基于KD树的露天矿采场示坡线自动生成方法

计算机应用 ›› 2010, Vol. 30 ›› Issue (07): 1838-1840.

基于KD树的露天矿采场示坡线自动生成方法

谭正华¹,王李管¹,陈建宏²,黄俊歆²,毕林¹

1. 中南大学资源与安全工程学院
2.

收稿日期:2010-01-14 修回日期:2010-03-03 发布日期:2010-07-01 出版日期:2010-07-01
通讯作者: 谭正华
基金资助:
矿山图元库构造及其实体拓扑关系与运算方法研究

Method for generating slope line of open-pit mine based on KD-tree

Received:2010-01-14 Revised:2010-03-03 Online:2010-07-01 Published:2010-07-01

摘要/Abstract

摘要： 为了提高露天矿采场示坡线的绘制效率和精度，根据露天矿采场数据的特点，提出示坡线自动绘制解决方案：将采场的线状数据按给定步距分解为空间散点，并采用KD树对空间散点进行组织和索引，不需要先验地知道散点间的拓扑关系便可以快速确定任意散点的邻域点集，根据示坡线绘制的基本原则和方法，实现任意散点处的示坡线绘制。该方法用VC++.NET编程得以实现，实验结果表明：该方法结果正确、速度较快，保证了示坡线符号均匀、美观。此外，该思想还可应用于等高线地形。

关键词: 露天矿, 示坡线, 自动, KD树

Abstract: In order to improve the precision and efficiency for plotting slope line of open-pit mine, a method for automatic generation of slope line was presented according to the characteristics of openpit mine data. KD-tree was constructed according to points generated uniformly by curves of openpit mine. It was possible to quickly find one points neighbors with KD-tree without prior knowing topological relations of points. Slope line was drawn at any point according to the graphic principles and methods. The method was realized by programming with VC++.NET and well applied in openpit mine. The experiments show the method can improve the efficiency and accuracy for drawing slope line of openpit mine and obtain great effects. Besides, the method can be applied to contours.

Key words: open-pit mine, slope line, automatic, KD-tree

谭正华王李管陈建宏黄俊歆毕林. 基于KD树的露天矿采场示坡线自动生成方法[J]. 计算机应用, 2010, 30(07): 1838-1840.

[1]	周险兵, 樊小超, 任鸽, 杨勇. 基于多层次语义特征的英文作文自动评分方法[J]. 计算机应用, 2021, 41(8): 2205-2211.
[2]	李朝, 兰海, 魏宪. 基于注意力的毫米波-激光雷达融合目标检测[J]. 计算机应用, 2021, 41(7): 2137-2144.
[3]	李旭娟, 皮建勇, 黄飞翔, 贾海朋. 基于自生成深度神经网络的4D航迹预测[J]. 计算机应用, 2021, 41(5): 1492-1499.
[4]	沈忱, 邰凌翔, 彭煜玮. 面向自动参数调优的动态负载匹配方法[J]. 计算机应用, 2021, 41(3): 657-661.
[5]	杜嘻嘻, 程华, 房一泉. 基于优势演员-评论家算法的强化自动摘要模型[J]. 计算机应用, 2021, 41(3): 699-705.
[6]	刘太亨, 何昭水. 基于自编码和知识蒸馏的表面缺陷检测方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3200-3205.
[7]	丁一, 王聪. 以自动化码头为中心的船舶配载优化[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3385-3393.
[8]	张亚, 金鑫, 江倩, 李昕洁, 董云云, 姚绍文. 基于自动编码器的深度伪造图像检测方法[J]. 计算机应用, 2021, 41(10): 2985-2990.
[9]	杨玮, 李然, 张堃. 基于变邻域模拟退火算法的多自动导引车任务分配优化[J]. 计算机应用, 2021, 41(10): 3056-3062.
[10]	林志兴, 王立可. 基于深度特征和Seq2Seq模型的网络态势预测方法[J]. 计算机应用, 2020, 40(8): 2241-2247.
[11]	刘丹, 吴亚娟, 罗南超, 郑伯川. 嵌入注意力和特征交织模块的Gaussian-YOLO v3目标检测[J]. 计算机应用, 2020, 40(8): 2225-2230.
[12]	高一鹭, 胡志华. 基于时空网络的自动化集装箱码头自动化导引车路径规划[J]. 计算机应用, 2020, 40(7): 2155-2163.
[13]	黄中展, 徐世明. 基于循环神经网络的正交网格的自动化生成算法[J]. 计算机应用, 2020, 40(7): 2009-2015.
[14]	胡学敏, 童秀迟, 郭琳, 张若晗, 孔力. 基于深度视觉注意神经网络的端到端自动驾驶模型[J]. 计算机应用, 2020, 40(7): 1926-1931.
[15]	胡学敏, 成煜, 陈国文, 张若晗, 童秀迟. 基于深度时空Q网络的定向导航自动驾驶运动规划[J]. 计算机应用, 2020, 40(7): 1919-1925.