CGAL中的高效k阶voronoi图和3d voronoi图

Question

我在计算CGAL中的k阶Voronoi图和3d voronoi图时遇到了麻烦。

1. 首先，我想从给定的一组点（2d / 3d）计算k阶Voronoi图（k是最近邻居的数量）。

   • 据我所知，CGAL demo ipelet文件夹中有一个头文件“k_delaunay.h”（代码here）。它可以计算k阶正则三角剖分。而且我相信我可以将常规三角测量转换为Delaunay三角测量。

   • 但是，从代码中我们可以看出复杂性非常高。我测试了300k 2d点，并且计算k阶Voronoi图的实际运行时间是不可接受的。所以我想知道CGAL中是否存在k-order Voronoi图的其他实现（我的其余代码是用CGAL编写的，所以我真的想使用现有的数据结构）？

2. 此外，由于CGAL的voronoi图适配器仅支持2D，有没有有效的方法将3D delaunay三角测量转换为3D voronoi图？

谢谢！

Answer 1

您可以使用分层聚类（即树形图）来代替k阶。