En geometría computacional , una triangulación de Delaunay o triangulación de Delone de un conjunto de puntos en el plano subdivide su casco convexo [1] en triángulos cuyos círculos circunstantes no contienen ninguno de los puntos. Esto maximiza el tamaño del ángulo más pequeño en cualquiera de los triángulos y tiende a evitar los triángulos plateados .
La triangulación lleva el nombre de Boris Delaunay por su trabajo en ella desde 1934. [2]
Si todos los puntos se encuentran en una línea recta, la noción de triangulación se degenera y no existe una triangulación de Delaunay. Para cuatro o más puntos en el mismo círculo (por ejemplo, los vértices de un rectángulo), la triangulación de Delaunay no es única: cada una de las dos triangulaciones posibles que dividen el cuadrilátero en dos triángulos satisface la "condición de Delaunay", es decir, el requisito de que los círculos circunstantes de todos los triángulos tienen interiores vacíos.
Al considerar esferas circunscritas, la noción de triangulación de Delaunay se extiende a tres dimensiones y superiores. Es posible realizar generalizaciones a métricas distintas a la distancia euclidiana . Sin embargo, en estos casos no se garantiza que una triangulación de Delaunay exista o sea única.
La triangulación de Delaunay de un conjunto de puntos discretos P en posición general corresponde a la gráfica dual del diagrama de Voronoi para P. Los circuncentros de los triángulos de Delaunay son los vértices del diagrama de Voronoi. En el caso 2D, los vértices de Voronoi están conectados a través de aristas, que pueden derivarse de las relaciones de adyacencia de los triángulos de Delaunay: si dos triángulos comparten una arista en la triangulación de Delaunay, sus circuncentros deben conectarse con una arista en la teselación de Voronoi. .
Los casos especiales en los que esta relación no se cumple o es ambigua incluyen casos como:
Para un conjunto P de puntos en el espacio euclidiano ( d -dimensional) , una triangulación de Delaunay es una triangulación DT( P ) tal que ningún punto en P está dentro de la circun-hiperesfera de cualquier d - simplex en DT( P ) . Se sabe [2] que existe una triangulación de Delaunay única para P si P es un conjunto de puntos en posición general ; es decir, la cáscara afín de P es d -dimensional y ningún conjunto de d + 2 puntos en P se encuentra en el límite de una bola cuyo interior no corta a P.
El problema de encontrar la triangulación de Delaunay de un conjunto de puntos en el espacio euclidiano d -dimensional se puede convertir al problema de encontrar el casco convexo de un conjunto de puntos en el espacio ( d + 1 )-dimensional. Esto se puede hacer dando a cada punto p una coordenada adicional igual a | pag | 2 , convirtiéndolo así en un hiperparaboloide (esto se denomina "levantamiento"); tomar el lado inferior del casco convexo (ya que la tapa del extremo superior mira hacia arriba, lejos del origen, y debe descartarse); y mapear de nuevo al espacio d -dimensional eliminando la última coordenada. Así como la carcasa convexa es única, también lo es la triangulación, asumiendo que todas las facetas de la carcasa convexa son simples . Las facetas no simpliciales sólo ocurren cuando d + 2 de los puntos originales se encuentran en la misma d - hiperesfera , es decir, los puntos no están en posición general. [3]
Sea n el número de puntos y d el número de dimensiones.
De las propiedades anteriores surge una característica importante: mirando dos triángulos △ ABD , △ BCD con el borde común BD (ver figuras), si la suma de los ángulos α + γ ≤ 180° , los triángulos cumplen la condición de Delaunay.
Esta es una propiedad importante porque permite el uso de una técnica de volteo . Si dos triángulos no cumplen la condición de Delaunay, cambiar la arista común BD por la arista común AC produce dos triángulos que sí cumplen la condición de Delaunay:
Esta operación se llama voltear y se puede generalizar a tres dimensiones o más. [8]
Muchos algoritmos para calcular triangulaciones de Delaunay se basan en operaciones rápidas para detectar cuándo un punto está dentro del círculo circunstante de un triángulo y en una estructura de datos eficiente para almacenar triángulos y aristas. En dos dimensiones, una forma de detectar si el punto D se encuentra en la circunferencia circunscrita de A, B, C es evaluar el determinante : [9]
Cuando A, B, C se ordenan en sentido antihorario , este determinante es positivo sólo si D se encuentra dentro del círculo circunstante.
Como se mencionó anteriormente, si un triángulo no es Delaunay, podemos voltear uno de sus lados. Esto conduce a un algoritmo sencillo: construir cualquier triangulación de los puntos y luego invertir los bordes hasta que ningún triángulo no sea de Delaunay. Desafortunadamente, esto puede requerir Ω( n 2 ) cambios de borde. [10] Si bien este algoritmo se puede generalizar a tres dimensiones o más, su convergencia no está garantizada en estos casos, ya que está condicionada a la conectividad del flip gráfico subyacente : este gráfico está conectado para conjuntos de puntos bidimensionales, pero Se puede desconectar en dimensiones superiores. [8]
La forma más sencilla de calcular eficientemente la triangulación de Delaunay es agregar repetidamente un vértice a la vez, retriangulando las partes afectadas del gráfico. Cuando se agrega un vértice v , dividimos en tres el triángulo que contiene v , luego aplicamos el algoritmo de inversión. Hecho de manera ingenua, esto tomará O( n ) tiempo: buscamos en todos los triángulos para encontrar el que contiene v y luego, potencialmente, descartamos cada triángulo. Entonces el tiempo de ejecución general es O( n 2 ) .
Si insertamos vértices en orden aleatorio, resulta (mediante una prueba un tanto compleja) que cada inserción invertirá, en promedio, sólo O(1) triángulos, aunque a veces invertirá muchos más. [11] Esto todavía deja que el tiempo de ubicación del punto mejore. Podemos almacenar el historial de las divisiones y volteos realizados: cada triángulo almacena un puntero a los dos o tres triángulos que lo reemplazaron. Para encontrar el triángulo que contiene v , comenzamos en una raíz de triángulo y seguimos el puntero que apunta a un triángulo que contiene v , hasta encontrar un triángulo que aún no ha sido reemplazado. En promedio, esto también llevará O(log n ) tiempo. Entonces, en todos los vértices, esto lleva O( n log n ) tiempo. [12] Si bien la técnica se extiende a una dimensión superior (como lo demostraron Edelsbrunner y Shah [13] ), el tiempo de ejecución puede ser exponencial en la dimensión incluso si la triangulación final de Delaunay es pequeña.
El algoritmo Bowyer-Watson proporciona otro enfoque para la construcción incremental. Ofrece una alternativa al cambio de bordes para calcular los triángulos de Delaunay que contienen un vértice recién insertado.
Desafortunadamente, los algoritmos basados en volteos generalmente son difíciles de paralelizar, ya que agregar algún punto determinado (por ejemplo, el punto central de una rueda de carro) puede conducir a hasta O( n ) volteos consecutivos. Blelloch et al. [14] propusieron otra versión del algoritmo incremental basado en rip-and-tent, que es práctico y altamente paralelizado con un intervalo polilogarítmico .
Lee y Schachter desarrollaron un algoritmo de divide y vencerás para triangulaciones en dos dimensiones y lo mejoraron Guibas y Stolfi [9] [15] y más tarde Dwyer. [16] En este algoritmo, se dibuja recursivamente una línea para dividir los vértices en dos conjuntos. La triangulación de Delaunay se calcula para cada conjunto y luego los dos conjuntos se fusionan a lo largo de la línea de división. Usando algunos trucos ingeniosos, la operación de fusión se puede realizar en el tiempo O( n ) , por lo que el tiempo total de ejecución es O( n log n ) . [17]
Para ciertos tipos de conjuntos de puntos, como una distribución aleatoria uniforme, al seleccionar inteligentemente las líneas de división, el tiempo esperado se puede reducir a O ( n log log n ) y al mismo tiempo mantener el rendimiento en el peor de los casos.
Un paradigma de divide y vencerás para realizar una triangulación en d dimensiones se presenta en "DeWall: Un rápido algoritmo de triangulación de divide y vencerás de Delaunay en E d " por P. Cignoni, C. Montani, R. Scopigno. [18]
Se ha demostrado que el algoritmo divide y vencerás es la técnica de generación secuencial de DT más rápida. [19] [20]
Sweephull [21] es una técnica híbrida para la triangulación de Delaunay 2D que utiliza un casco de barrido que se propaga radialmente y un algoritmo de inversión. El casco de barrido se crea secuencialmente iterando un conjunto de puntos 2D ordenados radialmente y conectando triángulos a la parte visible del casco convexo, lo que proporciona una triangulación que no se superpone. Se puede construir un casco convexo de esta manera siempre que el orden de los puntos garantice que ningún punto caiga dentro del triángulo. Pero la clasificación radial debería minimizar el volteo siendo altamente Delaunay para empezar. Luego, esto se combina con un paso final iterativo de inversión del triángulo.
El árbol de expansión mínimo euclidiano de un conjunto de puntos es un subconjunto de la triangulación de Delaunay de los mismos puntos, [22] y esto puede aprovecharse para calcularlo de manera eficiente.
Para modelar terreno u otros objetos dada una nube de puntos , la triangulación de Delaunay proporciona un buen conjunto de triángulos para usar como polígonos en el modelo. En particular, la triangulación de Delaunay evita triángulos estrechos (ya que tienen círculos circunstantes grandes en comparación con su área). Ver red irregular triangulada .
Las triangulaciones de Delaunay se pueden utilizar para determinar la densidad o intensidad de los muestreos de puntos mediante el estimador de campo de teselación de Delaunay (DTFE) .
Las triangulaciones de Delaunay se utilizan a menudo para generar mallas para solucionadores discretizados en el espacio, como el método de elementos finitos y el método de simulación física de volúmenes finitos , debido a la garantía de ángulo y porque se han desarrollado algoritmos de triangulación rápidos. Normalmente, el dominio que se va a mallar se especifica como un complejo simplicial aproximado ; Para que la malla sea numéricamente estable, debe refinarse, por ejemplo utilizando el algoritmo de Ruppert .
La creciente popularidad de las técnicas del método de elementos finitos y del método de elementos de frontera aumenta el incentivo para mejorar los algoritmos de mallado automático. Sin embargo, todos estos algoritmos pueden crear elementos de cuadrícula distorsionados e incluso inutilizables. Afortunadamente, existen varias técnicas que pueden aprovechar una malla existente y mejorar su calidad. Por ejemplo, el suavizado (también conocido como refinamiento de malla) es uno de esos métodos, que reposiciona los nodos para minimizar la distorsión del elemento. El método de rejilla estirada permite generar mallas pseudoregulares que cumplen con los criterios de Delaunay de forma fácil y rápida en una solución de un solo paso.
La triangulación restringida de Delaunay ha encontrado aplicaciones en la planificación de rutas en la conducción automatizada y en los levantamientos topográficos. [23]
{{cite web}}
: Mantenimiento CS1: copia archivada como título ( enlace )