海量三维激光点云数据的组织与可视化研究

【摘要】：20世纪90年代中期,地面激光扫描技术开始普遍应用于各种复杂场景和空间实体的建模。通过该技术采集得到的海量点云数据,是三维空间坐标系中重要的信息来源,在海洋勘测、地理信息系统、数字城市建设中发挥着举足轻重的作用。为此,如何利用现有的计算机处理能力,对海量的点云数据进行高效地组织索引,更加快速精确地完成点云数据的三维空间可视化建模成为一个重要的研究课题。目前国内外在对于点云数据组织管理方面,有很多相关研究,一些研究者提出了相应的组织方案。最常见有规则网格、传统四叉树结构、R树、KD树与八叉树结构相结合等方案,不同的组织方案都有各自的优缺点。因此,最重要的是找到适合点云数据特点的组织结构,更好地提高组织效率。本文的主要工作:(1)分析了国内外对于点云数据组织方案中的不足,针对车载激光扫描系统获取的点云数据具有的海量性随机性等特点,提出了改进的四叉树结构。(2)提出“Hilbert-改进四叉树”结构组织点云数据。该结构通过对改进后四叉树节点顺序的调换,使得中序遍历该四叉树得到的节点顺序完全符合Hilbert曲线的特征。按照该顺序重新组织点云数据,可以有效地减少计算机在读取海量点云数据时进行的I/O交互次数,提高点云数据空间索引效率;同时采用Hilbert曲线重新组织四叉树,将单一分辨率的数据转化为多分辨率的数据,(3)借鉴DME技术以及“分而治之”的思想,本文提出了“金字塔-PC”这种分块分层的数据模型,利用“Hilbert-改进四叉树”结构处理每块中海量点云数据,实现基于视点的海量车载激光点云数据的LOD高效可视化。(4)最后,本文设计了验证实验,实验结果表明改进后的组织索引方案具有合理性和有效性。同时利用Geo Magic Studio进行相关可视化实验,验证了LOD可视化方案的有效性。本文最后对如何利用现有的计算机资源,更加高效地处理海量的点云数据进行了展望。