改 进
局 部放 大 图。 从 图１ 和 图２ 比较 可 以 看 出 ， 图１ 出现 了 真现象在图２ 中得 到 消 除 ， 并且 图形 效 果 比
图ｌ 和 图 ２分 别 为 采 用 Ｄ Ｏ Ｕ ｇ ｌ ａ Ｓ—
有 损 压 缩两 大 类 ， 对 于 有 损 压 缩 算 法 研 Ｄｏ ｕ ｇ ｌ ａ ｓ — Ｐ ｅ ｕ ｃ ｋ ｅ ｒ 算法 ， 得 到 的 保 留点 结 Ｐ ｅ ｕ ｃ ｋ ｅ ｒ 算法 ｝ 如Ｚ ｈ ｉ ｌ ｉ ｎ Ｌ ｉ 等 提 出的 基于 相 邻 两 个 多边 形的 边 界 压缩 不 一致 ； “ 客 观 综 合 的 自然 规 律 ”的 线 状 要 素 的 化 （ ２ ） Ｄｏ ｕ ｇ ｌ ａ ｓ — Ｐ ｅ ｕ ｃ ｋ ｅ ｒ 算 法 压缩 结 构
三维Douglas-Peucker算法在等高线自动综合中的应用研究的开题报告
三维Douglas-Peucker算法在等高线自动综合中的
应用研究的开题报告
一、研究背景
等高线是一种描述地形表面高程变化的重要地理信息。
在地理信息系统、地貌学、气象学等学科领域都有着广泛的应用。
等高线自动综合是通过数字高程模型（DEM）生成等高线的过程。
在这个过程中，需要针对DEM数据应用相关算法来自动提取等高线。
因此，如何实现高效、准确地等高线自动综合是一个重要的研究课题。
二、研究目的
本研究旨在探讨三维Douglas-Peucker算法在等高线自动综合中的应用，以提高等高线自动提取的效率和精度。
三、研究内容
1. 三维Douglas-Peucker算法的原理和流程；
2. 基于DEM数据生成等高线的方法；
3. 将三维Douglas-Peucker算法应用于等高线自动提取中；
4. 比较不同算法在等高线自动提取中的效率和精度。
四、研究方法
1. 首先，收集DEM数据并生成等高线；
2. 实现三维Douglas-Peucker算法；
3. 将三维Douglas-Peucker算法应用到等高线自动提取中，并比较其效果；
4. 实验结果分析和总结。
五、研究意义
1. 通过研究该算法的应用，提高等高线自动综合的效率和精度；
2. 推动等高线自动综合在地理信息系统、地貌学、气象学等领域的应用；
3. 拓展算法在地理信息、数学等领域的应用。
六、预期成果
1. 通过实验对比得出三维Douglas-Peucker算法在等高线自动综合中的效率和精度；
2. 解决等高线自动综合中的问题，为相关领域的应用提供支持。
matlabDouglas-Peucker道格拉斯-普克算法
matlabDouglas-Peucker道格拉斯-普克算法function [ps,ix] = dpsimplify(p,tol)% Recursive Douglas-Peucker Polyline Simplification, Simplify%% [ps,ix] = dpsimplify(p,tol)%% dpsimplify uses the recursive Douglas-Peucker line simplification% algorithm to reduce the number of vertices in a piecewise linear curve% according to a specified tolerance. The algorithm is also know as% Iterative Endpoint Fit. It works also for polylines and polygons% in higher dimensions.%% In case of nans (missing vertex coordinates) dpsimplify assumes that% nans separate polylines. As such, dpsimplify treats each line% separately.%% For additional information on the algorithm follow this link %/doc/7e14536306.html,/wiki/Ramer-Douglas-Peucker_algorithm%% Input arguments%% p polyline n*d matrix with n vertices in d% dimensions.% tol tolerance (maximal euclidean distance allowed% between the new line and a vertex)%% Output arguments%% ps simplified line% ix linear index of the vertices retained in p (ps = p(ix)) %% Examples%% 1. Simplify line%% tol = 1;% x = 1:0.1:8*pi;% y = sin(x) + randn(size(x))*0.1;% p = [x' y'];% ps = dpsimplify(p,tol);%% plot(p(:,1),p(:,2),'k')% hold on% plot(ps(:,1),ps(:,2),'r','LineWidth',2);% legend('original polyline','simplified')%% 2. Reduce polyline so that only knickpoints remain by % choosing a very low tolerance%% p = [(1:10)' [1 2 3 2 4 6 7 8 5 2]'];% p2 = dpsimplify(p,eps);% plot(p(:,1),p(:,2),'k+--')% hold on% plot(p2(:,1),p2(:,2),'ro','MarkerSize',10);% legend('original line','knickpoints')%% 3. Simplify a 3d-curve%% x = sin(1:0.01:20)';% y = cos(1:0.01:20)';% z = x.*y.*(1:0.01:20)';% ps = dpsimplify([x y z],0.1);% plot3(x,y,z);% hold on% plot3(ps(:,1),ps(:,2),ps(:,3),'k*-');%%%% Author: Wolfgang Schwanghart, 13. July, 2010. % w.schwanghart[at]unibas.chif nargin == 0help dpsimplifyreturnend% error(nargchk(2, 2, nargin))narginchk(2, 2);% error checkingif ~isscalar(tol) || tol<0;error('tol must be a positive scalar')end% nr of dimensionsnrvertices = size(p,1);dims = size(p,2);% anonymous function for starting point and end point comparision% using a relative tolerance testcompare = @(a,b) abs(a-b)/max(abs(a),abs(b)) <= eps;% what happens, when there are NaNs?% NaNs divide polylines.Inan = any(isnan(p),2);% any NaN at all?Inanp = any(Inan);% if there is only one vertexif nrvertices == 1 || isempty(p);ps = p;ix = 1;% if there are twoelseif nrvertices == 2 && ~Inanp;% when the line has no vertices (except end and start point of the% line) check if the distance between both is less than the tolerance.% If so, return the center.if dims == 2;d =hypot(p(1,1)-p(2,1),p(1,2)-p(2,2));elsed = sqrt(sum((p(1,:)-p(2,:)).^2));endif d <= tol;ps = sum(p,1)/2;ix = 1;elseps = p;ix = [1;2];endelseif Inanp;% case: there are nans in the p array% --> find start and end indices of contiguous non-nan data Inan = ~Inan;sIX = strfind(Inan',[0 1])' + 1;eIX = strfind(Inan',[1 0])';if Inan(end)==true;eIX = [eIX;nrvertices];endif Inan(1);sIX = [1;sIX];end% calculate length of non-nan componentslIX = eIX-sIX+1;% put each component into a single cellc = mat2cell(p(Inan,:),lIX,dims);% now call dpsimplify again inside cellfun.if nargout == 2;[ps,ix] = cellfun(@(x) dpsimplify(x,tol),c,'uniformoutput',false);ix = cellfun(@(x,six) x+six-1,ix,num2cell(sIX),'uniformoutput',false);elseps = cellfun(@(x) dpsimplify(x,tol),c,'uniformoutput',false);end% write the data from a cell array back to a matrixps = cellfun(@(x) [x;nan(1,dims)],ps,'uniformoutput',false);ps = cell2mat(ps);ps(end,:) = [];% ix wanted? write ix to a matrix, too.if nargout == 2;ix = cell2mat(ix);endelse% if there are no nans than start the recursive algorithmixe = size(p,1);ixs = 1;% logical vector for the vertices to be retainedI = true(ixe,1);% call recursive functionp = simplifyrec(p,tol,ixs,ixe);ps = p(I,:);% if desired return the index of retained verticesif nargout == 2;ix = find(I);endend% _________________________________________________________ function p = simplifyrec(p,tol,ixs,ixe)% check if startpoint and endpoint are the same% better comparison needed which included a tolerance epsc1 = num2cell(p(ixs,:));c2 = num2cell(p(ixe,:));% same start and endpoint with tolerancesameSE = all(cell2mat(cellfun(compare,c1(:),c2(:),'UniformOutput',false)));if sameSE;% calculate the shortest distance of all vertices between ixs and% ixe to ixs onlyif dims == 2;d = hypot(p(ixs,1)-p(ixs+1:ixe-1,1),p(ixs,2)-p(ixs+1:ixe-1,2));elsed = sqrt(sum(bsxfun(@minus,p(ixs,:),p(ixs+1:ixe-1,:)).^2,2));endelse% calculate shortest distance of all points to the line from ixs to ixe% subtract starting point from other locationspt = bsxfun(@minus,p(ixs+1:ixe,:),p(ixs,:));% end pointa = pt(end,:)';beta = (a' * pt')./(a'*a);b= pt-bsxfun(@times,beta,a)';if dims == 2;% if line in 2D use the numerical more robust hypot functiond = hypot(b(:,1),b(:,2));elsed = sqrt(sum(b.^2,2));endend% identify maximum distance and get the linear index of its location[dmax,ixc] = max(d);ixc = ixs + ixc;% if the maximum distance is smaller than the tolerance remove vertices% between ixs and ixeif dmax <= tol;if ixs ~= ixe-1;I(ixs+1:ixe-1) = false;end% if not, call simplifyrec for the segments between ixs and ixc (ixc% and ixe)elsep = simplifyrec(p,tol,ixs,ixc);p = simplifyrec(p,tol,ixc,ixe);endendend。
基于Douglas-Peucker融合闵式距离的锂电池健康因子提取及SOH预测
基于Douglas-Peucker融合闵式距离的锂电池健康因子提取及SOH预测陈万利;张梅;冯涛【期刊名称】《储能科学与技术》【年(卷),期】2022(11)10【摘要】针对锂离子电池的健康因子提取困难而导致电池健康状况(state of health,SOH)预测精度低的问题,提出一种基于Douglas-Peucker融合闵式距离的锂电池健康因子特征提取算法,并利用该算法对恒流恒压充电恒功率放电策略下的电池数据进行特征提取,进而实现对锂电池的SOH预测。
首先对测量的实验数据建立特征工程,利用闵式距离建立评价指标,实现基于Douglas-Peucker算法的电池健康因子提取,进而得到34维健康因子。
然后,针对所提取的健康因子,利用差分变异头脑风暴(difference-mutation brainstorm optimization,DBSO)算法进行寻优,剔除不相关和冗余的特征,避免模型过拟合,提高模型性能。
最后,利用支持向量机(support vector machines,SVM)及其优化模型对所提取的健康因子进行电池SOH预测。
实验结果表明,所建立的特征工程提取的健康因子在SVM各模型中拟合优度均超过0.96,其中DBSO-SVM模型的预测精度最高,预测效果最好,平均绝对值误差(mean square error,MSE)值低于3。
结合不同充放电策略,将所提出的特征提取算法在NASA数据上验证。
结果表明,在SVM模型上,电池B0005、B0006、B0007的拟合优度达到0.99,均方根误差(root mean square error,RMSE)值均低于6%。
对比多种优化算法,DBSO-SVM模型的性能最好。
【总页数】10页(P3306-3315)【作者】陈万利;张梅;冯涛【作者单位】安徽理工大学【正文语种】中文【中图分类】TM910.7【相关文献】1.基于混合模型及LSTM的锂电池SOH与剩余寿命预测2.基于PSO-RBF算法的锂电池SOH研究与预测3.基于LSTM的锂电池储能装置SOC与SOH联合预测4.基于SR-UKF算法的锂电池SOH预测5.基于充电过程的锂电池SOH估计和RUL 预测因版权原因，仅展示原文概要，查看原文内容请购买。
基于多方向剖面线Douglas-Pucker算法简化的DEM综合方法
基于多方向剖面线Douglas-Pucker算法简化的DEM综合方法赵文豪;闫利;张云生;陈斯炀【期刊名称】《测绘工程》【年(卷),期】2018(027)005【摘要】文中提出一种基于多方向剖面线Douglas-Pucker(DP)算法简化的数字高程模型(DEM)综合方法,首先通过一定角度间隔旋转DEM,获得不同方向的剖面线;然后通过剖面线DP算法的简化获得特征;在此基础上,通过抑制局部极值,融合多方向的特征点,同时消除冗余;最后利用这些点构建三角网,再内插成规则DEM 获得保持特征的DEM 综合结果.利用两组2 m格网的DEM数据进行实验,通过结果的定量和定性分析可以发现,文中方法比传统两个方向的简化方法可以获得更高精度的综合结果.%A digital elevation model(DEM)feature extraction method based on a profile simplification with Douglas-Pucker(DP)algorithm in multi-directions is proposed in this paper.At first,the original DEM is rotated by a certain angular interval to obtain multi-directions profiles.Then local features are extracted based on performing DP algorithm on the obtained multi-directions profiles.After that,those features from multi-directional are fused and redundancy is eliminated at the same time.At last,these points are used to construct triangulation,and then regular DEM is interpolated to obtain the DEM generation result with feature retained.Two sets of grid DEM data with 2m resolution are used for experiments.Through quantitative and qualitative analysis of the result,it can be found that theproposed method can achieve higher accurate generalized DEM than the traditional simplified method only performing in two-directions.【总页数】5页(P5-9)【作者】赵文豪;闫利;张云生;陈斯炀【作者单位】武汉大学测绘学院,湖北武汉430079;国家基础地理信息中心,北京100830;武汉大学测绘学院,湖北武汉430079;中南大学地球科学与信息物理学院,湖南长沙410083;中南大学地球科学与信息物理学院,湖南长沙410083【正文语种】中文【中图分类】P284.9【相关文献】1.一种基于多分辨率模型简化算法的等高线自动综合方法研究 [J], 朱文博;毕如田;郭磐石;张锦2.浅析剖面线填充算法——AutoCAD中剖面线填充理论基础 [J], 魏鹏3.一种基于谷地填充的DEM综合方法 [J], 李精忠;艾延华;王洪4.基于ANUDEM与山脊抬升的DEM简化 [J], 高翔;徐柱5.基于分数进制小波变换的分辨率可指定的DEM综合方法 [J], 王海江;杨勤科;王春梅;郭伟玲因版权原因，仅展示原文概要，查看原文内容请购买。
测绘信息检索3
5 检索结果的显示
1. 显示了目前所检索的数据库、使用的检索式、检 索年代及检中的结果数；
2. 在检中的结果中进行选定或清除选定结果 3. 检索结果包含文献的篇名、作者链接（可以查找
该作者的其它文献）、第一作者所属单位、文献 来源、文摘及详细记录的链接等，每条检索结果 前的小方框为复选框，可以对该条结果进行选定；
截词符*与词根算符$
1. 截词符optic*检索的结果包括以optic后面加任意 多个字母的词，例如：
① optic,optics,optical， 2. comput*可检索出computer, computers,
computerize, computerization,computing等 词
② 选择检索工具。地震预报属于地球科学范畴， 是专业科学研究，应该首选专业文献数据库来 查询国内外可能有用的地震预报方法。
③ 构建检索式。
浏览检索
1. 作者浏览检索（作者检索）
① 如果知道该研究领域某些权威人士，可以顺着 该权威人士的文献引用情况查询下去，称为引 文检索。由于在地震预测领域中，尚未见有比 较知名的人士。下面以地球重力场研究领域权 威人士宁津生院士为例。
EI检索包括浏览和检索两种模式。 浏览索引（ Browse Indexes）：
作者 Author Indexes 作者单位 Author affiliation Indexes
刊名 Serial title Indexes 出版商 Publisher Indexes 受控词 Ei controlled term Indexes
注意事项
在专家检索中,使用者采用字段限定算符WN及各种检 索技巧，构造复杂的检索式，以得到最精确的检索资 料。检索技巧有：
曲线拟合的Douglas-Peucker算法阈值优化选择
曲线拟合的Douglas-Peucker算法阈值优化选择
王晓理;陈双军;魏斌;谢耕;刘佩东
【期刊名称】《测绘科学技术学报》
【年(卷),期】2010(27)6
【摘要】通过迭代法得到Douglas-Peucker算法阚值与线要素化简质量相关特定属性的样本数据;利用曲线拟合法得到阈值与线要素长度和点数之间的函数关系;分析给定区间上阈值-点数关系函数的曲率,寻求最大曲率点对应的阈值作为化简算法最优阈值.从定性和定量两方面揭示了化简算法阈值选择对化简结果的影响规律,提出化简阈值的优化确定方法.适用于利用Douglas-Peucker算法化简海量线要素数据时分析化简阈值的影响及确定化简算法最优阈值.
【总页数】4页(P459-462)
【作者】王晓理;陈双军;魏斌;谢耕;刘佩东
【作者单位】信息工程大学测绘学院,河南郑州450052;信息工程大学信息工程学院,河南郑州450002;信息工程大学测绘学院,河南郑州450052;信息工程大学测绘学院,河南郑州450052;信息工程大学测绘学院,河南郑州450052;河南三门峡供电公司,河南三门峡472000
【正文语种】中文
【中图分类】P208
【相关文献】
1.基于径向约束与点位优化的Douglas-Peucker改良算法 [J], 任诚
2.迭代阈值算法阈值选择在图像恢复中的研究 [J], 裴明敬;符茂胜;杨洋
3.基于Ping的Douglas-Peucker法抽稀阈值优化选取 [J], 张志伟;暴景阳;肖付民;上飞飞;马少华
4.一种新型可控阈值函数和阈值算子优化的小波去噪算法 [J], 龚静
5.一种新型可控阈值函数和阈值算子优化的小波去噪算法 [J], 龚静
因版权原因，仅展示原文概要，查看原文内容请购买。
DOUGLAS—PEUCKER线简化算法的一种并行处理
DOUGLAS—PEUCKER线简化算法的一种并行处理Vaugh.,J;吴秀敏
【期刊名称】《软件》
【年(卷),期】1991(000)009
【总页数】6页(P834-839)
【作者】Vaugh.,J;吴秀敏
【作者单位】不详;不详
【正文语种】中文
【中图分类】TP274
【相关文献】
1.一种Douglas-Peucker加速算法 [J], 孙兴春;何文斌
2.一种基于并行处理器的快速车道线检测系统及FPGA实现 [J], 李元金;张万成;吴南健
3.一种Douglas-Peucker与Li-Openshaw结合改进的曲线化简方法 [J], 顾腾;陈晓勇;刘成强
4.一种基于顶点聚类的线要素简化算法改进 [J], 李进;马劲松;沈婕;杨萌萌;刘磊
5.一种改进的基于Douglas—Peucker原理的轮廓采样算法 [J], 张真
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第35卷 第3期测 绘 学 报Vol.35,No.8 2006年8月ACTA GEODAETICA et CARTO GRAPHICA SINICAAug.,2006 文章编号:100121595(2006)0320278207中图分类号:P208 文献标识码:A3维Douglas 2Peucker 算法及其在D EM 自动综合中的应用研究费立凡1,何 津1,马晨燕1,颜辉武1,2(1.武汉大学资源与环境科学学院,湖北武汉430079;2.浙江省台州市环境保护局,浙江台州318000)Three Dimensional Douglas 2Peucker Algorithm and the Study of Its Application toAutomated G eneralization of DEMFEI Li 2fan 1,HE Jin 1,MA Chen 2yan 1,Y AN Hui 2wu 1,2(1.School of Resource and Envi ronment Science ,W uhan U niversity ,W uhan 430079,Chi na ;2.Envi ronment Protection B u 2reau of Taiz hou City ,Zhejiang Provi nce ,Taiz hou 318000,Chi na )Abstract :On the basis of analysis of the principle and nature of the two dimensional Douglas 2Peucker algorithm ,this paper puts forward the three dimensional Douglas 2Peucker algorithm and applies this algorithm to the automated gen 2eralization of the three dimensional discrete points or the basis of DEM.The verification experiments by computer programs for this new algorithm are introduced.Preliminary experiments have proved that the main geomorphologic feature points for both the general or local areas of the DEM can be correctly extracted with satisfactory computational efficiency.K ey w ords :Douglas 2Peucker algorithm ;generalization of 22D curves ;32D Douglas 2Peucker algorithm ;generalization of 32D discrete points ;generalization of DEM摘 要:在分析2维Douglas 2Peucker 算法原理实质的基础上,提出3维Douglas 2Peucker 算法,并将此法应用到对DEM 的基础———3维离散点的自动综合上。
采用计算机程序对新算法进行的验证,初步结果表明该算法能较好地筛选出DEM 整体及局部范围的地貌特征点,其计算效率也较令人满意。
收稿日期:2005211204;修回日期:2006204212基金项目:武汉大学测绘与遥感信息工程国家重点实验室资助项目(0320301)作者简介:费立凡(19492),男,上海人,教授,博导,主要研究方向为地图自动综合、GIS 工程及其与虚拟现实技术的结合。
E 2mail :feilifan @关键词:Douglas 2Peucker 算法;2维曲线综合;3维Douglas 2Peucker 算法;3维离散点综合;DEM 综合1 引 言数字高程模型DEM 主要用于描述地面起伏状况,在各个领域中被广泛使用。
DEM 可以有多种表达方法,包括矩形网格点(RSG )、剖面排列点、等高线序列点、不规则三角网(TIN )等。
随着多尺度GIS 数据库的建立与维护、网络分布式环境下GIS 系统的出现以及机载激光扫描仪的应用,对DEM 数据自动综合的要求更为迫切。
为不失一般性,本文讨论3维随机分布的离散点的自动综合问题。
目前国内外有如下几种方法:1.3维离散点自动综合的信息量判别法20世纪80年代初,W.Weber 提出,可以根据当前处理点所包含的信息量大小决定对它的取舍,进行3维离散点的综合:先排除该点,只用它周围一定范围内的其他点,用最小二乘法拟合一个曲面(例如抛物面),再看该点与此曲面之间的距离是否足够大,要是足够大,说明该点对描述地形地貌有较大贡献,应予保留;反之,该点就被删除[1]。
这种方法的特点是相当耗费计算机资源;判断某一点信息量大小时,只使用了该点周围局部范围内的其他数据点,从全局来讲,有可能删掉地貌特征点;带有先验的曲面拟合会带来判别误差;最后,点的处理顺序将在较大程度上影响综合结果。
2.利用空间平面夹角法对TIN 进行化简文献[2]提出了利用空间平面夹角法对TIN进行化简的方法。
如图1所示,一系列共点三角形组成一个多边形,其中组成三角形的公共点是多边形内惟一点。
空间平面夹角法是以包含高程采样点的所有三角形所构成的空间平面法矢量之间的夹角大小作为高程采样点是否被淘汰的判别条件。
即如果所有上述法矢量两两之间的夹角的最大值小于设定的阈值,说明该点对整个地形模拟曲面的影响较小,该点的高程可以由其他高程点推算获得,因此该点可以被淘汰。
本方法计算效率要比上述曲面拟合法高得多。
然而,此法对于空间点相对比较稀疏的区域精度影响较大;同样,不难看出,高程采样点的取舍,只是根据其周围局部范围内的其他点的3维坐标值来决定的,而缺乏整体性观点;点的处理顺序也将在较大程度上影响综合结果。
图1 用空间平面夹角法决定V 0点的取舍Fig.1 Filtering V 0by angles between planes3.空间点到空间面的距离法———点面距法[2]该方法的基本思想是把从当前高程采样点到淘汰当前高程采样点后所生成的新的三角网模拟地面的距离作为判别条件,当点面距小于设定的阈值时,淘汰当前高程采样点。
一般而言,共顶点的三角形可能多于3个,当删除V 0点后,余下n 个空间点。
在这种情况下,可利用余下的点集形成一个新的局部三角网,则可计算出V 0到局部三角网所有三角形平面的距离,设d max 为从点V 0到生成三角网中三角形所构成平面的最大距离。
点面距法用d max 作为是否要淘汰V 0的判别条件。
4.高程差法高程差法与点面距法的原理基本相同,所不同的是高程差法的判别条件是淘汰前后所形成地形曲面相对于同一平面位置的高程差[2]。
用点面距法和高程差法决定高程采样点的取舍时,都只是根据其周围局部范围内的其他点的3维坐标值来决定的,因此,全局特征点有时会被淘汰;另外,在删除V 0后重构局部三角网的方案可能有多种,不同的构网方案可能对同一个高程采样点作出截然不同的取舍决定。
5.基于等高线的地貌结构线的提取地图制图学家早已认识到,对于数字地图上等高线数据构成的DEM 进行自动综合,绝不能逐条对等高线进行化简,而是对地貌结构进行综合。
因此,毋河海、费立凡分别提出了先自动提取隐含在复杂等高线图形中的地形结构线,甚至可以利用经综合的水系信息,然后对地形地貌进行自动综合的方法[3～5]。
6.基于小波理论且顾及地形结构线的DEM 多尺度综合法近20多年许多GIS 研究者致力于从DEM 数据中自动提取地形特征信息的研究工作。
这些算法可以分为三大类:一类是基于局部特征信息综合成全局的方法;另一类是全局跟踪进行地形特性线的提取;还有一类是将这两种方法综合起来考虑。
因为地貌的复杂性,这些算法在实际应用中均有其局限性[6]。
杨族桥等将规则格网DEM 的多尺度表达问题变成一个2维数字矩阵的小波分解和重构的问题[6]。
按照这种简化思想利用Mallat 分解和重构算法,得到多尺度的DEM ,其派生的序列DEM 大小为原来的2-k 倍,相应的比例尺逐级降低为原来的1/2,而且所得序列DEM 是尺度相关的,能保持地貌数据的绝大部分信息,同时又有非常简单的数学表现形式。
在此基础上,人们用提升法及扩充结构算法,提取并改善了DEM 的山脊线或谷底线表示[6]。
2 3维Douglas 2Peucker 算法的产生1973年,Douglas 和Peucker 提出一种用于2维曲线形状化简的方法[7]。
该方法的特点是从形状复杂的曲线点列中,通过相对简单的全局性递归运算,能选出那些反映曲线总体及局部形态的主要特征点。
30多年来,Douglas 2Peucker 法已成为计算机制图及GIS 领域内对线状要素进行自动综合的最主要方法之一。
2.1 Douglas 2Peucker 曲线综合算法的回顾这里用图2来说明其工作原理:在顺序组成曲线的点列中,第一点A 称为初始锚点,最后一点B 称为初始漂浮点,这两点先被无条件选取。
将初972第3期 费立凡等:3维Douglas 2Peucker 算法及其在DEM 自动综合中的应用研究始锚点与初始漂浮点用直线连接起来,该直线称为基线。
若中间点数非零,依次算出中间各点到基线的距离。
选出到基线的垂直距离最大的点C (称为分裂点),若该距离小于或等于预先规定的阈值ε,则该基线间所有的中间点都被删除;若该距离大于ε,则分裂点就被选取,并被插入到已被选取的点列之中。
此时,若漂浮点不与锚点为邻,则锚点不动,将漂浮点移到分裂点的位置,程序进入下一轮循环,即重新构建新基线、找出新分裂点、确定到底是选取新分裂点还是删去中间点……一旦漂浮点已紧挨着锚点,但此时漂浮点还不在其初始位置(对图3说就是末点B ),则锚点前进到漂浮点位置,而漂浮点回到初始位置B ,程序进入下一轮循环;若漂浮点已紧挨着锚点且漂浮点已在其初始位置,则整个选取过程结束。
不妨将此法称为Douglas 2Peucker 的“锚点前进法”。
图2 Douglas 2Peucker 法曲线综合原理图Fig.2 Principle of curve generalization using Douglas 2Peucker algorithm 在实践中,为提高计算效率,有人将上述过程作了一些修改:①曲线点列的首末点被无条件选取,并通过首末点构造出一条基线;②计算其余中间点到基线的距离,选取具有最大值的点,记为C ;③如C 点距基线的距离小于阈值,则删除首末点之间的全部点,否则,将点集分为两段{A ～C},{C ～B };④对点集{A ～C}或{C ～B },递归进行特征点选取、分段,直到每段点列中都选不出新的特征点为止。