空间数据库中可扩展的可见性颜色图构建

3D 建模的最新进展为我们提供了真实的 3D 数据集，以回答诸如“新广告牌的最佳位置在哪里？”以及“哪个酒店房间视野最好？”等存在障碍物时的查询问题。这些应用需要在数据空间中测量并区分从不同视点观察对象（目标）的可见性，例如，广告牌可能从两个视点可见，但仅从离目标较近的视点才清晰可读。在本文中，我们利用可见性颜色图（VCM）将量化目标对象从其周围区域（或从周围区域对目标）的可见性这一问题形式化。VCM 本质上定义为空间的表面颜色图，其中空间的每个视点都被赋予一个颜色值，表示从该视点观察目标的可见性度量。即使从单个视点测量目标的可见性也是一项昂贵的操作，因为我们需要考虑视点与目标之间的距离、角度和障碍物等因素。因此，一种需要计算目标周围空间每个视点可见性的构建 VCM 的直接方法，在 I/O 和计算方面都是极其昂贵的，特别是对于包含数千个障碍物的真实数据集。我们提出了一种基于人类视觉关键特性的高效 VCM 计算方法，消除了对空间大量视点进行可见性计算的必要性。为了进一步降低计算开销，我们提出了两种具有保证误差界的近似方法：最小包围矩形法和切线法。我们的大量实验证明了我们的解决方案在构建真实 2D 和 3D 数据集的 VCM 方面的有效性和效率。