针对地层数据特点，研究和分析了复杂非均质地层数据等值线绘制方法的不足，提出一种新的分区方法，实现了带断层的数据集合划分。基于Delaunay三角剖分算法，并以几何多边形为雏形，建立了带约束的三角网格模型。采用约束Delaunay三角网的拓扑结构，选用改进的反距离加权插值算法，有效地解决了断层两侧高程值问题，并结合实际应用要求在VC 与OpenSceneGraph的开发环境下，实现了非均质带断层的地层等值线的绘制。通过对国内某采油厂的实际油气储集地层数据等值线图的绘制和可视化，证明了方法的可行性和准确性。
第5期 孙歧峰,等:复杂非均质地尽的等值线生成算法研究 1583 边形内。图4为点与多边形的位置关系示意图(红色代表要条件为查找到的等值边的最后一条为起始边。 判定的点,P1代表判定点与多边形点重合,见电子版)。 3算法实现实例 PI 点在多边形上 在多边形 本文以油藏地层离散数据为基础,实验环境为Ⅴ isual stu- 点P,在多边形外 dio2013+ Open SceneGraph,实现了非均质带断层的等值线绘 制功能。图7为无约束DT网格,图8为带断层约束的CDT网 图4点与多边形位置关系示意图 格:图9为无约束的等值线图,图10为带断层的等值线图。实 )循坏遍历a)b),直到所有的断层多边形处理完毕。 验证明该方法效果良好。 以上述数据为例,图5为断层线段嵌入完成后,形成的 CD网格,图6为删除多余三角形后形成的C网格(红色代 表断层数据点,黑色为离散数据点,见电子版) 图7无约末DT网格 图8带断层约束的CDT网格 图5人断层后的CDT网格图6删除多余三角形后的CDT网格 2带断层的等值线生成算法 2.1反距离加权插值算法 日前,经野外勘探获得的断层数据信息都是不完整的,大 图9无约束等值线图 部分断层缺失或者没有高程值信息,所以在绘制带断层的等值 线图时,需计算断层两侧的高程值。用于等值线绘制时格插 值的方法有很多,如反距离加权法、克里金插值法、最邻近点法 等。本文釆用反距离加权插值算法,该方法比较简单、容易实 现,且有效地解决了计算断层高程值的问题 图10带断层的等值线图 反距离加权插值( inverse distance weighting)乂叫最小二乘 在断层线条数为6,等值线为11的情况下,对不同数据级 距离加权插值,其插值点的值只是周围邻近点距离倒数的函别的数据进行测试,时间对比结果如表12所示。 数1。对于插值点x的情计值为z,其般形式的公式为 表1数据集合约束剖分耗时 x(x)=∑v;(x)×x;/∑te;(x) 实验 离散 本文算法 离散 本文算法 组别 点数 耗时/ms 组别 只数 耗时/ms 其中 t;(x)=1/d(x,x) (5 5000 1000 4红 10000 y;) x,为邻近点的横坐标;z,为邻近点的高程值;N为用于插值的样 表2传统等值线生成与本文等值线生成算法耗时对比 本点个数(此处N=6);d为邻近点x:到插值点x的距离,为正 实验离散传铳算法本文算法‖实验离散传统算法本文算法 整数幂次(一般取0.5~3可获得最合理的结果,此处m=2); 组别点数耗时/ms耗时/ms别点数耗时/ms耗时/ms 3组5000580 445 为权重,距离插值点越近,邻近点的权重就越大。邻近点的选取 组1000 4组1001100 通过计算离散数据点到插值点的距离,通过设定距离长度,查找 距离插值点最近的6个点,从而得到邻近的离散点。 4结束语 2.2等值线追踪 进行等值线追踪时,需注意等值线是合到达断层线,若巳 本文在前人併究的基础之上,对带断层的复杂地层等值线 经追踪到断层线,应立即停止,而不是穿越断层线。为避免出绘制问题提出了一个新的方法。该方法首先将地层离散数据 现穿越断层的情况,在进行等值线追踪之前,需对约束剖分完点断层数据点划分在不同区块中,简化了数据集,通过断层 成后的CD网格进行结构化处理,将断层线所在的三角形视约束线段的嵌入、影响多边形的三角剖分以及断层数据插值等 为边界三甪形,当等偵线追踪到边界三角形时停上追踪。迨踪操作,完整圯实现了非均质带断层的等值线的可视化。该方法 算法如下 为有效地进行地层建模分析与应用奠定了坚实的基础。 a)遍历所有的三角形集合,查找边界三角形及断层三角参考文献 形,并将该三角形中的边界边及断层边存储在边界边链表中。 b)以某等值线数据为例,从边界边链表中选取一条等值1郭鹂,董兰芳,夏泽举地质最据的等值线绘制方法研究J.计算 机仿真,2009,26(9):168-171.( Guo peng, Dong lanfang, Xia Ze 边作为起始边。查找以该边为边的三角形及其相邻三角形,并 ju. Research on contour drawing charting for geological data L J] 记录穿过的所有三角形,直到查找到的等值边的最后一条是边 Computer Simulation, 2009, 26(2): 168-171.) 界边,非闭合的等值线追踪完成 [2 Laier 'T', Jensen J B. Shallow gas depth-contour map of the Skagerrak- c)闭合的追踪与非闭合类似,但需注意的是,其追踪结東 western Baltic Sea region[ J|. Geo-Marine Letters, 2007, 27(2-4) 1584 计算机应用研究 第36卷 究,2010,27(8):3144-3 en [3]陈学工,付金华,马金金,等.约束TIN生成带所层等值线图的方 rithm of isoline tracing with fault lines[ J]. Application Research of 法[J].计算机工猩与应用,2011,47(33):198-201,206,.(Chen Computers,2010,27(8):31443146.) Xego吧, Fu jinhu, Ma jinjin,ra. Generation of isoline map with[13]孙劲光,周勃.面线约束Dlny三角剖分及在地形构建中的应 fault lines from constrained TIN[ J. Computer Engineering and 用LJ」.计算机应用与软件,2015,32(12):25-28,41.( Sun jin- Applications,2011,47(3):198-201,206.) guang, Zhou Bo. Curve constrained Delaunay triangulation algorithm [4 Bradley D, Heidrich W, Popa T, et al. High resolution passive facial and its application in terrain construction.J. Computer Applica performance capture[ J]. ACM Trans on Graphics, 2010, 29(4): 1 tions and software,2015,32(12):25-28,41.) 14 Cerqueira A M L G, Lisboa A C, Mesquita R C Boundary recovery for 「5]俞亚磊,罗永龙,郭良敏,等. Delaunay三角中任意约束线段嵌 conforming Delaunay triangulation of curved complexes[ J| IET Scien 入算法研究「J.测绘科学,2013,38(4):61-62,3.( Yu Yalei, ce Measurement Technology, 2011, 6(5): 324-330 Lou Yonglong, Guo Liangmin, et al. Algorithm of inserting any cor [15 Isenburg M, Liu Yuanxin, Shewchuk J, et al. Illustrating the streaming trained line into Delaunay triangulation[J. Science of Surveying construetion of 2D Delaunay triangulations[C//Proc of Symposium and Mapping,2013,38(4):61-62,33.) on Computational Geometry. New York ACM Press, 2006: 481-482 [6 Boissonnat J D Shape reconstruction from planar cross sections[ J 16] Chernikov A N, Chrisochoides P. Three-dimensional semi-generalized Computer Vision Graphics Image Processing, 1988, 43(1) poinl placement method for Delaunay mesh refinement[C]//Proe of 112-112. the 16th Tnlerrational Meshing Roundtable. 2008: 25-44 L7」刘少华,程朋根,史文宀,约来 Delaunay三角网生成算法研究17」王中辉,闫浩文.带约束折线的平面散,点集 Delaunay三角剖分LJ」. LJ」.测绘通报,2004(3):47.( Liu shaohua, Cheng penggen, 测绘与空间地理信息,2011,34(1):46-47,52.( Wang zhonghui, Wenzhong Algorithm study of the constrained Delaunay triangulation Yan Haowen. Delaunay triangulation of 2D scattered point set with generation[ J]. Bulletin of Surveying and Mapping, 2004(3):4 constrained polylines[ J]. Geomatics Spatial Information Tech nology,2011,34(1):46-47,52.) 「8陈学工、黄晶晶. Delaunay三角网剖分中的约束边嵌入算法「冂.「8]王龙浩,王解先,基于逕点插入法的 Delaunaγ三角囻快逸生成箅 计算机工程,2007,33(16):56-58.( Chen Xuegon, Huang 法「J1.工程勘察,2013.41(10):75-79.( Wang longhao,Wang Jingjing. Algorithm of inserting constrained edge into Delaunay trian Jiexian. Fast Delaunay triangulation generation algorithm based on in- gulation[ J. Computer Engineering, 2007, 33(16): 56-58) cremental insertion method[ J. Geotechnical Investigation Sur- [9]刘少兵.带断层地震数据的 Delaunay三角剖分算法[J.渫田地 veying,2013,41(10):7579 质与勘探,2008,36(6):70-72.(Ii$ haobing. Algorithm of Delau-[19]余代佼,蒲朝旭,朱逍贤.一种 Delaunay三角剖分的改进算法 [冂].测绘通报,2014(6):51-54.( Yu Daijun, Pu chaoxu, Zhu xi- aoxia.An improvement algorithm for Delaunay Triangulation[ J].Bul- L10」尤磊,唐守正,宋新宇.以优先点为中心的 Delaunay三角网生长 letin of Surveying and Mapping, 2014(6): 51-54.) 算法J」.中国图象图形学报,2016,21(1):60-68.(YouL L20」闰闫浩文,王明孝,王中辉.计算几何:空间数据处理算法LM」.北京 Tang Shouzheng, Song Xinyu Growth algorithm centered on priority 科学出版社,2012.( Yan haowen, Wang mingxiao, Wang Zhonghui. point for constructing the Delaunay triangulation[ I]. Journal of Computational geometry: spatial data processing algorithm[ M. Beijing Image and graphics, 2016, 21(1): 60-68) Scienee Press, 2012.) 「I张群会,解子毅.帶斷层约東的 Delaunay三角剖分混合算法「冂.「21荆永滨,杜学胜,张瑞林,等,复夵地质枃迨煤层三維模型自动构 西安科技大学学报,2014,34(1):52-56.( Zhang Qunhui,Xie 建技术「J.辽宁工栏技术大学学报:自然科学版,2016,35(3) Ziyi Mixed algorithm of Delaunay triangular subdivision with fault 243-247. Jing Yongbin, Du Xuesheng, Zhang Ruilin, el al. Tech constraint[ J] Journal of Xi' an University of Science and Tech niques for automatic 3D modeling of coal seam with complicated geo nology,2014,34(1):52-56 logical structure J]. Journal of Liaoning Technical University: [12]陈学工,张坤.带断层线的等值线生成方法[J].算初应用研 Natural Science,2016,35(3):243-247.) (上接第1572页 I 16 He Kaiming, Zhang Xiangyu, Ren Shaoqing, ei al. Identity mappings [9 Ren Shaoqing, He Kaiming, Girshick R, et al. Faster R-CNN: towards in deep residual networks[C//Proc of European Conference on Com- real-time object detection with region proposal networks[J]. IEEE puter Vision. Berlin: Springer International Publishing, 2016: 630 Trans on Pattern Analysis and Machine Intelligence, 2017, 39 L 10 J Ile Kaiming, Zhang Xiangyu, Ren Shaoqing, et al. Spatial pyramid [17] Overell G, Pelersson L, Brewer N, et al. A new pedestrian daladse! for (6):1137-1149 supervised learning[ C]//Proc of Intelligent Vehicles Symposium pooling in deep convolutional networks for visual recognition[J] 2011:373-378 IEEE Trans on Pattern Analysis Machine Intelligence, 2015 [181 Redmon J Darknet: open source neural networks in C DB/OL 1 37(9):1904-1916 [2017-10-25].http://pireddie.com/darknet 11 Dai Jifeng, Li Yi, He Kaiming, et al. R-FCN: object detection via re- [19 Felzenszwalb P, MeAllester D, Ramanan D. A discriminative gion -based fully convolutional nel works[C//Proc of Neural Inform Trained, multiscale, deformable part model[ C] //Proc of IE.F. Confe tion processing systems conference. 2016.379-387 rence on Computer Vision and Pattern Recognition. Piscataway, NJ 12] Redmon J, Divvala S, Girshick R, et al. You only Io ook once unife IEEE Press, 2008: 1-8 real-time object detection[ C 1//Proc of Computer Vision and Pattern [20 Dollar P, Appel R, Belongie S, et al. Fast feature pyramids for object Recognition Conference. 2016: 779-788 detection J]. IEEE Trans on Pattern Analysis Machine Intelli 13 Redmon J, Farhadi A. YOLO9000: better, faster, stronger EB/OL] gence,2014,36(8):1532-1545 (2016-12-05).htps://ariv.org/abs/1612.08242 [21 Marin J, Vazquez D, Lopez A M, et al. Random forests of local experts [14] Liu Wei, Anguelov D, Erhan D, et ul SSD: single shol multibox deled for palest rian delee tion[ C]//Pror of IEEF. Inle rnational Conference torLC]//Pruc of European Conference on Computer Vision. Berlin on Computer Vision. Piscataway, NJ: IEEE Press, 2014: 2592-2599 Springer, 2016: 21-3 L 22 Sermanet P, Kayukcuoglu K, Chintala S, et al. Pedestrian detection I 15 He Kaiming, Zhang Xiangyu, Ren Shaoqing, et al. Deep residual lear with unsupervised multi-stage feature learning[|//Proc of IEEE ning for image recognition[ C]//Proc of Computer Vision and Pattern Conference on Computer Vision and Pattern Recognition. Washington Recognition. 2016: 770-778 DC: IEEE Computer Society, 2013: 3626-3633