一种大规模符号的自适应标绘方法技术

本发明专利技术公开的属于标绘技术领域，具体为一种大规模符号的自适应标绘方法，其包括以下步骤：S1：采集大规模静态态势符号；S2：按符号类型分类：将同类型的符号划分为同一个图层；S3：基于SP

【技术实现步骤摘要】
一种大规模符号的自适应标绘方法


[0001]本专利技术涉及标绘
，具体为一种大规模符号的自适应标绘方法。

技术介绍

[0002]通常情况下，标绘人员通过标绘将信息展示在地图中。但当场景复杂，信息规模庞大的情况下，各种不同种类的符号都需要标绘在地图中，不可避免地发生符号地重叠、冲突等问题；同时，当地图层级发生变化时，符号的重叠和冲突问题还会不断产生。标绘空间的局限性导致地图中各种态势要素的强烈竞争，但是指挥员希望在有限的地图视窗中看到尽可能多的信息，这意味着在符号密集分布的有限空间里，标绘人员既要避免符号的重叠和冲突，又要在遵守标绘基本规则的前提下做到表达清晰美观。基于此，本专利技术设计了一种大规模静态态势的自适应标绘方法，在构建符号的质量评估模型的基础上，提出了基于模拟退火算法的符号自动避让方法；同时基于SP-DBSCAN(SingleParameterDensity-BasedSpatialClusteringofApplicationswithNoise)算法提出了符号的自动聚类方法，通过避让和聚类两种思想的融合和互补，能够实现大规模静态态势下同类符号的自动聚类，不同类符号的自动避让，该自适应标绘方法在大规模静态标绘中具有良好的可视化效果和性能。

技术实现思路

[0003]本部分的目的在于概述本专利技术的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。。
[0004]因此，本专利技术的目的是提供一种大规模符号的自适应标绘方法，通过避让和聚类两种思想的融合和互补，能够实现大规模静态态势下同类符号的自动聚类，不同类符号的自动避让，该自适应标绘方法在大规模静态标绘中具有良好的可视化效果和性能。
[0005]为解决上述技术问题，根据本专利技术的一个方面，本专利技术提供了如下技术方案：
[0006]一种大规模符号的自适应标绘方法，其包括以下步骤：
[0007]S1：采集大规模静态态势符号；
[0008]S2：按符号类型分类：将同类型的符号划分为同一个图层；
[0009]S3：基于SP-DBSCAN算法的自动聚类：对所有图层依次进行聚类处理，并用各个类的类中心来代替该类中的所有符号，并对所有类的类中心加以标记，使指挥员能够区分类中心与普通的符号；
[0010]S4：基于模拟退火算法的自动避让：然后将聚类的输出结果作为新的数据集进行避让处理。同时对每个聚类后的类内也进行避让处理，并通过popup弹窗的形式加载，指挥员可以通过点击类中心来查看该类中所有符号的具体细节；
[0011]S5：输出标绘结果：可以将大规模静态态势的自适应标绘方法做一总结。
[0012]作为本专利技术所述的大规模符号的自适应标绘方法的一种优选方案，其中：所述步
骤S3采用一种基于单一参数的DBSCAN算法，即SP-DBSCAN算法，在该算法中我们首先做出如下定义：
[0013]对于,且x、y同类型的符号，若x为核心点且Overlap(x,y)＝true，则认为y位于x的Eps邻域内，且y是从x直接密度可达的；
[0014]根据定义，将Eps从定量参数抽象成定性参数，无需根据数据集中局部区域的密度来确定参数Eps的值，而是根据符号的是否重叠来自动获取数据集中所有点的Eps值，使SP-DBSCAN算法变成只依赖单一参数的算法；
[0015]关于算法中唯一的关键参数MinPts，取MinPts≥dim+1，式中的dim表示聚类数据空间的维度，取MinPts＝3可以达到最佳的聚类效果。
[0016]作为本专利技术所述的大规模符号的自适应标绘方法的一种优选方案，其中：所述步骤S4模拟退火算法中当温度为T时，接受当前状态S到新状态S'的概率p为：
[0017][0018]式中K为Metropolis修正系数，取K＝1/100,在算法运行的过程中，系统将随机产生一个(0,1)的随机数，若p大于该随机数，则接受新状态S'，并将此新状态作为当前的局部最优解；若p小于该随机数，则拒绝新状态S'，并仍以S作为当前最优解。
[0019]作为本专利技术所述的大规模符号的自适应标绘方法的一种优选方案，其中：所述步骤S4模拟退火算法的自动避让中,符号的标绘质量评估模型建立包括以下步骤：
[0020](1).符号的邻域位置构建：根据标绘的基本规则，为了使发生重叠的符号能够避让开，为每个符号在其8邻域构建备选位置；
[0021](2).符号的重叠检测：符号的重叠检测包括两部分，第一是符号本身的重叠，第二是标绘引线的交叉，由于不同符号的大小不同，通过为每个符号设置MBR(MinimumBoundRectangle)来判断符号是否发生重叠；
[0022](3).建立标绘质量评估模型：将符号重叠、引线与符号相交、引线交叉以及重叠面积作为评估模型中的四个因素，其中将符号是否发生重叠作为标绘质量评估的首要因素，其次需要评估的是引线与符号是否相交以及引线之间是否交叉，最后，当两个符号发生重叠时，将其MBR的重叠面积也作为重叠的参考因素，根据上述的四个因素来建立较为完善的标绘质量评估模型。
[0023]作为本专利技术所述的大规模符号的自适应标绘方法的一种优选方案，其中：所述步骤(3)中包括以下公式：
[0024]ΔE
i
＝Ei(S
′
)-Ei(S)
[0025][0026]式中E(S
i
)表示第i个符号在状态S下内能的总和，其中E
重叠
(S
i
)、E
相交
(S
i
)、E
交叉
(S
i
)和E
面积
(S
i
)分别表示该符号的符号重叠、符号与引线相交、引线自交叉和重叠面积的评价函数，他们的表达式分别为：
[0027][0028][0029][0030][0031]式中Overlap(i,j)表示第i个符号和第j个符号之间的重叠计算函数，式中cross(i,j)＝true表示第i个符号本身与第j个符号的引线相交或第i个符号的引线与第j个符号本身相交，式中的d(i,j)>0表示i、j两个符号引线交叉，式中Area(i,j)和表示i、j两个符号MBR的重叠面积和N个符号MBR面积的总和；W
重叠
、W
相交/交叉
和W
面积
分别表示在E(S
i
)的权重系数，在标绘质量评价模型中，重要程度：重叠>相交/交叉。
[0032]与现有技术相比：通过实验比较了地图中初始标绘和自适应标绘的可视化结果，并对该自适应标绘方法的算法效率进行了对比分析。实验表明，该自适应标绘方法在可视化效果方面具有较好的结果，同时具有较高的计算效率，可以进行实时地计算分析，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大规模符号的自适应标绘方法，其特征在于，包括以下步骤：S1：采集大规模静态态势符号；S2：按符号类型分类：将同类型的符号划分为同一个图层；S3：基于SP-DBSCAN算法的自动聚类：对所有图层依次进行聚类处理，并用各个类的类中心来代替该类中的所有符号，并对所有类的类中心加以标记，使指挥员能够区分类中心与普通的符号；S4：基于模拟退火算法的自动避让：然后将聚类的输出结果作为新的数据集进行避让处理。同时对每个聚类后的类内也进行避让处理，并通过popup弹窗的形式加载，指挥员可以通过点击类中心来查看该类中所有符号的具体细节；S5：输出标绘结果：可以将大规模静态态势的自适应标绘方法做一总结。2.根据权利要求1所述的一种大规模符号的自适应标绘方法，其特征在于，所述步骤S3采用一种基于单一参数的DBSCAN算法，即SP-DBSCAN算法，在该算法中我们首先做出如下定义：对于,且x、y同类型的符号，若x为核心点且Overlap(x,y)＝true，则认为y位于x的Eps邻域内，且y是从x直接密度可达的；根据定义，将Eps从定量参数抽象成定性参数，无需根据数据集中局部区域的密度来确定参数Eps的值，而是根据符号的是否重叠来自动获取数据集中所有点的Eps值，使SP-DBSCAN算法变成只依赖单一参数的算法；关于算法中唯一的关键参数MinPts，取MinPts≥dim+1，式中的dim表示聚类数据空间的维度，取MinPts＝3可以达到最佳的聚类效果。3.根据权利要求1所述的一种大规模符号的自适应标绘方法，其特征在于，所述步骤S4模拟退火算法中当温度为T时，接受当前状态S到新状态S'的概率p为：式中K为Metropolis修正系数，取K＝1/100,在算法运行的过程中，系统将随机产生一个(0,1)的随机数，若p大于该随机数，则接受新状态S'，并将此新状态作为当前的局部最优解；若p小于该随机数，则拒绝新状态S'，并仍以S作为当前最优解。4.根据权利要求1所述的一种大规模符号的自适应标绘方法，其特征在于，所述步骤S4模拟退火算法的自动避让中,符号的标绘质量评估模型建立包括以下步骤：(1).符号的邻域位置构建：根据标绘的基本规则，为了使发生重叠的符号能够避让开，为每...

【专利技术属性】
技术研发人员：钟志农，倪浩，杨岸然，贾庆仁，欧阳雪，熊伟，吴烨，李军，陈荦，景宁，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：