Non-navigational TIN-DDM Automatic Generalization Algorithm for Optimizing Critical Rolling Ball Radius

DONG Jian; JI Hongchao; LIU Guohui; TANG Lulu; CHEN Yang

doi:10.13203/j.whugis20220719

您当前的位置：

首页 >

文章列表页 >

Non-navigational TIN-DDM Automatic Generalization Algorithm for Optimizing Critical Rolling Ball Radius

Cartography and GIS | 更新时间：2026-11-05

- Non-navigational TIN-DDM Automatic Generalization Algorithm for Optimizing Critical Rolling Ball Radius
- Geomatics and Information Science of Wuhan University Vol. 50, Issue 5, Pages: 996-1005(2025)
- 作者机构：
  
  1.海军大连舰艇学院军事海洋与测绘系，辽宁大连,116018
  2.海图信息中心，天津,300450
- 作者简介：
- 基金信息：
- DOI：10.13203/j.whugis20220719
  CLC： P208
- Received：25 February 2023，
  
  Published：05 May 2025
- 稿件说明：
移动端阅览
董箭,季宏超,刘国辉，等.临界滚动球半径优化的非航海TIN-DDM自动综合算法[J].武汉大学学报（信息科学版）,2025,50(5):996-1005.

DONG Jian,JI Hongchao,LIU Guohui,et al.Non-navigational TIN-DDM Automatic Generalization Algorithm for Optimizing Critical Rolling Ball Radius[J].Geomatics and Information Science of Wuhan University,2025,50(5):996-1005.
董箭,季宏超,刘国辉，等.临界滚动球半径优化的非航海TIN-DDM自动综合算法[J].武汉大学学报（信息科学版）,2025,50(5):996-1005. DOI：10.13203/j.whugis20220719

DONG Jian,JI Hongchao,LIU Guohui,et al.Non-navigational TIN-DDM Automatic Generalization Algorithm for Optimizing Critical Rolling Ball Radius[J].Geomatics and Information Science of Wuhan University,2025,50(5):996-1005. DOI：10.13203/j.whugis20220719

摘要

为有效改善当前非航海不规则三角网（triangulated irregular network，TIN）数字水深模型（digital depth model，DDM）综合算法在海底形态维护方面的运算效果，同时能够提升综合算法在工程应用中的计算效率，提出一种临界滚动球半径优化的非航海TIN-DDM自动综合算法。该算法通过深入分析临界滚动球半径的物理意义，阐明了临界滚动球与TIN-DDM采样点法向量的关联性，在精确求取各采样点法向量的基础上，根据采样点空间位置与临界滚动球半径的数值分析，构建了正负向临界滚动球半径计算流程，获取了更加精确的临界滚动球半径值，并将该值直接应用于现有的综合算法中。实验结果表明，所提算法使采样点地形类型属性判定的结果更为合理，采样点地形特征评价指标求解更加准确，同时相比于对比算法，所提算法的综合结果在TIN-DDM的形态维护与地形精度两方面均得到了一定程度的提升，且算法运行速率也有了相对的提高。

Abstract

Objectives

To address the limitations of existing non-navigational triangulated irregular network (TIN)-based digital depth model (DDM) generalization algorithms in maintaining seabed morphology and improving computational efficiency

this paper aims to develop an optimized automatic generalization algorithm by refining the critical rolling ball radius. The goal is to enhance both the accuracy of morphology preservation and the practical applicability of DDM in engineering projects.

Methods

The proposed algorithm first investigates the physical significance of the critical rolling ball radius and establishes its relationship with the normal vectors of TIN-DDM sampling points. By precisely calculating the normal vectors of each sampling point

the method derives a novel workflow for determining positive and negative critical rolling ball radii based on spatial analysis of sampling point locations and radius values. This optimized radius is then integrated into existing generalization algorithms to improve their performance.

Results

Experimental comparisons demonstrate that the proposed algorithm achieves better preservation of seabed morphology and higher terrain accuracy in TIN-DDM generalization compared to conventional methods. Additionally

the computational efficiency of the algorithm is significantly enhanced

with reduced runtime while maintaining or improving output quality.

Conclusions

We successfully validate the effectiveness of the critical rolling ball radius optimization approach in enhancing both the accuracy and efficiency of TIN-DDM generalization. This method provides a robust framework for maintaining complex seabed features during data simplification

offering practical benefits for applications such as marine engineering and hydrographic surveying. The integration of normal vector analysis and adaptive radius computation represents a notable advancement in automated DDM generalization techniques..

关键词

Keywords

references

李志林，朱庆 . 数字高程模型［M］. 武汉：武汉大学出版社， 2001 ： 78 - 91 .

LI Zhilin ， ZHU Qing . Digital Elevation Model ［M］. Wuhan ： Wuhan University Press ， 2001 ： 78 - 91 .

张立华，贾帅东，元建胜，等 . 一种基于不确定度的水深控浅方法［J］. 测绘学报， 2012 ， 41 （ 2 ）： 184 - 190 .

ZHANG Lihua ， JIA Shuaidong ， YUAN Jiansheng ， et al . A Method for Controlling Shoal-Bias Based on Uncertainty ［J］. Acta Geodaetica et Cartographica Sinica ， 2012 ， 41 （ 2 ）： 184 - 190 .

PORATHE T . 3D Nautical Charts and Safe Navigation ［D］. Eskilstuna ： Malardalen University ， 2006 .

贾帅东，张立华，董箭，等 . 利用拟构模型面调控水深模型点选取的航海DDM构建［J］. 武汉大学学报（信息科学版）， 2019 ， 44 （ 11 ）： 1715 - 1722 .

JIA Shuaidong ， ZHANG Lihua ， DONG Jian ， et al . A Method for Constructing DDM Serving for Navigation Using Pre-sconstructed Model Surface to Control and Adjust the Selection of DDM Nodes ［J］. Geomatics and Information Science of Wuhan University ， 2019 ， 44 （ 11 ）： 1715 - 1722 .

田峰敏，赵玉新，李磊，等 . 由矢量电子海图构建海底TIN DEM方法研究［J］. 哈尔滨工程大学学报， 2009 ， 30 （ 2 ）： 142 - 147 .

TIAN Fengmin ， ZHAO Yuxin ， LI Lei ， et al . A Method of Constructing Undersea TIN DEM Based on Vector Nautical Chart ［J］. Journal of Harbin Engineering University ， 2009 ， 30 （ 2 ）： 142 - 147 .

董箭，彭认灿，张立华，等 . 数字水深优化建模及滚动球处理技术研究［M］. 北京：测绘出版社， 2020 ： 161 - 170 .

DONG Jian ， PENG Rencan ， ZHANG Lihua ， et al . Research on Optimization Digital Depth Modeling and Rolling Ball Transform Processing ［M］. Beijing ： Sino Maps Press ， 2020 ： 161 - 170 .

唐钰涵 . 一种基于局部地形复杂度指标的机载LiDAR地面点云数据抽稀方法［D］. 成都：西南交通大学， 2019 .

TANG Yuhan . A Thin-Method Based on Local Terrain Complexity Index for LiDAR Bare Earth Surface Point Cloud ［D］. Chengdu ： Southwest Jiaotong University ， 2019 .

王映雪，李少梅，任丽秋，等 . 面向特征的网络空间点群要素自动综合方法［J］. 武汉大学学报（信息科学版）， 2021 ， 46 （ 3 ）： 427 - 433 .

WANG Yingxue ， LI Shaomei ， REN Liqiu ， et al . Automatic Generalization Methods of Cyberspace Point Cluster Features Considering Characteristics ［J］. Geomatics and Information Science of Wuhan University ， 2021 ， 46 （ 3 ）： 427 - 433 .

李兆兴，翟京生，武芳，等 . TIN的海底地形复杂度表示与计算方法［J］. 测绘科学技术学报， 2018 ， 35 （ 3 ）： 305 - 310 .

LI Zhaoxing ， ZHAI Jingsheng ， WU Fang ， et al . Seabed Terrain Complexity Representation and Computation Method for TIN ［J］. Journal of Geomatics Science and Technology ， 2018 ， 35 （ 3 ）： 305 - 310 .

WEBER W . Automations Gestützte Generalisierung ［J］. Nachrichten aus dem Karten⁃und Vermessungswesen ， 1982 ， 88 （ 1 ）： 77 - 109 .

蔡先华，郑天栋 . 数字高程模型数据压缩及算法研究［J］. 测绘通报， 2003 （ 12 ）： 16 - 18 .

CAI Xianhua ， ZHENG Tiandong . A Study of DEM Data Compression and Its Algorithm ［J］. Bulletin of Surveying and Mapping ， 2003 （ 12 ）： 16 - 18 .

徐道柱 . 基于TIN和RGD的地貌综合研究［D］. 郑州：信息工程大学， 2007 .

XU Daozhu . Study on Cartographic Generalization of Relief Based on TIN and RGD ［D］. Zhengzhou ： Information Engineering University ， 2007 .

季宏超，董箭，李树军，等 . 兼顾地形形态与特征的非航海TIN-DDM自动综合算法［J］. 测绘学报， 2023 ， 52 （ 1 ）： 129 - 141 .

JI Hongchao ， DONG Jian ， LI Shujun ， et al . Non-Navigational TIN-DDM Automatic Generalization Algorithm Considering Topographic Forms and Terrain Features ［J］. Acta Geodaetica et Cartographica Sinica ， 2023 ， 52 （ 1 ）： 129 - 141 .

张志衡，董箭，彭认灿，等 . 基于滚动球变换的TINDDM地形形态划分及连续尺度表达［J］. 测绘学报， 2020 ， 49 （ 5 ）： 644 - 655 .

ZHANG Zhiheng ， DONG Jian ， PENG Rencan ， et al . Division of TINDDM Topographic Forms and Continuous Scale Representation Based on Rolling Ball Transformation ［J］. Acta Geodaetica et Cartographica Sinica ， 2020 ， 49 （ 5 ）： 644 - 655 .

董箭，彭认灿，张立华，等 . 滚动球变换的数字水深模型多尺度表达［J］. 地球信息科学学报， 2012 ， 14 （ 6 ）： 704 - 711 .

DONG Jian ， PENG Rencan ， ZHANG Lihua ， et al . Multi-scale Representation of Digital Depth Model Based on Rolling Ball Transform ［J］. Journal of Geo-Information Science ， 2012 ， 14 （ 6 ）： 704 - 711 .

张志强，董箭，彭认灿，等 . 关键采样点高效判定的TIN-DDM缓冲面快速构建算法［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 10 ）： 1831 - 1845 .

ZHANG Zhiqiang ， DONG Jian ， PENG Rencan ， et al . Fast Construction Algorithm of TIN-DDM Buffer Surface Based on Efficient Determination of Key Sampling Points ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 10 ）： 1831 - 1845 .

宣伟，花向红，邹进贵，等 . 自适应最优邻域尺寸选择的点云法向量估计方法［J］. 测绘科学， 2019 ， 44 （ 10 ）： 101 - 108 .

XUAN Wei ， HUA Xianghong ， ZOU Jingui ， et al . A New Method of Normal Estimation for Point Cloud Based on Adaptive Optimal Neighborhoods ［J］. Science of Surveying and Mapping ， 2019 ， 44 （ 10 ）： 101 - 108 .

冯林，李斌兵 . 一种基于最小广义方差估计的TLS点云抗差法向量求解方法［J］. 武汉大学学报（信息科学版）， 2018 ， 43 （ 11 ）： 1647 - 1653 .

FENG Lin ， LI Binbing . A Robust Normal Estimation Method for Terrestrial Laser Scanning Point Cloud Based on Minimum Covariance Determinant ［J］. Geomatics and Information Science of Wuhan University ， 2018 ， 43 （ 11 ）： 1647 - 1653 .

麻卫峰，王金亮，张建鹏，等 . 一种改进法向量估算的点云特征提取［J］. 测绘科学， 2021 ， 46 （ 11 ）： 84 - 90 .

MA Weifeng ， WANG Jinliang ， ZHANG Jianpeng ， et al . Feature Extraction from Point Cloud Based on Improved Normal Vector ［J］. Science of Surveying and Mapping ， 2021 ， 46 （ 11 ）： 84 - 90 .

王海波，游为，范东明，等 . 利用ICA方法提取奥卡万戈三角洲水储量变化信号［J］. 武汉大学学报（信息科学版）， 2022 ， 47 （ 1 ）： 93 - 103 .

WANG Haibo ， YOU Wei ， FAN Dongming ， et al . Using ICA to Extract the Water Storage Variations Signals of the Okavango Delta ［J］. Geomatics and Information Science of Wuhan University ， 2022 ， 47 （ 1 ）： 93 - 103 .

杜浩，朱俊锋，张力，等 . 顾及地形特征的LiDAR点云数据抽稀算法［J］. 测绘科学， 2016 ， 41 （ 9 ）： 140 - 146 .

DU Hao ， ZHU Junfeng ， ZHANG Li ， et al . A Thinning Method of LiDAR Point Clouds Considering Terrain Features ［J］. Science of Surveying and Mapping ， 2016 ， 41 （ 9 ）： 140 - 146 .

王晞 . DEM内插算法与精度评定研究［J］. 现代测绘， 2013 ， 36 （ 5 ）： 21 - 23 .

WANG Xi . Research on Interpolation Algorithm and Accuracy Assessment of DEM ［J］. Modern Surveying and Mapping ， 2013 ， 36 （ 5 ）： 21 - 23 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Intelligent Change Detection Method and Application Based on Wuhan-1 Satellite Imagery

Tectonic Geodesy： Research Advancements， Opportunities， and Challenges

Research Progress in Spatiotemporal Modeling， Analysis， and Prediction of Urban Activity Flows in Built Environment

A Framework for Evaluating Geospatial Cognitive Abilities of Multimodal Large Language Models for Brain-Inspired Spatial Intelligence

Thoughts on Smart Nautical Charts

Related Author

Yingxue WANG

Shaomei LI

Liqiu REN

Xinlu ZHANG

Chongtao ZHANG

Fubing ZHANG

Related Institution

Institute of Geospatial Information, Information Engineering University

Troops

AI问答

⁰