0 引 言
无人船的出现源于科学实验、海洋调查、军事用途、资源开发等领域的需求。无人船具有体积小、质量小、适应性强以及测量精度高等优点，是一种具备自导航操纵特性的无人驾驶水面船舶[1]。无人船测量系统主要由无人船测深系统和无人船船控电脑系统2个单元组成。无人船测深系统由测量系统、船载控制系统、GPS系统、推进系统、电源、目标探测和避障系统以及无线传输系统等7个分系统组成[2]。无人船船控电脑主要包括通信系统、无人船连接系统、航线规划系统、航迹显示系统以及数据处理系统。未来的无人船会朝着北斗导航定位、自主航行、目标识别、自主供电、故障自修复功能、多元化功能集成方向发展。目前，无人船测量技术的研究难点包括通过数字图像识别处理提升无人船的远程控制性能、目标识别系统的建立、续航能力的提升等方面。我国煤炭开采造成的沉陷积水区域面积已达56万hm2[3]，大部分集中在黄淮平原的高潜水位地区，过去的大规模非充填式开采导致大面积地表沉陷，在淮河流域已经形成大规模沉陷水域[4]。国内外对采煤沉陷水域的研究大多偏向水资源利用，以发展农林渔、建立湿地景观或建立水库为主，旨在恢复生态环境[6-9]。目前我国对沉陷水域的利用比例尚不到5%[10]。为了合理利用沉陷水域水资源，需要对沉陷水域不同时期的库容量和水下地形进行准确地计算和勘测。目前对矿区沉陷水域水资源的勘测主要通过无人船获取水深和水面高程，进而获取库容量和水下地形[11-12]。无人船的通信系统、控制系统已经不断做出优化设计，并且现有无人船已具有目标探测系统和自我避障功能。因此无人船可以突破一些特殊沉陷水域的限制，如沉陷水域被用于大面积网箱养鱼、光伏发电等，这些复杂水域条件下，现有无人船可以通过自动探测略高出无人船的目标并实现自动避障[13]，继而按照原设计航线进行测量。对于河蚌养殖、杂草覆盖的这些特殊水域，由于河蚌浮标和杂草都低于无人船的目标探测高度，无人船无法实现自动避障，通过人工机动船近距离对无人船使用遥控器控制进行测量。对于小面积普通沉陷水域，可以通过遥控器控制无人船进行测量。对于大面积开阔型沉陷水域，无人船和遥控器之间存在距离限制，极限控制距离为500 m，可以事先根据沉陷水域线划底图设计好无人船的航线，按照航线进行测量[14]。因此，对于特殊沉陷水域以及大面积水域的水深测量，现有无人船的航线设计功能以及障碍物探测和自动避障功能可以准确测量出水深。无人船在沉陷水域的水资源监测方法不同于其他无人船水资源监测方法。一方面，沉陷水域有其特殊性：沉陷水域不同于水库之类的普通水域，是由下沉盆地长期积水形成，由于工作面的不连续性和分散性，地表下沉后形成的沉陷水域也具有不连通、不连续以及面积广的特点[16]。位于村庄或森林底下的工作面开采后造成地表塌陷而形成的沉陷水域中会有房屋、枯树等的阻碍；位于湖泊、河流底下的工作面开采后形成的沉陷水域的深度明显大于普通地面所形成的；开阔的沉陷水域多被用于人工养鱼、河蚌养殖。因此沉陷水域水上、水下都极其复杂。另一方面，应对沉陷水域的复杂水文条件，采用无人船测量，需要根据沉陷水域特点先分类，再根据不同沉陷水域类型选择不同的测量模式或多种测量模式组合，而不像其他普通水域无人船水资源监测一样仅采用单一的航线设计测量模式。
1 沉陷水域测区概况
沉陷水域研究范围为淮南矿区的张集矿、谢桥矿、丁集矿、顾桥矿、顾北矿5对矿井，分别位于岳张集镇、谢桥镇、丁集镇、顾桥镇。沉陷水域大多位于农村或城乡结合部，有乡道通往水域附近，为无人船沉陷水域勘测提供了很大的交通便利。测区内全年平均降雨量为1 040 mm。沉陷水域丰水期的最大水深为2.40～15.38 m，丰水期平均水深为2.10～8.40 m；沉陷水域枯水期的最大水深为2.00～14.50 m，枯水期平均水深为1.50～7.50 m。
这些沉陷水域的形成主要是因为张集矿5对矿井以往采用非充填式开采，导致大面积地表沉陷，而淮河流域属于高潜水位地势。由煤炭开采直接造成的沉陷水域面积初步统计为50.33 km2，其中38.5%用于网箱(竹竿拉网)养鱼，35.9%用于开阔型湖面养鱼，5.3%用于河蚌养殖，1.5%用于光伏发电，其他则处于无利用状态，其中杂草覆盖的水域占总沉陷水域的16.1%。
2 无人船测量基本原理
无人船测量系统如图1所示，测深单元及传感器基本参数见表1。
图1 无人船测量系统
Fig.1 Measurement systems of unmanned surface vehicle
表1 无人船测深单元基本参数
Table 1 Basic parameters of unmanned surface vehicle sounding unit
参数数值参数数值整船质量/kg65测深精度/cm±1整船长度/m1.30测深范围/m0.5～100船体宽度/m0.50 GPS定位/m0.45 吃水深度/m0.1 推进功率/W400 遥控上限/m500船速/( km·h-1)0～2.33无线频率/MHz355 测深频率/kHz200
1)无人船测量的基本步骤如下：①坐标转换系统四参数求算；②控制点架设基站；③无人船GPS连接；④无人船船控电脑与无人船GPS连接；⑤无人船水面测量模式：遥控器控制模式、航线规划模式。
2)航线设计。无人船测量的航线一般设计为网格状，采用打标点法采集数据，设置打标点间隔为5 m。
3)船速控制。无人船按照事先设计好的航线在水域中航行，无人船上的GPS接收机结合测深系统，可同时获取各打标点的平面坐标、水面高程以及水深。无论是通过遥控器控制模式进行无人船测量，还是通过航线规划模式进行无人船测量，都要保持无人船航行速度为6～7 km/h，以保证无人船所测水深为打标点的垂直水深。航行速度低于6 km/h则会降低测量效率，超过7 km/h则会导致船头上仰，所测水深是与打标点垂直水深方向有一夹角的倾斜水深。
4)无人船实时数据显示。无人船船控电脑可以显示无人船的航迹、航速、瞬时水深、GPS信号稳定性等实时数据信息[15]。根据航迹可以实时调整无人船的航线、控制航速、保持GPS信号处于固定状态，以确保所测水深、水面高程数据的稳定性[17-18]。
3 沉陷水域水下库容计算及水下地形构建
为了充分利用这些沉陷水域，需要对沉陷水域的水下库容、水下地形进行准确地测量。分别在枯水期(2017年11—12月)以及丰水期(2018年7—8月)利用无人船对张集矿等5对矿井周边的沉陷水域进行枯水期和丰水期的水下库容量以及水下地形进行勘测。技术路线如图2所示。
图2 水下库容量和地形勘测技术路线
Fig.2 Technical route of underwater reservoir capacity and topographic survey
3.1 沉陷水域无人船实地测量
以淮南矿区为例，张集矿、谢桥矿、丁集矿、顾桥矿以和顾北矿5对矿井附近存在大面积沉陷水域。为了给沉陷水域水资源利用提供准确的资料参考，现通过无人船测量与GIS技术结合准确获取沉陷水域的库容量和水下地形[20]。根据沉陷水域的利用状态分为已利用水域和未利用水域。已利用水域主要分为网箱(竹竿拉网)养鱼、河蚌养殖、光伏发电、开放型养鱼；未利用水域主要分为开阔型河道和凤眼莲覆盖的水域。将网箱(拉网)养鱼、光伏发电的沉陷水域归类为Ⅰ类(特殊)水域；将河蚌养殖、凤眼莲覆盖水域归类为Ⅱ类(特殊)水域；将开放型养鱼和开阔型河道等归类为Ⅲ类(普通)水域。Ⅰ类(特殊)水域、Ⅱ类(特殊)水域、Ⅲ类(普通)水域分别如图3a、图3b、图3c所示。
图3 3类沉陷水域实景
Fig.3 Scenes of three types of subsided water area
无论是航线规划模式还是遥控器控制模式的无人船测量，无人船都是通过基站GPS进行基准控制和船体GPS进行定位的。无人船会根据GPS得到的前后2个不同位置的坐标计算出2点间距离，距离达到5 m时，会自动采集数据，将该点作为一个打标点，并自动记录该点的坐标、水深数据、GPS信号解的状态等信息，并传输到无人船船控电脑数据库。
1)对于Ⅰ类(特殊)水域，由于光伏发电板、网箱(拉网)养鱼覆盖的范围是块状成片的，实际测量时只对未覆盖的水域进行测量，覆盖的水域则按照插值算法进行计算水深。根据无人机航空正射影像图提取出沉陷水域的水涯线，规划无人船的航行路线。航行路线成网格状，打标点采样间隔设置成5 m，无人船会自动探测前方略高出船体的障碍物，并自动避障和按照原航行路线继续测量。
2)对于Ⅱ类(特殊)水域，由于养蚌的浮标和凤眼莲都是低于无人船船体高度的，造成无人船无法进行目标探测和自动避障，可以利用机动船对无人船进行近距离遥控控制它的航向进行测量。人工船近距离遥控控制模式测量时，会通过携带无人船船控电脑实时监测无人船的航迹。
对于有水草覆盖的水域，可以在小范围内略微改变航向，整体上保持网格状，因为杂草覆盖具有零散和面积小的特点。对于河蚌养殖，水面浮标是成排的成列的，排与排之间存在1 m左右间隔，每一排长200 m，可以在排与排的间隙中进行航行，可以形成排与排之间为50 m间隔,列与列之间为200 m间隔的网格状航线。无人船数据采样间隔按照打标点模式，打标点间隔为5 m，航行路线仍按照网格状。
3)对于Ⅲ类(普通)水域分为大面积水域和小面积水域。大面积水域采用航线规划的测量模式；小面积水域采用遥控器控制的测量模式[19]。
无人船遥控器控制模式测量和航线规划模式测量分别如图4a和图4b所示。对张集矿、谢桥矿、丁集矿、顾桥矿、顾北矿5对矿井分别编号为k1、k2、k3、k4、k5。由于每对矿井附近的沉陷水域都是不连续分布，且沉陷水域面积较大，选取面积大于10 000 m2的水域作为主要测量水域，并进行编号，编号原则按照k1-Ⅰ-1形式，表示张集矿Ⅰ类(特殊)水域中第一块水域。
图4 无人船实测场景
Fig.4 Scenes of unmanned surface vehicle measurement
3.2 沉陷水域水下库容计算及利用TIN构建水下地形
3.2.1 利用不规则三角网计算水下库容的优势
影响库容量精度的主要因素之一是库容计算方法。传统的库容计算方法有等高线法、断面法和方格网法等[21]。目前计算水下库容量采用最多的方法是基于不规则三角网(TIN)的库容计算方法，相比传统方法具有工作量小，计算效率高，计算精度高等优点。TIN是由具有三维坐标(X,Y,Z)的结点组成三角形的一种矢量地理数据形式，又叫做不规则格网的DEM，是基于矢量的数字地理数据的一种形式[22]。TIN通过将一系列折点组成的三角形来构建，采用Delaunay 三角测量的方法插值这些三角形[23]。Delaunay 三角网的优点是结构良好,数据结构简单,数据冗余度小,存储效率高,与不规则的地面特征和谐一致,可以表示线性特征和迭加任意形状的区域边界,易于更新,可适应各种分布密度的数据等[24]。
3.2.2 Delaunay 三角网构建的原理与编程实现
1)基本原理。假设面域中有m个节点，利用Voronoi图对这些节点进行划分，面域会被分成m个凸多边形，凸多边形内所有点到多边形结点的距离与到其他节点的距离的大小关系为[11]
SPi-{x∈R2∶dx,Pi≤
dx,Pj|i,j=1,2,…,n,i≠j}
式中：SPi为其他n-1个节点中两两节点连线的垂直平分线与Pi点构成的n-1个半平面的交线集合；R2为面域空间；x为面域空间上的点元素；d为面域空间R2的度量；Pi为凸多边形的结点；Pj为凸多边形以外的其他结点。
3个Voronoi多边形共用其中1个Voronoi图的顶点，连接这些共顶点的Voronoi图内部唯一的节点就可构成1个Delaunay三角形，所有这样的三角形组成集合的过程就是Delaunay三角剖分[24]。
2)编程实现。构建Delaunay三角网主要有分割-合并算法、逐点插入法及三角网生长算法等。其中,三角网生长算法寻找第三点比较耗时、效率较低，可改进空间小 [25]; 逐点插入法实现较简单,空间复杂度好,但时间复杂度差,运行效率低；分割-合并算法最为高效，但相对复杂。自适应格网划分方法分割点集是在分割-合并算法的基础上实现的，可以快速、高效的构建Delaunay 三角网[23]。采用自适应格网划分方法分割点集构建Delaunay 三角网[25]。
3.2.3 水库库容计算
水域库容量是指某一水位到水底的蓄水容积[12]。所谓容积通常是指空间曲面与某一基准面之间的空间体积[21]。利用不规则三角网(TIN)构建水下地形从而求得库容的计算方法，可以提高库容计算的精度。
水下测量的水深数据要根据无人船配套软件HiMAX进行降噪处理和水深曲线校正。降噪处理采用中值滤波，滤波强度设置为3；采样间隔选择打标点，并选择间隔为5 m。对于水深拟合曲线，部分测点的水深由于外界因素出现异常，要根据实际水深滤波信号进行手动校正，水深数据信号校正过程界面如图5所示。处理好水深数据后，保存成ArcGIS能够读取的文件格式。
图5 水深数据信号校正过程界面
Fig.5 Correction process interface of water depth data signal
将所有测点的水底高程展到ArcGIS中的沉陷水域分布线划图上，即得到水下地形分布以及水下全范围水深图。顾桥矿、张集矿、丁集矿、谢桥矿、顾北矿5个矿井的沉陷水域水深分布如图6所示。
图6 沉陷水域水深分布
Fig.6 Depth distribution of subsided water areas
将所测沉陷水域的线划地图作为底图在ArcGIS中打开，导入实测水深数据。从无人机航空正射影像图中提取张集等5对矿井附近沉陷水域的水涯线，利用MATLAB编程构建Delaunay三角网，结合ArcGIS构建实测沉陷水域水下TIN模型，如图7所示。采用“表面体积”工具得到张集矿等5对矿井附近沉陷水域枯水期的水下总库容量为1.76亿m3，丰水期的水下总库容量为2.19亿m3。
图7 沉陷水域水下TIN模型
Fig.7 Underwater TIN model of subsided water areas
3.3 无人船测量精度评定
选取张集矿和顾北矿2个矿井附近的沉陷水域的深水区和浅水区部分点进行检核，通过虚拟CORS参考站技术结合测绳测量所有检核点，并与无人船对应点测量结果进行对比,部分检核点对比结果见表2。
表2 检核点不同测量方式精度比较
Table 2 Comparison of different measurement methods for inspection points
检核地点检核点编号相对坐标/m(旋转平移后)无人船测量水深/m虚拟CORS参考站技术-测绳测量水深/m拟合度顾北矿沉陷水域(浅水区)F-15671.130,9649.5311.3321.340.994 0F-25649.516,9427.1371.2711.280.992 9F-35478.100,9017.2011.1701.180.991 5F-45740.805,8980.3481.4911.490.999 3F-55868.799,9130.4781.7601.750.994 3F-66036.326,9457.1991.8931.900.996 3张集矿沉陷水域(深水区)D-13280.441,7922.10412.62712.6280.999 9D-23263.524,7953.50013.42213.4280.999 6D-33206.851,8017.34314.42614.4220.999 7D-43101.182,8120.70310.95710.9600.999 7D-53279.297,6903.3588.4188.4150.999 6D-63063.935,8340.5856.9306.9350.999 3
注:F表示浅水区检核点，D表示深水区检核点。
无人船对检核点的测量结果和虚拟CORS参考站技术结合测绳的测量结果对比表明无人船的测量精度较高。同时，对于沉陷水域具有水域面积大、相邻沉陷水域不连通、水下地形和情况复杂的特点，无人船相比测绳测量具有更高的测量效率和适应性。此外，利用测绳测量会耗费大量的人力、财力。
4 结 论
1)根据张集矿、谢桥矿、丁集矿、顾桥矿和顾北矿5对矿井附近沉陷水域复杂性和多利用性的特点，将沉陷水域分为3类，并针对不同类型沉陷水域分别以遥控器控制和航线规划2种模式进行水深测量。
2)目标探测和避障系统的功能为复杂条件的沉陷水域无人船测量提供了可能。
3)沉陷水域库容量和水下地形的准确获取为沉陷水域水资源合理利用和开发提供了详细的资料参考。
4)通过采用不同的测量方式检核部分采样点，并与相应点无人船测量结果进行对比，验证了无人船测量精度较高的特性。
5)无人船的目标探测系统的设计有待进一步优化，以实现对船体前方任何高出水面的障碍物的探测，克服无人船难以避开低于船体高度的障碍物的局限性。
[1] 王贵槐,谢 朔,初秀民,等.基于深度学习的水面无人船前方船只图像识别方法[J].船舶工程,2018,40(4):19-22.
WNAG Guihuai,XIE Su,CHU Xiumin,et al.Image recognition method of ships in front of unmanned surface vessel based on deep learning[J].Ship Engineering,2018,40(4):19-22.
[2] 孙东平.无人船控制系统设计与实现[D].青岛:中国海洋大学,2015.
[3] 贾 宁,王东权,于广云,等.采煤沉陷水域漂浮建造的计算方法研究[J].中国矿业大学学报,2015,44(2):249-254.
JIA Ning,WANG Dongquan,YU Guangyun,et al.The calculation method of floating construction in mining subsidence water area[J].Journal of China University of Mining & Technology,2015,44(2):249-254.
[4] 肖 武,陈佳乐,胡振琪,等.高潜水位采煤沉陷地构建平原水库可行性分析与实践[J].煤炭科学技术,2017,45(7):184-188.
XIAO Wu,CHEN Jiale,HU Zhenqi,et al.Feasibility analysis and practice of constructing plain reservoirs in high underground water mining subsidence area[J].Coal Science and Technology,2017,45(7):184-188.
[5] 吴雪茜,周大伟,安士凯,等.淮南潘谢矿区土地与水域演变趋势及治理对策[J].煤炭学报,2015,40(12):2927-2931.
WU Xueqian,ZHOU Dawei,AN Shikai,et al.Evolvement trend of land and water systems in Huainan Panxie mining area and its countermeasures[J].Journal of China Coal Society,2015,40(12):2927-2931.
[6] 胡振琪,龙精华,王新静.论煤矿区生态环境的自修复、自然修复和人工修复[J].煤炭学报,2014,39(8):1751-1755.
HU Zhenqi,LONG Jinghua,WANG Xinjing.Self-healing,natural restoration and artificial restoration of ecological environment for coal mining[J].Journal of China Coal Society,2014,39(8):1751-1755.
[7] 胡振琪.我国土地复垦与生态修复30年：回顾、反思与展望[J].煤炭科学技术,2019,47(1)：25-35.
HU Zhenqi.The 30 years’land reclamation and ecological restoration in China:review,rethinking and prospect[J].Coal Science and Technology，2019，47(1)：25-35.
[8] 杨 伦,于广明,杜连壁,等.减小高潜水位矿区开采沉陷积水淹田的有效途径[J].煤炭学报,1999,24(5):449-451.
YANG Lun,YU Guangming,DU Lianbi,et al.An effective way to prevent damage of farmland due to mining[J].Journal of China Coal Society,1999,24(5):449-451.
[9] 李树志.我国采煤沉陷区治理实践与对策分析[J].煤炭科学技术,2019,47(1):36-43.
LI Shuzhi.Control practices and countermeasure analysis on coal mining subsidence area in China[J].Coal Science and Technology,2019,47(1):36-43.
[10] 鲁叶江,李树志.近郊采煤沉陷积水区人工湿地构建技术：以唐山南湖湿地建设为例[J].金属矿山,2015(4):56-59.
LU Yejiang,LI Shuzhi.Constructed wetlands technologies in suburb mining subsidence seeper area:a case study in south lake of Tangshan[J].Metal Mine,2015(4):56-59.
[11] 张 晨,牟乃夏,周 霞,等.无人智能技术在水库地形测量与库容计算中的应用[J].测绘通报,2017(11):72-76.
ZHANG Chen,MOU Naixia,ZHOU Xia,et al.Application of unmanned intelligent technology in topographic surveying and capacity calculation of reservoir[J].Bulletin of Surveying and Mapping,2017(11):72-76.
[12] 陈永春,袁 亮,徐 翀.淮南矿区利用采煤塌陷区建设平原水库研究[J].煤炭学报,2016,41(11):2830-2835.
CHEN Yongchun,YUAN Liang,XU Chong.Investigation on using mining subsidence area to build a reservoir in Huainan Coal Mining Area[J].Journal of China Coal Society,2016,41(11):2830-2835.
[13] 张 磊,许劲松,秦 操.无人船目标探测与跟踪系统[J].船舶工程,2018,40(8):56-60.
ZHANG Lei,XU Jingsong,QIN Cao.Target detection and tracking system of unmanned surface vehicles[J].Ship Engineering,2018,40(8):56-60.
[14] 侯春晓,许劲松,杨荣武.内河无人船局部路径规划和循迹控制[J].船舶工程,2017,39(6):41-45.
HOU Chunxiao,XU Jinsong,YANG Rongwu.Local path planning and path following control for inland water USV[J].Ship Engineering,2017,39(6):41-45.
[15] 孙小进,蔡 琼,李宇峰.无人船运行轨迹图像细化分割方法[J].舰船科学技术,2018,40(12):13-15.
SUN Xiaojin,CAI Qiong,LI Yufeng.Image thinning and segmentation method for unmanned ship’s running trajectory[J].Ship Science and Technology,2018,40(12):13-15.
[16] 武 强,刘宏磊,陈 奇,等.矿山环境修复治理模式理论与实践[J].煤炭学报,2017,42(5):1085-1092.
WU Qiang,LIU Honglei,CHEN Qi,et al.Theoretical study of mine geo-environmental restoration model and its application[J].Journal of China Coal Society,2017,42(5):1085-1092.
[17] 郑凤婷.无人驾驶试验船控制平台和异构通信网络设计[J].舰船科学技术,2018,40(2):43-45.
ZHENG Fengting.Design of control platform and heterogeneous communication network for unmanned test ship[J].Ship Science and Technology,2018,40(2):43-45.
[18] 李振义,王建华,任福鑫,等.无人水面艇目标导航运动航迹优化控制仿真[J].计算机仿真,2017,34(9):304-308.
LI Zhenyi,WANG Jianhua,REN Fuxin,et al.Trajectory optimization control simulation of target navigation for unmanned surface vehicle[J].Computer Simulation,2017,34(9):304-308.
[19] 李宪伟.无人船无线传感网络远程遥控系统[J].舰船科学技术,2018,40(8):10-12.
LI Xianwei.Unmanned ship remote control system based on wireless sensor network[J].Ship Science and Technology,2018,40(8):10-12.
[20] 张红梅,赵建虎.水库库容和淤积量精密测量及计算方法研究[J].武汉大学学报(工学版),2003,36(5):26-29.
ZHANG Hongmei,ZHAO Jianhu.Research on determination of high accuracy reservoir storage and sedimentation amount[J].Engineering Journal of Wuhan University(Engineering Edition),2003,36(5):26-29.
[21] 马文祥.基于GIS的中小水库地形和库容测量实践[J].测绘通报,2006(8):66-68.
MA Wenxiang.Practice in topography and volume measurement of small reservoir using GIS[J].Bulletin of Surveying and Mapping,2006(8):66-68.
[22] 胡金星,潘 懋,马照亭,等.高效构建Delaunay三角网数字地形模型算法研究[J].北京大学学报(自然科学版),2003,39(5):736-740.
HU Jinxing,PAN Mao,MAZhaoting,et al.Study on faster algorithm for constructing delaunay triangulations DTM[J].Acta Scientiarum Naturalium Universitatis Pekinensis(Nature and Science Edition),2003,39(5):736-740.
[23] 胡金星,吴焕萍,潘 懋,等.基于格网划分的海量DEM数据生成[J].计算机辅助设计与图形学学报,2004,16(1):41-44.
HU Jinxing,WUHuanping,PAN Mao,et al.Massive DEM creation with grid partitioning approach[J].Journal of Computer-Aided Design & Computer Graphics,2004,16(1):41-44.
[24] 邵春丽,胡 鹏,黄承义,等.DELAUNAY三角网的算法详述及其应用发展前景[J].测绘科学,2004,29(6):68-71.
SHAO Chunli,HU Peng,HUANG Chengyi,et al.The expatiation of Delaunay algorithms and a promising direction in application[J].Science of Surveying and Mapping,2004,29(6):68-71.
[25] 杨 军,高 莉.格网划分的Delaunay三角网快速生成算法[J].测绘科学,2016,41(2):109-113.
YANG Jun,GAO Li.Fast algorithm for building Delaunay triangulation based on griddivision[J].Science of Surveying and Mapping,2016,41(2):109-113.
