基于聚集度和Delaunay三角重构的巡回作业区域边界提取方法与流程

技术特征：

1.一种基于聚集度和Delaunay三角重构的巡回作业区域边界提取方法，其特征在于，

步骤一、感兴趣区域的粗提取

聚集度的计算与优化

定义两个数据点相关度：

$S_{ij}=\frac{550}{d^2(P_i,P_j)}+cos(D_i-D_j)$

其中d(P_i,P_j)是点P_i、P_j之间的距离，D_i、D_j之间的分别是巡航器在P_i、P_j速度方向与参考方向的倾角，某一点的聚集度就用与之高度相关的数据点总数来衡量，若聚集度超过7，则称该点是具有高聚集度的；

基于等距压缩的加速优化算法：对数据点进行等距离压缩，每隔m个间隔取出一个数据点，与等距压缩了p倍的数据点模板进行相关度和聚集度计算；

步骤二、感兴趣区域边界的精提取

1、数据点预处理

数据点的重映射与压缩：先将包围盒里的数据点按照比例映射成一幅位图，再对位图中灰度不为零的像素点按照比例重新映射回实际数据点；

分区：将包围盒内的数据点用直线分割成若干个区域，直线的选取标准是直线带内所包含的数据点总数最少，记包围盒内某片分区内所有数据点为集合S；

2、为点集S求取Delaunay三角网M

三角网格以角点表格形式存储——表格共有三列，每一列分别放置三角形的三个角点在S中索引值；

3.利用alpha-shape算法求取点集S凹包的边列表，算法的过程如下：

a.为M初始化所有Edge对象，给每个Edge分配一个唯一的ID，并求取Edge的长度以及邻接三角形集合，其中邻接2个三角形的边为内部边，1个三角形的为边界边，0个三角形的为计算过程中会退化的边，长度限制R取三角网M边长的均值；

b.将所有长度大于R的边界边加入队列，并当队列非空时循环下列过程：

(1)从队列中取出一条边E，得到E的唯一邻接三角形T；

(2)找到T中另外两个边E1，E2将他们的邻接三角形集合删去T；

(3)将E1，E2中新形成的长度大于R的边界边加入队列；

(4)将E置无效标记，若E1，E2有退化的，也置成无效标记；

c.收集所有有效的边界边，形成边列表，输出。

2.根据权利要求1所述的基于聚集度和Delaunay三角重构的巡回作业区域边界提取方法，其特征在于，所述步骤二中，包围盒里数据点的比例为100m²：1个像素。