一種大壩平面離散點邊界搜索算法

于印+薛松

摘要：針對大壩平面離散點邊界提取不連續的問題，提出了一種新的邊界提取方法。根據行列進行搜索，將大壩離散點數據網格化，在行和列上分成了若干相等等份，然后分別進行行搜索和列搜索，再次基礎上，通過進一步修正提高邊界曲線的精度，從而得到邊界曲線。方法實現簡單，算法效率高，能夠精確提取平面的凹凸曲線。

關鍵詞：邊界搜索；大壩數據可視化；行列法

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2017）06-0142-02

隨著經濟的發展、科技的進步，我國在利用水利發電的技術也得到了飛躍的提升，越來越多大壩已經建成或者在建和規劃。在己建成的86900多座大壩中，絕大多數是土石壩。已建、在建以及規劃中的土石壩的高壩中，有很大一部分采用了面板堆石壩的筑壩形式。雖然按規范要求這些大壩都設計和布置了大壩安全監測設備，但是大部分設備都還沒有實現大壩安全監測自動化。因而有必要設計一套大壩安全監測信息系統。如何使大壩運行管理中的龐大信息量的高效管理，如何實現遠程、移動、高效、及時、便捷的安全管理與監控成了事關水利水電工程建設能否穩定、安全、高質量運行的重大關鍵性技術問題。在設計系統方面，如何精確的提取數據是一個難題，因為即使數據出現細微的差錯也可能造成無可彌補的后果，在防洪大壩的受力分析方面，對于受力圖像數據的邊界提取，必須找出一個最小誤差的算法，而本文則根據現有的技術，選擇了適合大壩受力分析數據的邊界數據提取方法，為系統的精確運行提供了理論支持。

1 提出的算法

在大壩的離散點數據中，為了確定每次搜索的范圍大小，需要確定步長，所謂步長是指離散點的平均距離。首先要通過一個有效公式確定步長的大小，同時盡量保證每行和每列只有一行/列離散點，然后進行搜索和列搜索。行搜索是在Y坐標上進行搜索，每增加一個步長，取得該步長內最小值和最大值的坐標，得到行搜索邊界點，按順序連接這些點，結果即為行搜索邊界；列搜索是在X坐標上進行搜索，每增加一個步長，找到步長內最小值和最大值的坐標，得到列搜索邊界點。然后對行搜索得到的邊界和列搜索得到的邊界進行修正處理，得到最終的邊界點，然后按順序連接這些點，結果即為邊界曲線[1][2]。

依據式（1），可根據步長大小，將大壩離散點在行和列上分別分成若干等分，同時保證每行和每列盡量只有一排離散點，這樣可以增加邊界的精確，然后進行行搜索和列搜索，最后將行搜索和列搜索的結果整合，得到邊界[3]。

需要指出的是，在大壩離散點的提取中，需要將行搜索和列搜索結果重新搜索一遍，將重復的點只計算一次，而后連接篩選之后各點，即為邊界曲線。修正之后的邊界大大提高了邊界曲線的準確性。

大壩剖面邊界提取如圖1所示。

2 結語

為獲取離散點邊界，本文算法的核心思想是將行和列分開搜索，在Y坐標上的搜索為行搜索，搜索的結果為行搜索邊界；在X坐標上的搜索為列搜索，搜索的結果為列搜索邊界，最后將兩者修正整合，以對于行和列模糊的邊界得到更精確的坐標位置信息。本方法在大壩實際應用中得到了驗證，具有很強的實用性，達到了預期的效果。

參考文獻

[1]袁滿，袁志華.一種基于行列法離散點邊界搜索算法[J].計算機應用研究，2010，27（11）： 4130-4132.

[2]邱澤陽，宋曉宇，張樹生，張定華，楊海成.一種新的散亂數據邊界點提取方法[J].機械科學與技術，2004，23（9）：1037-1039.

[3]胡鑫，習俊通，金燁.基于圖像法的點云數據邊界自動提取[J].上海交通大學學報，2002，36（8）：1118-1120.

Abstract：In view of the dam surface discrete points boundary extraction of discontinuous problems， puts forward a new method of boundary extraction. According to search， the dam discrete point data grid， and the rows and columns is divided into several equal portions， and then separately line search and search， again， on the basis of further modified to improve the precision of the boundary curve， boundary curve is obtained. Method algorithm with high efficiency and easy to implement， can accurately extract the plane of concave and convex curve.

Key Words：boundary search； The dam data visualization； The ranks of lawendprint