四叉树索引 四叉树索引(Quadtree),类似于前面介绍的网格 …
四叉树索引
四叉树索引（Quadtree），类似于前面介绍的网格索引,也是对地理空间进行网格划分，对地理空间递归进行四分来构建四叉树，本文将在普通四叉树的基础上，介绍一种改进的四叉树索引结构。
首先，先介绍一个GIS（Geographic Information System）或者计算机图形学上非常重要的概念——最小外包矩形(MBR-Minimum Bounding Rectangle)：
最小外包矩形MBR就是包围图元，且平行于X，Y轴的最小外接矩形。MBR到底有什么用处呢，为什么要引入这个概念呢？因为，图元的形状是不规则的，而MBR是平行于X，Y轴的规则图形，设想一下，如果所有的图元都是平行于X，Y轴的矩形，那针对这样的矩形进行几何上的任何判断，是不是要简单很多呢？不管我们人自己写公式算法或者编写程序运行，是不是都要比原本复杂的图形几何运算要简洁很多呢？答案很显然。
然后，我们再介绍一下GIS空间操作的步骤（这个步骤，在前面忘记向大家说明了，在这里补充一下）
可见，过滤阶段，通过空间索引可以排除掉一些明显不符合条件的图元，得到后选集合，然后对后选图元集合进行精确几何运算，得到最终结果。大家可能会有这样的疑问，这样有必要吗？是不是反而把问题复杂化了？合适的空间索引只会提高计算机的效率，没有空间索引，我们无疑要对集合中的每个图元进行精确几何运算，而这样的运算是复杂的，是非常占用CPU的，所以需要空间索引，采取少量的内存和简单的CUP运算，来尽量减少那种高耗CUP的精确运算的次数，这样做是完全值得的。至于精确的几何运算到底复杂在哪里，该如何进行精确的几何运算，将在下面的章节中详细描述，这里主要介绍过滤阶段的空间索引。
现在，让我们来具体了解一下“四叉树索引”。
四叉树索引就是递归地对地理空间进行四分，直到自行设定的终止条件（比如每个节点关联图元的个数不超过3个，超过3个，就再四分），最终形成一颗有层次的四叉树。图中有数字标识的矩形是每个图元的MBR，每个叶子节点存储了本区域所关联的图元标识列表和本区域地理范围，非叶子节点仅存储了区域的地理范围。大家可以发现，同样存在一个图元标识被多个区域所关联，相应地存储在多个叶子节点上，比如“6“所代表的图元，分别存储在四个分枝上。这样，就存在索引的冗余，与网格索引存在同样的弊端。下面我们介绍一种改进的四叉树索引，或者说是分层的网格索引。
改进的四叉树索引，就是为了避免这种空间索引的冗余，基本改进思路是：让每个图元的MBR被一个最小区域完全包含。
可以看出，3和13分别都跨越了两个区域，要被一个最小区域完全包含，就只能是根
节点所代表的区域，2，5跨越了两个区域，6跨越了四个区域，要被一个最小区域完全包含，就只能是NW区域。怎么判断一个图元被哪个最小区域完全包含呢？从直观上看，递归地对地理空间进行四分，如果图元与一个区域四分的划分线相交，则这个图元就归属于这个区域，或者直到不再划分了，那就属于这个不再划分的区域。呵呵。。。可能有点绕口，看图，结合“最小“”完全包含“这两个字眼，您就明白了。这颗四叉树中，图元的标识不再仅仅存储在叶子节点上，而是每个节点都有可能存储，这样也就避免了索引冗余。同时每个节点存储本节点所在的地理范围。
有了四叉树索引，下面又该如何利用这颗树来帮助检索查找呢？还是矩形选择为例吧！（为什么我总是拿这个例子来说事呢？因为这个例子简单，容易理解，有代表性！）我们在地图上画一个矩形，判断地图上哪些图元落在这个矩形里或者和这个所画矩形相交。方法很多，这里介绍一种简单的检索步骤，如下：1，首先，从四叉树的根节点开始，把根节点所关联的图元标识都加到一个List里；2，比较此矩形范围与根节点的四个子节点（或者叫子区域）是否有交集（相交或者包含），如果有，则把相应的区域所关联的图元标识加到List 集合中，如果没有，则以下这颗子树都不再考虑。3，以上过程的递归，直到树的叶子节点终止，返回List。4，从List集合中根据标识一一取出图元，先判断图元MBR与矩形有无交集，如果有，则进行下面的精确几何判断，如果没有，则不再考虑此图元。（当然，这里只说了一个基本思路，其实还有其他一些不同的方法，比如，结合空间数据磁盘的物理存储会有一些调整）
总结，改进的四叉树索引解决了线，面对象的索引冗余，具有较好的性能，而被大型空间数据库引擎所采用，如ArcSDE，Oracle Spatial等，同时这种结构也适用于空间数据的磁盘索引，配合空间排序聚类，基于分形的Hilbert算法数据组织，将在空间数据格式的定义中发挥重要作用。
参考文献：
一种基于改进四叉树的GIS空间选择查询算法董鹏杨崇俊芮小平高积粮计算机工程与应用
计算机地图制图蔡先华东南大学 2000.08
作者：陈玉进geochenyj@https://www.360docs.net/doc/8a14803841.html,
07.01.21
结构化网格和非结构化网格
1. 什么是结构化网格和非结构化网格 1.1结构化网格 从严格意义上讲，结构化网格是指网格区域内所有的内部点都具有相同的毗邻单元。 它可以很容易地实现区域的边界拟合，适于流体和表面应力集中等方面的计算。它的主要优点是： 网格生成的速度快。 网格生成的质量好。 数据结构简单。 对曲面或空间的拟合大多数采用参数化或样条插值的方法得到，区域光滑，与实际的模型更容易接近。 它的最典型的缺点是适用的范围比较窄，只适用于形状规则的图形。尤其随着近几年的计算机和数值方法的快速发展，人们对求解区域的几何形状的复杂性的要求越来越高，在这种情况下，结构化网格生成技术就显得力不从心了。 1.2非结构化网格 同结构化网格的定义相对应，非结构化网格是指网格区域内的内部点不具有相同的毗邻单元。即与网格剖分区域内的不同内点相连的网格数目不同。从定义上可以看出，结构化网格和非结构化网格有相互重叠的部分，即非结构化网格中可能会包含结构化网格的部分。 2.如果一个几何造型中既有结构化网格，也有非结构化网格，分块完成的，分别生成网格后，也可以直接就调入fluent中计算。 3.在fluent中，对同一个几何造型，如果既可以生成结构化网格，也可生成非结构化网格，当然前者要比后者的生成复杂的多，那么应该选择哪种网格，两者计算结果是否相同，哪个的计算结果更好些呢？ 一般来说，结构网格的计算结果比非结构网格更容易收敛，也更准确。但后者容易做。 影响精度主要是网格质量，和你是用那种网格形式关系并不是很大，如果结构话网格的质量很差，结果同样不可靠，相对而言，结构化网格更有利于计算机存储数据和加快计算速度。
结构化网格据说计算速度快一些，但是网格划分需要技巧和耐心。非结构化网格容易生成，但相对来说速度要差一些。 4.在gambit中，只有map和submap生成的是结构化网格，其余均为非结构化网格。 采用分块网格划分的时候，在两个相邻块之间设置了connected，但是这两个块我要用不同尺寸的网格来划分。比如说我用结构化的六面体网格来划分，一遍的尺寸为2，另一边的尺寸为3，这时候公共边界面该怎么处理？如果采用cooper 的格式来划分这个网格，尺寸就是前面所说的，该怎么来做呢？ 我用单独的两个块试过，就是在公共边界上采用interface的格式，但是由于与这个公共边界相邻的另一个边界也不得不用interface格式，结果导入fluent 的时候就说can not creat a bound loop,也不清楚这是什么问题。 如果中间面两侧的面网格一致，可以直接在fluent中merge,如果不一致，可以设interface 网格的正交性是指三个方向上的网格边之间互相垂直的程度。一般而言，三维网格单元中，三个方向上的网格边之间的夹角越接近90度则质量越好。这一点在规则区域(例如正方形方腔)很容易实现，但对于流动区域比较复杂的问题则非常困难。但一般情况下，应当保证所有的网格单元内的网格边夹角大于10度，否则网格本身就会引入较大的数值误差。 EquiSize Skew（尺寸扭曲率）和EquiAngle Skew（角度扭曲率）是评判网格质量最主要标准，其值越小，网格质量越高 一般来说，Fluent要求扭曲率3D小于0.85，2D小于0.75。 关于复杂模型和gambit中的实体及虚体 模型比较复杂，是在pro/E中建的模，然后用igs导入gambit，不过这样就产生了很多碎线和碎面并且在一些面交界的地方还存在尖角。我曾经做成功过把它们统统merge成一个虚面，中间设置了一个可以容忍尖角的参数，也可以划分网格，但把生成的msh文件导入fluent就会出错，这是virtual geometry的原因还是因为尖角的原因？还有，virtual geometry和普通的真实的几何体到底有什么区别？好像最大的区别是virtual geometry不能进行布尔操作，布尔操作（boolean operation）又是什么？使用virtual geometry需要注意哪些问题？virtual geometry是很头疼的问题。你把它们统统merge成一个虚面 按理说全是虚的也是可以算的。可能是因为尖角的原因，虚实最大差别：是virtual geometry不能进行布尔操作，boolean operation即是并 对于复杂外形的网格生成，不可避免的会用到virtual geometry，virtual face ,和virtual edge等， 1。作网格的时候，把所有的面全部合成一个虚面的做法不好，特别是对于复杂外形的网格生成，你最好在模型变化剧烈的地方多分几个面，这样会更有效的控制网格能够在模型表面曲率比较大的地方能够生成规则的结构或者非结构网格。
基于四叉树的空间索引
基于四叉树的空间索引 四叉树是建立在对E域循环分解原则上的一种层次数据结构，在计算机图形处理、图像处理及地理信息系统中有着广泛的应用，它也可以应用于对空间点的表示于索引。 分为点四叉树，区域四叉树,CIF四叉树等。 1、点四叉树主要针对空间点的存储表达和索引，对于k维数据空间，点四叉树的每个结点存储了一个空间点得信息及2^k个孩子节点的指针，且隐式地与一索引空间相对应。以该空间点为划分点，将其对应索引空间分为两两不相交的2^k个子空间，依次与它的2^k 个孩子结点相对应。对于某一个子空间的点，则分配给对应的子树。如图1是二维空间的一棵点四叉树的例子。 其点四叉树的构造过程如下。 （1）输入空间点A,由于四叉树为空，因此A作为四叉树的根节点，其隐式对应的索引空间是整个数据空间，以A为划分原点，将对应的索引空间划分成四个子空间，NE,NW,EW,SE依次为其孩子结点隐式对应的子空间。 （2）输入空间点B,B落入A的NW象限且A的NW孩子结点为空，因此B作为A的NW孩子结点；同样，C作为F,C,E分别作为A的NE,SW,SE孩子结点。 （3）输入空间D,D落入A的NW象限，继续往下查找，D落入B的NE象限且B的NE孩子结点为空，因此D作为B的NE孩子结点 优点：结构简单，对于精确匹配的点查找性能较高。 缺点：树的动态性差，删除结点处理复杂；树的结构由点的插入顺序决定，难以保证树深度的平衡；区域查找性能较差；对于非点状空间目标，必须采用目标近似与空间映射技术，效率低；不利于树的外部存储设备存储与页面调度。 2、区域四叉树 采用区域四叉树索引多维空间的点，常用方法有MX四叉树PR四叉树，避免了点四叉树动态性差，结构完全由点得插入顺序决定等缺点 2.1、MX四叉树 MX四叉树将每个空间点看成区域四叉树中得一个黑像素，或当做一方阵中的非零元素。它与区域四叉树的组织方式很相似，区别是叶结点为黑结点或空结点，且分别表示数据空间某一个位置空间点得存在与否。如图2是二维空间的一棵MX四叉树的例子。 优点：所有的点都位于叶节点，树的深度是平衡的；空间划分是等分，划分成的每个象限具有相同大小；可以采用线性四叉树的存储结构，避免指针域的存储，提高空间利用率。 缺点：插入（删除）一个点可能导致树的深度增加（减少）一层或多层，所有叶结点必须重新定位；树的深度往往很大，影响查找效率。 2.2、PR四叉树 PR四叉树叶节点或者为空，或者包含一个数据点。与MX四叉树构造过程类似，区别在于当分解到一个象限只包含一个点时，不需要继续分解使该点位于某一个子象限的最左下角。 特点：插入或删除一个点不会影响其他分支，操作简单；叶结点树及树的深度都小于MX四叉树，检索效率较高。 如图3是二维空间的一棵RP四叉树的例子。
关于结构化网格和非结构网格的适用性问题
? 傲雪论坛 ? 『 Fluent 专版 』 打印话题 寄给朋友 作者 关于结构化网格和非结构网格的适用性问题 [精华] 翱翔蓝天 发帖: 22 积分: 0 雪币: 22 于 2005-07-23 22:58 有些前辈认为，数值计算中应采用结构化网格，如果非结构网格则计算结果将“惨不忍睹”。搞压气机计算的同行也认为，必须用结构化网格。然而， 对复杂的计算域，如果采用结构化网格必然造成网格质量的急剧下降，扭曲加大等问题。我觉得这时，不如采用非结构网格。诸位，请提出自己的意见 waterstone 我为人人，人人为我 发帖: 78 积分: 0 雪币: 78 于 2005-07-24 09:51 我是这样看的：非结构网格使用很方便，外型越复杂就越显示出其优越性；至于计算结果的精度，就要看 非结构网格在单元网格面、体积处理上方法是不是比结构网格要差。就fluent 软件，它是用体积积分法求 解雷诺平均方程的，在单元网格面、体积处理上方法好像是按非结构网格方法处理的。你就是按结构网格方法来生成网格，进入fluent 中，进行数值计算时都是按非结构网格来处理，所以在fluent 中，你用结构化网格方法生网格，和用非结构网格计算没多大区别！我说说我个人看法。 liuhuafei 于 2005-07-25 13:53
发帖: 872 积分: 6 雪币: 158 来自: 上海 waterstone wrote: 我是这样看的：非结构网格使用很方便，外型越复杂就越显示出其优越性；至于计算结果的 精度，就要看非结构网格在单元网格面、体积处理上方法是不是比结构网格要差。就fluent 软件，它是用体积积分法求解雷诺平均方程的，在单元网格面、体积处理上方法好像是按非 结构网格方法处理的。你就是按结构网格方法来生成网格，进入fluent 中，进行数值计算时都是按非结构网格来处理，所以在fluent 中，你用结构化网格方法生网格，和用非结构网格计算没多大区别！我说说我个人看法。 计算精度，主要在于网格的质量（正交性，长宽比等），并不决定于拓扑（是结构化还是非结构化）。 例如同样的2d 的10×10的正交网格，fluent 采用非结构化方式对网格编号，另一种软件按结构化网格处理，如果其它条件相同，二者的精度应该是一样的。 我们通常所说的非结构化网格，第一映象就是网格质量差，不正交的，编排无规律的网格的三角形网格或四面体网格，实际上一个二维区域的三角形网格，如果控制得好（如相邻控制 体中心的连线与公共边基本接近正交的话），其不结构化网格（网格正交性好）的精度是一致的 翱翔蓝天 发帖: 22 积分: 雪币: 22 于 2005-07-25 23:00 谢了，有收获，受益匪浅 edwardzhu 发帖: 60 积分: 1 于 2005-08-05 11:08 听楼上一席话，胜读一年书。
结构化网格与非结构化网格
对于连续的物理系统的数学描述，如航天飞机周围的空气的流动，水坝的应力集中等等,通常是用偏微分方程来完成的。为了在计算机上实现对这些物理系统的行为或状态的模拟，连续的方程必须离散化，在方程的求解域上（时间和空间）仅仅需要有限个点，通过计算这些点上的未知变量既而得到整个区域上的物理量的分布。有限差分，有限体积和有限元等数值方法都是通过这种方法来实现的。这些数值方法的非常重要的一个部分就是实现对求解区域的网格剖分。 网格剖分技术已经有几十年的发展历史了。到目前为止，结构化网格技术发展得相对比较成熟，而非结构化网格技术由于起步较晚，实现比较困难等方面的原因，现在正在处于逐渐走向成熟的阶段。下面就简要介绍一些这方面的情况。 1.1结构化网格 从严格意义上讲，结构化网格是指网格区域内所有的内部点都具有相同的毗邻单元。结构化网格生成技术有大量的文献资料[1,2,3,4]。结构化网格有很多优点: 1.它可以很容易地实现区域的边界拟合，适于流体和表面应力集中等方面的计算。 2.网格生成的速度快。 3.网格生成的质量好 4.数据结构简单 5.对曲面或空间的拟合大多数采用参数化或样条插值的方法得到，区域光滑，与实际的模型更容易接近。 它的最典型的缺点是适用的范围比较窄。尤其随着近几年的计算机和数值方法的快速发展，人们对求解区域的复杂性的要求越来越高，在这种情况下，结构化网格生成技术就显得力不从心了。 结构化网格的生成技术只要有： 代数网格生成方法。主要应用参数化和插值的方法，对处理简单的求解区域十分有效。PDE网格生成方法。主要用于空间曲面网格的生成。 1.2非结构化网格 同结构化网格的定义相对应，非结构化网格是指网格区域内的内部点不具有相同的毗邻单元。即与网格剖分区域内的不同内点相连的网格数目不同。从定义上可以看出，结构化网格和非结构化网格有相互重叠的部分，即非结构化网格中可能会包含结构化网格的部分。 非结构化网格技术从六十年代开始得到了发展,主要是弥补结构化网格不能够解决任意形状和任意连通区域的网格剖分的缺欠.到90年代时,非结构化网格的文献达到了它的高峰时期.由于非结构化网格的生成技术比较复杂,随着人们对求解区域的复杂性的不断提高,对非结构化网格生成技术的要求越来越高.从现在的文献调查的情况来看,非结构化网格生成技术中只有平面三角形的自动生成技术比较成熟（边界的恢复问题仍然是一个难题，现在正在广泛讨论）,平面四边形网格的生成技术正在走向成熟。而空间任意曲面的三角形、四边形网格的生成，三维任意几何形状实体的四面体网格和六面体网格的生成技术还远远没有达到成熟。需要解决的问题还非常多。主要的困难是从二维到三维以后，待剖分网格的空间区非常复杂，除四面体单元以外，很难生成同一种类型的网格。需要各种网格形式之间的过度，如金字塔形，五面体形等等。 非结构化网格技术的分类，可以根据应用的领域分为应用于差分法的网格生成技术（常常成为grid generation technology）和应用于有限元方法中的网格生成技术（常常成为mesh generation technology），应用于差分计算领域的网格要除了要满足区域的几何形状要求以外，还要满足某些特殊的性质（如垂直正交，与流线平行正交等），因而从技术实现上来说就更困难一些。基于有限元方法的网格生成技术相对非常自由，对生成的网格只要满足一些形状
结构和非结构网格
CFD网格的分类，如果按照构成形式分，可以分为结构化和非结构化 结构化：只能有六面体一种网格单元，六面体顾名思义，也就是有六个面，但这里要区分一下六 面体和长方体。长方体(也就是所有边都是两两正交的六面体)是最理想完美的六面体网格。但如 果边边不是正交，一般就说网格单元有扭曲(skewed). 但绝大多数情况下，是不可能得到完全没有 扭曲的六面体网格的。一般用skewness来评估网格的质量，sknewness=V/(a*b*c). 这里V是网格 的体积，a，b，c是六面体长，宽和斜边。sknewness越接近1，网格质量就越好。很明显对于长 方体，sknewness=1. 那些扭曲很厉害的网格，sknewness很小。一般说如果所有网格sknewness>0.1也就可以了。结构化网格是有分区的。简单说就是每一个六面体单元是有它的坐标的，这些坐标用,分区号码(B),I,J,K四个数字代表的。区和区之间有数据交换。比如一个单元，它的属性是B=1, I=2,J=3,K=4。其实整个结构化单元的概念就是CFD计算从物理空间到计算空间mapping的概念。I,J,K可以认为是空间x,y,z在结构化网格结构中的变量。 非机构化：可以是多种形状，四面体（也就三角的形状），六面体，棱形。对任何网格，都是希 望网格单元越规则越好，比如六面体希望是长方形，对于四面体，高质量的四面体网格就是正四 面体。sknewness的概念这里同样适用，sknewness越小，网格形状相比正方形或者正四面体就越 扭曲。越接近1就越好。 很明显非结构化网格也可以是六面体，但非结构化六面体网格没有什么B,IJK的概念，他们就是充 满整个空间。 对于复杂形状，结构化网格比较难以生成。主要是生成时候要建立拓扑，拓扑是个外来词，英语 是topology，所以不要试图从字面上来理解它的意思。其实拓扑就是指一种有点和线组成的结构。工人建房子，需要先搭房粱，立房柱子，然后再砌砖头。拓扑其实就是房子的结构。这么理解拓 扑比较容易些，以后认识多了，就能彻底通了。 生成结构化网格的软件gridgen,icem等等都是需要你去建立拓扑，也就是结构，然后软件好根据 你的机构来建立网格，或者砌砖头，呵呵。 非结构化网格的生成相对简单，四面体网格基本就是简单的填充。非结构化六面体网格生成还有 些复杂的。但仍然比结构化的建立拓扑简单多。比如 gambit的非结构化六面体网格是建立在从一 个面到另外一个面扫描(sweep)的基础上的。Numeca公司的hexpress的非结构化六面体网格是用 的一种吸附的方法。反正你还是要花点功夫。 另外一点就是，结构化网格可以直接应与于各种非结构化网格的CFD软件，比如你在gridgen里 面生成了一个结构化网格，用fluent读入就可以了。fluent是非结构化网格CFD软件，它会忽略 那些结构化网格的结构信息（也就是B,I,J,K)，当成简单的非结构网格读入。非结构化六面体网格 就不能用在结构化网格的CFD求解器了. 结构化网格仍然是CFD工程师的首选。非结构化六面体网格也还凑合，四面体网格我就不喜欢了。数量多，计算慢，后处理难看。简单说，如果非结构化即快又好，结构化网格早就被淘汰了。总 结一下，
空间索引使用的意义及网格索引和四叉树索引简单介绍 转
空间索引使用的意义及网格索引和四叉树索引简单介绍转空间索引使用的意义及网格索引和四叉 树索引简单介绍转 空间索引使用的意义及网格索引和四叉树索引简单介绍[转载]2010-09-27 07:40在介绍空间索引之前，先谈谈什么叫"索引"。对一个数据集做"索引"，是为了提高对这个数据集检索的效率。书的"目录"就是这本书内容的"索引"，当我们拿到一本新书，想查看感兴趣内容的时候，我们会先查看目录，确定感兴趣的内容会在哪些页里，直接翻到那些页，就OK了，而不是从第一章节开始翻，一个字一个字地找我们感兴趣的内容，直到找到为止，这种检索内容的效率也太低了，如果一本书没有目录，可以想象有多么不方便…可见书的目录有多重要，索引有多重要啊～ 现在大家对索引有了感性认识，那什么是"空间索引"呢?"空间索引"也是"索引"，是对空间图形集合做的一个"目录"，提高在这个图形集合中查找某个图形对象的效率。比如说，我们在一个地图图层上进行矩形选择，确定这个图层上哪些图元被这个矩形所完全包含呢，在没有"空间索引"的情况下，我们会把这个图层上的所有图元，一一拿来与这个矩形进行几何上的包含判断，以确定到底哪些图元被完全包含在这个矩形内。您是不是觉得这样做很合理呢?其实不然，我们先看一个网格索引的例子: 我们对这个点图层作了网格索引，判断哪些点在这个矩形选择框内，是不需要把这个图层里所有的点都要与矩形进行几何包含运算的，只对a,b,c,d,e,f,g这七个点做了运算。可以推想一下，如果一个点图层有十万个点，不建立空间索引，任何地图操作都将对整个图层的所有图元遍历一次，也就是要For循环10万次;建立索引将使得For循环的次数下降很多很多，效率自然提高很多～
Fluent 结构化网格与非结构化网格
简单地说：结构化网格只包含四边形或者六面体，非结构化网格是三角形和四面体。 结构网格再拓扑结构上相当于矩形域内的均匀网格，器节点定义在每一层的网格线上，且每一层上节点数都是相等的，这样使复杂外形的贴体网格生成比较困难。非结构网格没有规则的拓扑结构，也没有层的概念，网格节点的分布是随意的，因此具有灵活性。不过非结构网格计算的时候需要较大的内存。 在计算流体动力学中，按照一定规律分布于流场中的离散点的集合叫网格（Grid），分布这些网格节点的过程叫网格生成（Grid Generation）。网格生成对CFD至关重要，直接关系到CFD计算问题的成败。 非结构三角形网格方法 复杂外形网格生成的第二方向是最近应用比较广泛的非结构三角形网格方法，它利用三角形（二维）或四面体（三维）在定义复杂外形时的灵活性，以Delaunay法或推进波阵面法为基础，全部采用三角形（四面体）来填充二维（三维）空间，它消除了结构网格中节点的结构性限制，节点和单元的分可控性好，因而能较好地处理边界，适用于模拟真实复杂外型。非结构网格生成方法在其生成过程中采用一定的准则进行优化判断，因而能生成高质量的网格，很容易控制网格的大小和节点的密度，它采用随机的数据结构有利于进行网格自适应。一旦在边界上指定网格的分布，在边界之间可以自动生成网格，无需分块或用户的干预，而且不需要在子域之间传递信息。因而，近年来非结构网格方法受到了高度的重视，有了很大发展。 非结构网格方法的一个不利之处就是不能很好地处理粘性问题，在附面层内只采用三角形或四面体网格，其网格数量将极其巨大。现在比较好的方法就是采用混合网格技术，即先贴体生成能用于粘性计算的四边型或三棱柱网格，然后以此为物面边界，生成三角形非结构网格，但是生成复杂外型的四边形或三棱柱网格难度很大。 非结构网格方法的另一个不利之处就是对于相同的物理空间，网格填充效率不高，在满足同样流场计算条件的情况下，它产生的网格数量要比结构网格的数量大得多（一个长方体要划分为5个四面体）。随机的数据结构也增加了流场参数交换的时间，因此此方法要求较大的计算机内存，计算时间长。在物面附近，非结构网格方法，特别是对于复杂外形如凹槽、细缝等处比较难以处理。 非结构网格与结构网格一样都属于贴体网格，模型表面网格的好坏直接关系到空间网格的质量，因而它们的模型表面网格必须同时与网格拓扑结构和当地的几何外形特性相适应，为了更好地适应其中一方面，有时不得不在另一方面作出让步，因而往往顾此失彼。因此，在生成非结构网格和结构网格时，处理模型表面又成为一个关键而费时的工作。 计算精度，主要在于网格的质量（正交性，长宽比等），并不决定于拓扑（是结构化还是非结构化）。个人感觉采用结构化网格还是非结构化网格，主要看解决什么问题，如果是无粘欧拉方程的话，只要合理布局，结构和非结构都能得到较为理想的结果。但如果涉及到粘性影响的话，尤其在壁面处，结构网格有一定优势，并且其对外形适应性差的缺点，也可以通过多块拼接网格解决。事实上，目前有的非结构网格软件，也开始借鉴结构网格的优点，在壁面处进行了类似结构网格的处理，如cfx的壁面加密功能。 一般来说，网格节点走向（这里假设计算过程中物理量定义在网格节点上）贴近流动方向，那么计算的结果就要好一些。对于不是非常复杂的流动。例如气体的喷管流动，使用四边形（二维）网格就比较三角形网格要好。不过即便是四边形网格，fluent也是按照无结构网格进行处理的。 非结构和结构网格的计算结果如何取决于算法，除非网格实在惨不忍睹。我觉得现在已发展到了基于结构网格与非结构网格上的计算,各自的优势相差越来越不是很明显了。
用四叉树和希尔伯特曲线做空间索引
超酷算法：用四叉树和希尔伯特曲线做空间索引 阅读·四叉树, 希尔伯特曲线, 空间索引, 算法 ?Avalon探索之旅基础教程---- 简单绑定 ?Gopher China 2015 上海大会 ?Android必学-异步加载 ?Android必学-BaseAdapter的使用与优化 本文由伯乐在线 - demoZ翻译，黄利民校稿。未经许可，禁止转载！ 英文出处：https://www.360docs.net/doc/8a14803841.html,。欢迎加入翻译组。 随着越来越多的数据和应用和地理空间相关，空间索引变得愈加重要。然而，有效地查询地理空间数据是相当大的挑战，因为数据是二维的（有时候更高），不能用标准的索引技术来查询位置。空间索引通过各种各样的技术来解决这个问题。在这篇博文中，我将介绍几种：四叉树，geohash（不要和geohashing混淆）以及空间填充曲线，并揭示它们是怎样相互关联的。 四叉树 四叉树是种很直接的空间索引技术。在四叉树中，每个节点表示覆盖了部分进行索引的空间的边界框，根节点覆盖了整个区域。每个节点要么是叶节点，有包含一个或多个索引点的列表，没有孩子。要么是内部节点，有四个孩子，每个孩子对应将区域沿两根轴对半分得到的四个象限中的一个，四叉树也因此得名。
图1 展示四叉树是怎样划分索引区域的来源：维基百科 将数据插入四叉树很简单：从根节点开始，判断你的数据点属于哪个象限。递归到相应的节点，重复步骤，直到到达叶节点，然后将该点加入节点的索引点列表中。如果列表中的元素个数超出了预设的最大数目，则将节点分裂，将其中的索引点移动到相应的子节点中去。 图2 四叉树的内部结构
查询四叉树时从根节点开始，检查每个子节点看是否与查询的区域相交。如果是，则递归进入该子节点。当到达叶节点时，检查点列表中的每一个项看是否与查询区域相交，如果是则返回此项。 注意四叉树是非常规则的，事实上它是一种字典树，因为树节点的值不依赖于插入的数据。因此我们可以用直接的方式给节点编号：用二进制给每个象限编号（左上是00，右上是10等等译者注：第一个比特位为0表示在左半平面，为1在右半平面。第二个比特位为0表示在上半平面，为1在下半平面），任一节点的编号是由从根开始，它的各祖先的象限号码串接而成的。在这个编号系统中，图2中右下角节点的编号是1101。 如果我们定义了树的最大深度，不需通过树就可以计算数据点所在节点的编号：只要把节点的坐标标准化到适当的整数区间中（比如32位整数），然后把转化后x, y坐标的比特位交错组合。每对比特指定了假想的四叉树中的一个象限。（译者注：不了解的读者可看看Z-order，它和下文的希尔伯特曲线都是将二维的点映射到一维的方法） Geohash 上述编号系统可能看起来有些熟悉，没错，就是geohash！此刻，你可以把四叉树扔掉了。节点编号，或者说geohash，包含了对于节点在树中位置我们需要的全部信息。全高树中的每个叶节点是个完整的geohash，每个内部节点代表从它最小的叶节点到最大的叶节点的区间。因此，通过查询所需的节点覆盖的数值区间中的一切（在geohash上索引），你可以有效地定位任意内部节点下的所有数据点。 一旦我们丢掉了四叉树，查询就变得复杂一点了。我们需要事先构建搜索集合而不是在树中递归地精炼搜索集合。首先，找到完全覆盖查询区域的最小前缀（或者说
结构化网格和非结构化网格特点
关于网格的经典文献你可以参看thomphson的Numecrial grid generation那本书,讲的有pde 和参数化代数方法.书后附有算例和代码. NURBS参数化曲线和曲面在自由曲线和曲面的cad造型广泛应用,也见到国内外的文献提到用这种方法生成网格,国内可能还没用这种方法来生成网格的实例. 如果网格生成算法感兴趣，可以看看。 关于结构和非结构网格，各有应用场合。个人比较喜欢结构网格。通过观察IDEAS中结构网格生成的步骤及要求，我觉得对于复杂的几何体，生成结构网格也是可以的，前提是采用适当的partition方法，将几何体分解成规则的基本几何体。而分解几何体是几何建模的任务。 个人感觉：生成网格的软件名目繁多，但是网格生成基本原理和算法可以归成下列所述的类别。 主要差别可能在于辅助的几何建模方法不同。网格生成应当辅以几何建模，只有与几何建模结合，才可以对复杂几何体生成高质量的网格。 网格生成的另外一个要素就是物体的参数化表示技术，当采用适当的参数化表示实体表面时，同样的网格生成技术有时候可以得到非常好的网格。NURBS是我所知道的CDA／CAM中应用较为广泛的构造复杂曲面的参数化表示技术。 不知道哪位朋友可以提供一些关于网格生成基本算法的源代码。 对于连续的物理系统的数学描述，如航天飞机周围的空气的流动，水坝的应力集中等 等,通常是用偏微分方程来完成的。为了在计算机上实现对这些物理系统的行为或状态的模拟，连续的方程必须离散化，在方程的求解域上（时间和空间）仅仅需要有限个点，通过 计算这些点上的未知变量既而得到整个区域上的物理量的分布。有限差分，有限体积和有 限元等数值方法都是通过这种方法来实现的。这些数值方法的非常重要的一个部分就是实 现对求解区域的网格剖分。 网格剖分技术已经有几十年的发展历史了。到目前为止，结构化网格技术发展得相对 比较成熟，而非结构化网格技术由于起步较晚，实现比较困难等方面的原因，现在正在处 于逐渐走向成熟的阶段。下面就简要介绍一些这方面的情况。 1.1结构化网格 从严格意义上讲，结构化网格是指网格区域内所有的内部点都具有相同的毗邻单元。 结构化网格生成技术有大量的文献资料[1,2,3,4]。结构化网格有很多优点: 1.它可以很容易地实现区域的边界拟合，适于流体和表面应力集中等方面的计算。 2.网格生成的速度快。 3.网格生成的质量好 4.数据结构简单 5.对曲面或空间的拟合大多数采用参数化或样条插值的方法得到，区域光滑，与实际 的模型更容易接近。 它的最典型的缺点是适用的范围比较窄。尤其随着近几年的计算机和数值方法的快速 发展，人们对求解区域的复杂性的要求越来越高，在这种情况下，结构化网格生成技术就 显得力不从心了。 结构化网格的生成技术只要有：代数网格生成方法。主要应用参数化和插值的方法，对处理简单的求解区域十分有效。
结构化网格和非结构化网格
结构化网格和非结构化网格 1. 什么是结构化网格和非结构化网格 1.1结构化网格 从严格意义上讲，结构化网格是指网格区域内所有的内部点都具有相同的毗邻单元。 它可以很容易地实现区域的边界拟合，适于流体和表面应力集中等方面的计算。它的主要优点是: 网格生成的速度快。 网格生成的质量好。 数据结构简单。 对曲面或空间的拟合大多数采用参数化或样条插值的方法得到，区域光滑，与实际的模型更容易接近。 它的最典型的缺点是适用的范围比较窄，只适用于形状规则的图形。尤其随着近几年的计算机和数值方法的快速发展，人们对求解区域的几何形状的复杂性的要求越来越高，在这种情况下，结构化网格生成技术就显得力不从心了。 1.2非结构化网格 同结构化网格的定义相对应，非结构化网格是指网格区域内的内部点不具有相同的毗邻单元。即与网格剖分区域内的不同内点相连的网格数目不同。从定义上可以看出，结构化网格和非结构化网格有相互重叠的部分，即非结构化网格中可能会包含结构化网格的部分。 2.如果一个几何造型中既有结构化网格，也有非结构化网格，分块完成的，分别生成网格后，也可以直接就调入fluent中计算。
3.在fluent中，对同一个几何造型，如果既可以生成结构化网格，也可生成非结构化网格，当然前者要比后者的生成复杂的多，那么应该选择哪种网格，两者计算结果是否相同，哪个的计算结果更好些呢, 一般来说，结构网格的计算结果比非结构网格更容易收敛，也更准确。但后者容易做。 影响精度主要是网格质量，和你是用那种网格形式关系并不是很大，如果结构话网格的质量很差，结果同样不可靠，相对而言，结构化网格更有利于计算机存储数据和加快计算速度。 结构化网格据说计算速度快一些，但是网格划分需要技巧和耐心。非结构化网格容易生成，但相对来说速度要差一些。 4.在gambit中，只有map和submap生成的是结构化网格，其余均为非结构化网格。 采用分块网格划分的时候，在两个相邻块之间设置了connected，但是这两个块我要用不同尺寸的网格来划分。比如说我用结构化的六面体网格来划分，一遍的尺寸为2，另一边的尺寸为3，这时候公共边界面该怎么处理,如果采用cooper的格式来划分这个网格，尺寸就是前面所说的，该怎么来做呢, 我用单独的两个块试过，就是在公共边界上采用interface的格式，但是由于与这个公共边界相邻的另一个边界也不得不用interface格式，结果导入fluent 的时候就说can not creat a bound loop,也不清楚这是什么问题。如果中间面两侧的面网格一致，可以直接在fluent中merge,如果不一致，可以设interface 网格的正交性是指三个方向上的网格边之间互相垂直的程度。一般而言，三维网格单元中，三个方向上的网格边之间的夹角越接近90度则质量越好。这一点在规则区域(例如正方形方腔)很容易实现，但对于流动区域比较复杂的问题则非常困难。但一般情况下，应当保证所有的网格单元内的网格边夹角大于10度，否则网格本
GIS空间索引
索引方法： 网格索引——点要素（图元），线、面要素，有冗余 四叉树索引——线、面要素，有冗余 改进的四叉树索引——线、面要素 R树——空间重叠 一、网格索引，四叉树索引 在介绍空间索引之前,先谈谈什么叫“索引“。对一个数据集做”索引“,是为了提高对这个数据集检索的效率。书的”目录“就是这本书内容的”索引“,当我们拿到一本新书,想查看感兴趣内容的时候,我们会先查看目录,确定感兴趣的内容会在哪些页里,直接翻到那些页,就OK了,而不是从第一章节开始翻,一个字一个字地找我们感兴趣的内容,直到找到为止,这种检索内容的效率也太低了,如果一本书没有目录,可以想象有多么不方便…可见书的目录有多重要,索引有多重要啊！ 现在大家对索引有了感性认识,那什么是“空间索引“呢？”空间索引“也是”索引“,是对空间图形集合做的一个”目录“,提高在这个图形集合中查找某个图形对象的效率。比如说,我们在一个地图图层上进行矩形选择,确定这个图层上哪些图元被这个矩形所完全包含呢,在没有”空间索引“的情况下,我们会把这个图层上的所有图元,一一拿来与这个矩形进行几何上的包含判断,以确定到底哪些图元被完全包含在这个矩形内。您是不是觉得这样做很合理呢？其实不然,我们先看一个网格索引的例子：
我们对这个点图层作了网格索引,判断哪些点在这个矩形选择框内,是不需要把这个图层里所有的点都要与矩形进行几何包含运算的,只对 a,b,c,d,e,f,g这七个点做了运算。可以推想一下,如果一个点图层有十万个点,不建立空间索引,任何地图操作都将对整个图层的所有图元遍历一次,也就是要For循环10万次；建立索引将使得For循环的次数下降很多很多,效率自然提高很多！ 呵呵…想必大家都知道空间索引的好处了,也不知不觉向大家介绍了点图层的网格索引,还有哪些常用的空间索引呢？这些空间索引又该如何实现呢？带着这样的问题,下面介绍几种常用的空间索引。 网格索引 网格索引就是在一个地图图层上,按每个小网格宽△w,高△h打上均匀的格网,计算每个图元所占据的网格或者所经过的网格单元集合,
结构化网格和非结构化网格
结构化网格只包含四边形或者六面体，非结构化网格是三角形和四面体。 结构网格在拓扑结构上相当于矩形域内的均匀网格，器节点定义在每一层的网格线上，且每一层上节点数都是相等的，这样使复杂外形的贴体网格生成比较困难。非结构网格没有规则的拓扑结构，也没有层的概念，网格节点的分布是随意的，因此具有灵活性。不过非结构网格计算的时候需要较大的内存。 非结构网格不利之处就是不能很好地处理粘性问题，在附面层内只采用三角形或四面体网格，其网格数量将极其巨大。现在比较好的方法就是采用混合网格技术，即先贴体生成能用于粘性计算的四边型或三棱柱网格，然后以此为物面边界，生成三角形非结构网格，但是生成复杂外型的四边形或三棱柱网格难度很大。在物面附近，非结构网格方法，特别是对于复杂外形如凹槽、细缝等处难以处理。 到空间网格的质量， 几何外形特性相适应，为了更好地适应其中一方面，有时不得不在另一方面做出让步，因而往往顾此失彼。 计算精度，主要在于网格的质量（正交性，长宽比等），并不决定于拓扑（是结构化还是非结构化）。采用结构化网格还是非结构化网格，主要看解决什么问题，如果是无粘欧拉方程的话，只要合理布局，结构和非结构都能得到较为理想的结果。但如果涉及到粘性影响的话，尤其在壁面处，结构网格有一定优势，并且其对外形适应性差的缺点，也可以通过多块拼接网格解决。目前有的非结构网格软件，也开始借鉴结构网格，如cfx的壁面加密功能。 网格节点走向（这里假设计算过程中物理量定义在网格节点上）贴近流动方向，那么计算的结果就要好一些。对于不是非常复杂的流动。例如气体的喷管流动，使用四边形（二维）网格就比三角形网格要好。不过即便是四边形网格，fluent 也是按照无结构网格进行处理的。主要是看流向是否与网格平行如果是平行的则计算中不容易出现假扩散，计算的结果就好，但是成角度的时候计算的结果搞不好就有扩散现象，所以不在于结构和非结构。 非结构和结构网格的计算结果如何取决于算法。GRIDGEN在结构网格方面有着强大的生命力，很多非常复杂的几何形状用它没问题；基于非结构网格方面的计算格式得到的结果的准确度也不次于基于结构网格的结果了。
四叉树算法
前序 四叉树或四元树也被称为Q树（Q-Tree）。四叉树广泛应用于图像处理、空间数据索引、2D中的快速碰撞检测、存储稀疏数据等，而八叉树（Octree）主要应用于3D图形处理。对游戏编程，这会很有用。本文着重于对四叉树与八叉树的原理与结构的介绍，帮助您在脑海中建立四叉树与八叉树的基本思想。本文并不对这两种数据结构同时进行详解，而只对四叉树进行详解，因为八叉树的建立可由四叉树的建立推得。 四叉树与八叉树的结构与原理 四叉树（Q-Tree）是一种树形数据结构。四叉树的定义是：它的每个节点下至多可以有四个子节点，通常把一部分二维空间细分为四个象限或区域并把该区域里的相关信息存入到四叉树节点中。这个区域可以是正方形、矩形或是任意形状。以下为四叉树的二维空间结构(左)和存储结构(右)示意图（注意节点颜色与网格边框颜色）： 四叉树的每一个节点代表一个矩形区域（如上图黑色的根节点代表最外围黑色边框的矩形区域），每一个矩形区域又可划分为四个小矩形区域，这四个小矩形区域作为四个子节点所代表的矩形区域。 较之四叉树，八叉树将场景从二维空间延伸到了三维空间。八叉树（Octree）的定义是：若不为空树的话，树中任一节点的子节点恰好只会有八个，或零个，也就是子节点不会有0与8以外的数目。那么，这要用来做什么？想象一个立方体，我们最少可以切成多少个相同等分的小立方体？答案就是8个。如下八叉树的结构示意图所示：
四叉树存储结构的c语言描述：[cpp]view plaincopy 1./* 一个矩形区域的象限划分：: 2. 3. UL(1) | UR(0) 4. ----------|----------- 5. LL(2) | LR(3) 6.以下对该象限类型的枚举 7.*/ 8.typedef enum 9.{ 10. UR = 0, 11. UL = 1, 12. LL = 2, 13. LR = 3 14.}QuadrantEnum; 15. 16./* 矩形结构 */ 17.typedef struct quadrect_t 18.{ 19.double left, 20. top, 21. right, 22. bottom; 23.}quadrect_t;
基于四叉树算法的地理信息数据管理研究_张达
第29卷第5期2013年10月 哈尔滨商业大学学报(自然科学版) Journal of Harbin University of Commerce (Natural Sciences Edition ) Vol．29No．5Oct．2013 收稿日期：2013－06－19．作者简介：张 达（1987－），男，硕士，研究方向：信息管理与信息系统． 基于四叉树算法的地理信息数据管理研究 张 达 （天津大学管理与经济学部，天津300072） 摘 要：地理信息数据生产管理系统中采用Web 地图管理接合表．地图在浏览器中的显示受到浏览 器和网络的限制， 整幅地图加载速度慢，用户体验因此降低．为提高地图生成、发布、浏览的效率，可以在服务器端采用瓦片金字塔技术，提前生成并存储各级别的地图瓦片;瓦片金字塔技术的编码可以利用四叉树算法实现．能够在不同缩放比例请求下快速、准确地查找并显示瓦片．关键词：四叉树算法;地理信息数据生产;接合表;瓦片金字塔中图分类号：P208 文献标识码：A 文章编号：1672－0946（2013）05－0600－04 Study on quad －tree －algorithm －based geo －information data management ZHANG Da （School of Management ，Tianjin University ，Tianjin 300072，China ） Abstract ：Web map is used in managing index diagram of geo －information data processing management system．Map displaying is limited by Web browser and network conditions．Loading entire map is such a time －consuming process that user experience is undermined．Tile pyramid ，a technology that pre －generates tiles in different levels ，can reduce server and network load and promote the efficiency of map －generating ，publishing ，displaying and browsing．Managing index diagram with quad －tree －algorithm －based tile pyramid technol-ogy can query and display tile promptly from multi －scaling requesting． Key words ：quad －tree algorithm ；geo －information data processing ；index diagram ；tile pyramid 地理信息数据生产管理系统是测绘行业数据 生产管理的核心工具．在测绘行业中，作业员如同流水线上的工人一样，按照一定的工序和步骤，对地理影像数据进行加工、处理和编辑，这些工序和成果都在地理信息数据生产管理系统中管理．［1］ 但是测绘行业的生产管理具有一定的特殊性，因此生产管理一般都以图幅为单位， 在地理信息数据生产管理系统中引进Web 地图管理接合表是地理信息数据生产行业发展的一种趋势．Web 地图的加载和显示往往受到浏览器和网络带宽的限制，因此为了提高系统的易用性，提升用户体验，地理信息数据生产管理系统中应用了瓦片式地图的加载方 式加载Web 地图，并应用四叉树算法对瓦片金字 塔建立索引 ［2－6］ ．1瓦片式地图模型 图1展示了瓦片金字塔在地图数据生成、存储 与调用过程中的作用．图中所示模型可分为两个部分看待：服务器端的瓦片金字塔地图库以及客户端支持AJAX （Asynchronous JavaScript and XML ，异步JavaScript 与XML ）技术的Web 浏览器．为了构建服务器端的瓦片金字塔地图库，首先需要对采集到的原始地理信息数据实施显示符号化，并分层切 割成 “瓦片”．瓦片（Tile ）是一种特殊的图形文件，
NS方程的非结构化网格方法及其差分格式
西安交通大学学报 JOURNAL OF XI'AN JIAOTONG UNIVERSITY 1999年 第33卷 第9期 Vol.33 No.9 1999 NS方程的非结构化网格方法及其差分格式 张楚华， 谷传纲， 苗永淼 摘要： 采用同位非结构化网格上的有限体积法，对Navier-Stokes方程的SIMPLE算法及差分格式进行了研究．提出了适用于非结构化网格的不用求解单元顶点变量值的二阶混合差分格式．该格式的优点在于：1)减少了计算工作量；2)避免了普通混合差分格式因使用简单的一阶迎风差分格式所引起的网格界面方向相关性的问题．最后，采用三角形网格，利用提出的方法及差分格式，对方腔内的驱动层流及绕翼型湍流进行了数值计算，计算结果与基准解或实验值的符合程度优于普通混合差分格式． 关键词： 非结构化网格；差分格式；有限体积法 中国图书资料分类法分类号： O357 Unstructured Grid Method and Its Differential Schemes for NS Equations Zhang Chuhua, Gu Chuangang, Miao Yongmiao （Xi′an Jiaotong University， Xi′an 710049， China）Abstract： The SIMPLE algorithm and differential schemes are used for solving Navier-Stokes equations through finite volume method with collocated unstructured grid. A two order hybrid scheme without the necessity of computing the variables at elements vertices is presented. Compared with the ordinary hybrid scheme, the advantages are :1)computation is reduced; 2) grid dependency problem, which is resulted from one order upwind interpolation in ordinary hybrid scheme on unstructured grid, can be avoided. Finally, the proposed method and schemes are used to calculate laminar flow in a lid-driven cavity and turbulent flow around an airfoil. The numerical results fit benchmark solutions and experiments better than those calculated through ordinary hybrid scheme. Keywords： unstructured grid;differential scheme;finite volume method 长期以来，人们一直认为有限差分法(包括有限体积法)对复杂形状流动问题的处理能力不如有限元法，近年来发展起来的非结构化网格方法［1，2］正逐步改变这一看法．在非结构化网格上利用有限体积法来求解流动方程， 既能提高有限体积法处理复杂形状流动问题的能力，又能保持离散方程的局部守恒特性，而后者对数值求解非线性偏微分方程的收敛过程有时是至关重要的． 在非结构化网格上采用有限体积法求解流场，是计算流体动力学中很有发展前途的研究方向．当然这一领域仍然有一些棘手的问题亟待解决和完善，其中主要包括：