自适应曲线抽稀方法及其装置制造方法及图纸

本申请公开了一种自适应曲线抽稀方法及其装置，包括以下步骤：1)绘制待处理样本数据的待抽稀曲线S，采用道格拉斯普克算法计算不同抽稀阈值x

【技术实现步骤摘要】
自适应曲线抽稀方法及其装置


[0001]本申请涉及物联网监测
，特别是一种自适应曲线抽稀方法及其装置。

技术介绍

[0002]在物联网监测领域，随着时间增长，传感器监测的历史数据会逐步增多。当需要显示该传感器监测量的时间过程曲线时，由于数据量过大，不论手工绘制还是程序绘制都面临工作量大的问题，同时利用程序绘制时，如果在网页端显示该曲线，由于数据量多大，不仅需要更长的时间进行数据传输，网页也需要更大的内存进行曲线绘制，因而经常面临等待时间过长、数据量过大而导致网页崩溃、网页卡顿的现象。
[0003]同样，在测绘领域也面临着一样的问题，当绘制国家、省、地区等地域边界时，由于边界点数量过多，不论人工绘制还是计算机程序绘制，也存在绘制效率低、时间长、数据量大而显示崩溃的问题。
[0004]基于以上问题，常用的解决方法为曲线抽稀法。抽稀是指：在处理矢量化数据时，记录中往往会有很多重复数据，对进一步数据处理带来诸多不便。多余的数据一方面浪费了较多的存储空间，另一方面造成所要表达的图形不光滑或不符合标准。因此通过规则，在保证矢量曲线形状不变的情况下，最大限度地减少数据点个数，这个过程称为抽稀。
[0005]但曲线抽稀过程中不可随意删减数据点，需在精简曲线点数量的同时，保留矢量曲线形状不变。例如对于监测数据而言，一条曲线上的历史最大值、历史最小值、突变尖点、台阶形曲线等曲线特征点需保留，以便分析监测对象的变化情况。
[0006]现有曲线抽稀算法包括：步长法、线段过滤法、圆柱法、角度限值法、垂距限值法、道格拉斯
‑
普克算法。
[0007]步长法[1]：步长法是沿连续曲线每隔一定的步长选取一点，其余点全部压缩掉，然后在相邻取样点间用直线连接或采取曲线拟合逼近。这种方法主要存在两点不足：一是曲线上的特征点如曲线拐弯处、曲率变化较大处的点均可能被抽稀而引起曲线变形；二是仍会留下部分多余点无法删除。
[0008]因此，采用步长法抽稀后的曲线与原曲线有一定误差，误差大小取决于步长和曲线拟合方法。如果综合考虑步长与曲率来定义抽稀因子，能收到比步长法更好的效果，但步长与曲率的确定目前也没有明确的规定，一般由操作人员或编程人员人为确定，进而导致不同操作人员处理后结果相差较大。
[0009]线段过滤法[2]：线段过滤法是指当某一段线段的长度小于规定值时，就以该段的中点代替该段，如同该段的两端退化到中点一样。线段过滤法同步长法一样，规定值的大小直接决定抽稀的精度，也存在曲率大会留下多余点，曲率小时精度不足的问题。
[0010]圆柱法[2]：圆柱法的具体做法是用一个圆柱面去套线串，当圆柱面被抵住时记下抵住圆柱的点，然后从该点开始往下套并记下相应的点，直到线串的另一端为止。圆柱的半径称即为过滤公差，公差越大，从曲线上去除的点越多；值越小，去掉的点越少。实际应用中选取过滤公差值为最大允许误差。与上述两种方法相比，圆柱法的圆柱半径与抽稀误差具
有直接联系，但是结果的精度还受圆柱长度的影响，且操作起来要复杂得多。
[0011]角度限值法[3]：角度限值法的思想是:先从待压缩的曲线一端开始，选取其相邻的三个点，第一点与第二点连线，同时第二点与第三点连线.计算此两条线之间的夹角，若所得角大于规定角则保留该点，否则剔除。后面的点按此方法依次操作，直至曲线上所有点都被处理过。角度限值法的特点是其对于曲线角度变化比较敏感，他适用于平缓的曲线数据压缩，而且角度限值法由于需要计算角度，故时间会相应增加，在数据量很大时，这一弱点需要考虑。
[0012]垂距限值法[3]：垂距限值法是从待处理曲线的一端开始。选取相邻的三个点，连接第一点和第三点，再计算第二点到第一、三点连线的距离。当该距离大于给定的阈值时，保留该点，否则不保留该点。后面的点重复这一过程，直至结束。垂距限值法计算简单、方便,不会出现像角度计算那样的复杂运算，计算时耗费的时间会较小。该方法对于急剧变化棱角突出的曲线压缩效果明显；其缺点是阈值的设定无法实现自动化，阈值过大，压缩后的曲线与原曲线比较偏差较大；阈值过小，则压缩的数据量有限，效果不明显。
[0013]道格拉斯
‑
普克算法[3]：道格拉斯
‑
普克法是垂距限值法的改进,它继承了该法的优点。它的基本做法是：首先确定带压缩曲线的始末点,在这两者之间连一条假想的直线,计算该段曲线上所有点到这条直线的距离,找出距离最大点。若对应该点的距离大于给定的距离限值,保留此点,否则去除该点。当保留该点的时,该点把曲线分为两段，每一段再重复前面的过程,直到曲线上所有的点到对应的直线都小于给定的距离限值。需要说明的是,对于封闭的曲线可以根据实际的情况把它分成若干段。每段分别应用道格拉斯
‑
普克法。尽管道格拉斯
‑
普克法继承了垂距限值法的优点,但有一个明显的不足,就是其阈值的确定需要人为的干预，不能实现自动化在处理一幅很大的矢量图的时候,无法做到每个图形都去设置一次阈值。
[0014]赵永清[3]等基于道格拉斯
‑
普克算法引入自定义常数N，通过比较偏移量/最大距离与1/N的大小，实现道格拉斯
‑
普克算法阈值的自动设置，但自定义常数N仍具有随意性,无法选择最优的抽稀阈值。
[0015]张志伟[4]等基于Douglas
‑
Peucker算法对多波束测深数据进行抽稀，建立了抽稀阈值与抽稀点数之间的最优拟合函数，通过分析阈值
‑
点数拟合函数的曲率性质确定抽稀阈值，但基于该最优阈值的抽稀对原曲线关键特征点的保留程度以及抽稀后的相似度尚待商榷。
[0016]王晓理[5]等基于道格拉斯
‑
普克算法通过拟合“阈值
‑
点数”函数，从函数层面选取最优阈值。同样，该方法对原曲线关键特征点的保留程度以及抽稀后的相似度尚待商榷。
[0017]卢银宏[6]等针创立了基于总体最小二乘的道格拉斯
‑
普克算法，并对多波束测深数据进行抽稀测试，但该方法的缺点仍在于确定抽稀阈值的随意性，不同抽稀阈值下的曲线作为输入，会严重影响后续总体最小二乘的计算结果。
[0018]通过上述分析可知，上述
技术介绍
均存在较大缺陷，具体如下：
[0019](1)步长法：利用步长法抽稀的关键指标—步长，由操作人员人为确定，具有较大随意性，若步长选择不当，即不能起到精简曲线的目的，也剔除了曲线的关键特征，应用后所得曲线准确性较低，不同操作人员所得结果相差较大。
[0020](2)线段过滤法：线段过滤法同步长法一样，规定值的大小直接决定抽稀的精度，
也存在曲率大会留下多余点，曲率小时精度不足的问题。
[0021](3)圆柱法：圆柱的半径称为过滤公差，公差越大，从曲线上去除的点越多；值越小，去掉的点越少。实际应用中选取过滤公差值为最大允许误差。与上述两种方法相比，圆柱法的圆柱半径与抽稀误差具有直接联本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自适应曲线抽稀方法，其特征在于，包括以下步骤：1)绘制待处理样本数据的待抽稀曲线S，设定不同阈值比例{x
i
}(x
i
＞0,x
i
＜1)，采用道格拉斯普克算法计算不同抽稀阈值x
i
下的各抽稀曲线系列{S
′
}，其中道格拉斯普克算法的限差为{D
′
},{D
′
}＝{x
i
×
D
max
}，式中D
max
为待抽稀曲线上所有点到由该曲线首尾两点连线形成直线的距离最大值，计算抽稀曲线系列{S
′
}的归一化抽稀比例{α},{α}＝{n/N}，式中，n为各抽稀曲线系列{S
′
}的数据点数量，N为待抽稀曲线S的数据点数量；2)分别计算待抽稀曲线S与各抽稀曲线系列{S
′
}的弗雷歇距离系列{L
′
i
}，计算归一化弗雷歇距离比例{β},{β}＝{L
′
i
/L
max
}，式中L
max
为弗雷歇距离系列{L
′
i
}中的最大值；采用弗雷歇距离公式计算综合抽稀指标{y
′
},{y
′
}＝{α
×
β}；3)以综合抽稀指标{y
′
}的最大值y
′
max
所对应的曲线为待抽稀曲线S的最优抽稀曲线S
opt
，该最大值y
′
max
对应的阈值比例x
i
为最优阈值比例x
opt
。2.根据权利要求1所述的自适应曲线抽稀方法，其特征在于，步骤S1中阈值比例x
i
从0.001按0.001步长增加至0.999。3.根据权利要求2所述的自适应曲线抽稀方法，其特征在于，步骤S1中阈值比例x
i
按设定步长从0.001增加至0.999。4.一种如权利要求1～3中任一项所述的自适应曲线抽稀装置，其特征在于...

【专利技术属性】
技术研发人员：陈亚军，赵继丹，赵志勇，张礼兵，许后磊，李海鹏，梁礼绘，姚翠霞，
申请(专利权)人：中国电建集团昆明勘测设计研究院有限公司，
类型：发明
国别省市：