一种大坝平面离散点边界搜索算法

于印+薛松

摘要：针对大坝平面离散点边界提取不连续的问题，提出了一种新的边界提取方法。根据行列进行搜索，将大坝离散点数据网格化，在行和列上分成了若干相等等份，然后分别进行行搜索和列搜索，再次基础上，通过进一步修正提高边界曲线的精度，从而得到边界曲线。方法实现简单，算法效率高，能夠精确提取平面的凹凸曲线。

关键词：边界搜索；大坝数据可视化；行列法

中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2017）06-0142-02

随着经济的发展、科技的进步，我国在利用水利发电的技术也得到了飞跃的提升，越来越多大坝已经建成或者在建和规划。在己建成的86900多座大坝中，绝大多数是土石坝。已建、在建以及规划中的土石坝的高坝中，有很大一部分采用了面板堆石坝的筑坝形式。虽然按规范要求这些大坝都设计和布置了大坝安全监测设备，但是大部分设备都还没有实现大坝安全监测自动化。因而有必要设计一套大坝安全监测信息系统。如何使大坝运行管理中的庞大信息量的高效管理，如何实现远程、移动、高效、及时、便捷的安全管理与监控成了事关水利水电工程建设能否稳定、安全、高质量运行的重大关键性技术问题。在设计系统方面，如何精确的提取数据是一个难题，因为即使数据出现细微的差错也可能造成无可弥补的后果，在防洪大坝的受力分析方面，对于受力图像数据的边界提取，必须找出一个最小误差的算法，而本文则根据现有的技术，选择了适合大坝受力分析数据的边界数据提取方法，为系统的精确运行提供了理论支持。

1 提出的算法

在大坝的离散点数据中，为了确定每次搜索的范围大小，需要确定步长，所谓步长是指离散点的平均距离。首先要通过一个有效公式确定步长的大小，同时尽量保证每行和每列只有一行/列离散点，然后进行搜索和列搜索。行搜索是在Y坐标上进行搜索，每增加一个步长，取得该步长内最小值和最大值的坐标，得到行搜索边界点，按顺序连接这些点，结果即为行搜索边界；列搜索是在X坐标上进行搜索，每增加一个步长，找到步长内最小值和最大值的坐标，得到列搜索边界点。然后对行搜索得到的边界和列搜索得到的边界进行修正处理，得到最终的边界点，然后按顺序连接这些点，结果即为边界曲线[1][2]。

依据式（1），可根据步长大小，将大坝离散点在行和列上分别分成若干等分，同时保证每行和每列尽量只有一排离散点，这样可以增加边界的精确，然后进行行搜索和列搜索，最后将行搜索和列搜索的结果整合，得到边界[3]。

需要指出的是，在大坝离散点的提取中，需要将行搜索和列搜索结果重新搜索一遍，将重复的点只计算一次，而后连接筛选之后各点，即为边界曲线。修正之后的边界大大提高了边界曲线的准确性。

大坝剖面边界提取如图1所示。

2 结语

为获取离散点边界，本文算法的核心思想是将行和列分开搜索，在Y坐标上的搜索为行搜索，搜索的结果为行搜索边界；在X坐标上的搜索为列搜索，搜索的结果为列搜索边界，最后将两者修正整合，以对于行和列模糊的边界得到更精确的坐标位置信息。本方法在大坝实际应用中得到了验证，具有很强的实用性，达到了预期的效果。

参考文献

[1]袁满，袁志华.一种基于行列法离散点边界搜索算法[J].计算机应用研究，2010，27（11）： 4130-4132.

[2]邱泽阳，宋晓宇，张树生，张定华，杨海成.一种新的散乱数据边界点提取方法[J].机械科学与技术，2004，23（9）：1037-1039.

[3]胡鑫，习俊通，金烨.基于图像法的点云数据边界自动提取[J].上海交通大学学报，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