Jag accepterar att kakor lagras på min dator

Läs mer

Development of a neighbourhood graph for trafficability analysis.

Development of a neighbourhood graph for trafficability analysis. Beställ tryckt exemplar Lägg i kundvagnen Ladda ned som PDF
Författare: Gustafsson Kennet, Hägerstrand Joel
Ort: Linköping
Sidor: 63
Utgivningsår: 2005
Publiceringsdatum: 2005-01-01
Rapportnummer: (FOI-R--1698--SE)
Nyckelord framkomlighet, grannskapsgraf, terrängmodell, GIS, trafficability, driveability, neighbourhood graph, terrain model
Sammanfattning Framgångsrik framkomlighetsanalys kräver användning av många datakällor, t.ex. elevation och markanvändningsdata, i hög upplösning. Detta kräver, i sin tur, stor lagringskapacitet och kan leda till olämpligt långa exekveringstider för att finna bra färdvägar. För att tillåta effektiv representation och sökning i ett aktuellt område av intresse skapas därför en graf där de bästa vägarna mellan två godtyckliga positioner i området kan identifieras. Terrängobjekt, identifierade från laser-radar data, och markanvändningsdata fusioneras för att skapa en sammansatt karta av det aktuella området. För att skapa grafen måste kartan partitioneras i mindre områden som är homogena ur framkomlighetssynvikel. Dessa mindre områden representeras av noder och vägar mellan områden representeras av bågar i grafen. Olika metoder för att partitionera kartan beskrivs och analyseras. Dijkstra´s algoritm kombineras med A*-algoritmen för att hitta de bästa vägarna mellan två positioner i det aktuella området.
Abstract Successful trafficability analysis requires usage of many data sources, e.g. elevation and land use data, in high resolution. However, this requires a large storage capacity and may lead to unduly long execution times when trying to find suitable paths. To allow for efficient representation and search in an area of interest (AOI), a searchable graph is created where the best paths between two arbitrary locations in the AOI can be found. Terrain features, identified from laser-radar data, and land use data are fused to create a compound map of the AOI. In order to create the graph, the map is partitioned into areas of homogeneous trafficability characteristics. These areas are represented by the nodes in the graph and the edges in the graph represent paths between neighbouring areas. Different methods to partition the map is described and analysed. Dijkstra´s algorithm are combined with the A*-algorithm to find the best paths between two locations in the AOI.

Kundvagn

Inga rapporter i kundvagnen

FOI, Totalförsvarets forskningsinstitut

FOI
Totalförsvarets forskningsinstitut
164 90 Stockholm

Tel: 08-555 030 00
Fax: 08-555 031 00

Orgnr: 202100-5182