好文档 - 专业文书写作范文服务资料分享网站

基于改进的八叉树索引与分层渲染的海量激光点云可视化技术

天下 分享 时间: 加入收藏 我要投稿 点赞
10

基于改进的八叉树索引与分层渲染的海量激光点云可视化

技术

摘要:近年来利用三维激光扫描技术进行的国内各地城市数字化发展迅速,随着硬件技术的升级和扫描范围的逐渐扩大,获得的相应的三维数据可达TB级。因此,如何合理的建立点云索引管理机制,是解决海量点云数据组织和管理的关键问题。本文首先对传统八叉树数据结构的索引方法进行了优化,然后对三维点云分块,建立八叉树索引数据文件,同时用LOD方法对其进行分层抽稀操作,通过建立改进的八叉树与LOD方法相结合的索引,来降低内存的消耗、提高查询的效率,最后根据屏幕显示范围与视角变化实时读取释放点云索引数据,从而实现海量点云数据的可视化。

关键词:海量点云;八叉树索引;细节层次模型;可视化

中图分类号:000000 文献标识码:A DOI:10.3969/j.issn.1003-6970.2016.04.026 0 引言

近年来,城市数字化工作在国内各线城市中开展,在对城市的三维空间信息的采样获取过程中,逐渐实践和总结出了多种快速有效的手段。其中,使用三维扫描技术对被测目

标采集真实空间坐标数据的方法被广泛采用并应用到采集工作中,三维激光扫描技术所依托的软件硬件在近些年来得到了迅速的发展,扫描目标场景的不断增大和场景复杂度的不断升高,都对扫描设备的存储量和扫描算法的运算效率提出了挑战。例如,广泛装备于汽车的激光扫描设备,其工作原理就是使用数个激光扫描器对三维点云数据进行采集,最终获取的扫描数据量接近TB级,由此看来,处理数据的算法亟待优化和改进。为了更好的将采集到的海量点云数据应用到三维重建与快速辅助生成地形图等实际应用中来,需要对海量点云数据的管理算法进行不断的优化。在管理海量点云数据时,最为常用的管理方法是利用索引管理点云数据,索引的好坏直接关系到点云数据处理的效率,因此如何完善现有的索引算法,建立更高效的海量点云索引,是近几年相关方向的研究重点之一。

目前,实现海量点云数据快速显示的有效方法是构建索引树,常用的索引树主要包括R树、K-D树、四叉树和八叉树等。其中,R树具有较强的灵活性和调节性,但由于中间节点允许重叠,在查找速度、动态操作性能方面仍存在一些不足;四叉树和八叉树结构简单,对于精确匹配点的查找性能较高,但树的动态性较差,树的平衡性不好,以至于影响点云显示的交互性。针对上述问题,国内外研究者相继提出了一系列改进的方法。Beckmmann等在R树的基础上提出了

R*树,相比于R树,R*树的优越性体现在查找方式和节点操作的多样性,并且它同时支持点和空间数据的索引,但是R*树的索引构建时间比R树略高。支晓栋等提出的一种改进四叉树算法可以快速完成索引树的构建,但是该算法构建的索引树的树高减小,降低了数据的查询速度。

相较于传统方法在处理点云数据时,内存占用率高,执行效率低等问题,本文提出了一种新的方法,该方法以优化后的八叉树数据结构为基础,对可视化过程中需要的海量点云数据进行有效的组织。由于本文对海量点云数据同时进行八叉树结构的索引创建操作和LOD抽稀采样操作,并对传统的八叉树数据结构经过了优化,所以,在索引创建与检索过程中,可以实时降低内存的消耗、提高查询效率。最终根据显示范围查找索引读取对应数据块,从而实现海量的点云数据更加高效的可视化浏览。

1 改进的八叉树索引算法与LOD技术 1.1 改进的八叉树索引算法

八叉树结构是一种用来描述三维空间的数据结构,八叉树中任一节点的子节点均为八个,各节点分别指向下一个八叉树节点。对一定的三维空间做基于三维坐标轴方向的分割,可以得到相应的八个小立方体,各小立方体被称为体元,每个体元中存储相应的属性数据,这就是八叉树结构。通过对经典八叉树算法分析可知,如果将经典八叉树数据结构直接

基于改进的八叉树索引与分层渲染的海量激光点云可视化技术

基于改进的八叉树索引与分层渲染的海量激光点云可视化技术摘要:近年来利用三维激光扫描技术进行的国内各地城市数字化发展迅速,随着硬件技术的升级和扫描范围的逐渐扩大,获得的相应的三维数据可达TB级。因此,如何合理的建立点云索引管理机制,是解决海量点云数据组织和管理的关键问题。本文首先对传统八叉树数据结构的索引方法进行了优化,然后对三维点云分块,建立八叉树索引
推荐度:
点击下载文档文档为doc格式
2rxyo0outj92i2p9mey92mdyx423a401c7e
领取福利

微信扫码领取福利

Scan me!

微信扫码分享