基于八叉树与KD树索引的点云配准方法

针对点云配准算法中KD树多维查询效率较低的问题,提出一种基于八叉树和KD树多层索引结构的点云配准方法。首先为模型点云数据建立八叉树全局索引,然后在八叉树叶子结点构建局部数据的KD树索引。对传统的ICP点云配准算法进行改进,通过叶子结点的全局索引值快速定位局部点云数据块,利用局部KD树索引加快最近点的搜索,计算最近点时利用欧氏距离阈值、点对距离差值和法向量阈值剔除部分噪声点。实验表明,改进算法提高了点云配准的效率和精度。     

基于KD树的点云数据自适应屏幕精度高效显示方法北大核心CSCD

海量激光点云数据的快速显示是目前一个技术瓶颈。本文提出一种基于KD树的点云数据自适应屏幕精度的高效显示方法,采用类似LOD的技术将点云进行KD树的组织,并在KD树节点上引入屏幕精度的概念,在点云数据显示时,计算KD树节点在屏幕上的投影范围,进而决定其是否显示点云细节。试验证明,该算法在显示大规模点云数据时,由于通过KD树自适应屏幕精度调度点云数据使绘制点的数据量大大减少,从而大大加快了点云的显示速度。     

基于KD树的点云数据自适应屏幕精度高效显示方法

海量激光点云数据的快速显示是目前一个技术瓶颈,本文提出一种基于KD树的点云数据自适应屏幕精度的高效显示方法,采用类似LOD的技术将点云进行KD树的组织,在KD树节点上引入屏幕精度的概念,在点云数据显示的时,计算KD树节点在屏幕上的投影范围,进而决定其是否显示点云细节。经实验证明,该算法在显示大规模点云数据时,由于通过KD树自适应屏幕精度调度点云数据使绘制点的数据量大大减少,从而大大加快了点云的显示速度。     

海量车载激光扫描点云数据的快速可视化方法

当前车载激光扫描系统的数据量往往达到数十GB乃至TB级,海量激光点云数据的加载与查询对传统可视化方法提出了挑战。本文设计了一种基于内外存调度的三维可视化方法,突破了物理内存对显示数据量的限制。该方法首先利用双层四叉树索引数据结构实现外存储器上的点云数据管理与快速调度,基于该索引动态加载外存储器上的点云数据到内存,从而快速获取海量数据中的实时数据块;然后,利用多线程分时加载双层四叉树索引数据结构,实现激光点云数据外存到内存的实时传输与绘制。实验结果表明,本文方法不受点云数据量与物理内存大小限制,海量点云可视化效果流畅,适用于台式计算机或网络环境下的海量激光点云数据的调度管理与实时可视化。     

大规模点云数据的二维与三维混合索引方法

为提高点云查询效率和按需提取数据,提出一种二维与三维混合索引的大规模点云数据管理方法。采用二维四叉树和三维最小外包盒结构管理原始点云,以3D-R树管理多站点云,利用对象关系数据库管理全部点云模型和相关属性数据。利用古建筑大规模点云数据在微机上实现了点云模型的数据存储与可视化。结果表明本方法能够管理超过10 GB级的点云模型数据和十亿级有效点,数据可视化效率较高。     

车载LiDAR点云混合索引新方法

以车载LiDAR点云数据为研究对象,为提高点云数据的组织与管理效率,提出了一种全局KD树与局部八叉树相结合的混合空间索引结构—KD-OcTree。全局KD树通过分辨器、分割平面的确定,重构点云之间的邻域关系,确保索引结构的整体平衡; 在其叶子节点再构造二级索引结构—局部八叉树,避免了单一八叉树结构点云分布不均衡、树结构深度过大、出现大量无点空间等现象。以3个真实场景数据为测试数据进行试验和对比分析,结果表明,KD-OcTree混合索引不仅能够提高索引构建、邻域搜索的速度,还对分类可靠性产生一定影响。     

基于像素模式的海量点云可视化LOD调度方法

针对受限于计算机内存,海量三维点云数据无法一次性加载显示的问题,提出了一种基于像素模式的海量点云可视化LOD调度方法。该方法主要包括生成八叉树点云索引文件和设置LOD模型调度范围两个阶段,首先采用八叉树的原理对点云数据进行分层和抽稀,生成索引文件;再基于八叉树点云索引文件构建点云LOD模型;最后根据原始点云的分辨率自动计算LOD模型节点的像素阈值。在实时可视化的过程中,以LOD模型节点在屏幕上的像素大小是否达到预定阈值为判断条件,对其进行调度,避免了距离模式下海量点云可视化出现的卡顿问题。     

基于Hilbert排列码与R树的海量LIDAR点云索引

本文分析当前索引方法存在问题,针对高效海量点云数据的要求,提出一种基于Hilbert码与R树的二级索引方法。论文阐述了二级索引的建立原理与方法,可通过聚类方法与R树度M值来的优化第一级索引;使用Hilbert R树作为第二索引,可以有效控制两级R树的高度,同时点云的增加与更新可只在局部进行。最后本文通过两组实验来验证该数据组织方法的可行性和跟其他索引(KD树与四叉树)进行比较,得出它是一种高效管理海量点云的方法。     

矿山巷道点云模型及其数据组织

针对三维矿山巷道点云数据的可视化效果问题,本文根据三维海量数据的可视化建模思想,提出基于扩展性四叉树、顾及可视化效果的点云数据多分辨率模型及其数据组织方式,详细研究了多分辨率LOD的细节选择算法;并基于VS2005和MapGIS TDE实现了利用一个点云数据图层插件对该模型进行显示,该方法能快速建模,满足三维矿山巷道点云数据的可视化要求。     

多分辨率LOD的海量点云显示技术研究

利用八叉树数据结构对海量点云进行分块处理,将八叉树叶结点的点云逐层随机采样后保存在外存中构建多分辨率LOD数据结构,设计了一种基于视点的多分辨率点云内外存调度策略,实现了海量点云的流畅显示。通过对一组海量点云数据进行实验,分析了不同八叉树划分深度对八叉树划分、多分辨率数据构建以及显示的影响。     

水深点云数据快速检索方法研究

为了提高海量多波束水深点云数据处理时的检索效率,降低内存占用,本文设计了四叉树数据处理方案。水深点云数据四叉树检索方式如下：首先,根据四叉树结构,以序列化方式对文件进行存储与索引,实现水深点云数据检索速度的提高,节省了检索时间;其次,为了减少内存占用,以内存映射的方式对海量点云数据进行读取。将本文提出的水深点云四叉树检索与常规的遍历索引进行对比实验,结果表明：在点云检索数据量少于总点云数据量的3/4时,四叉树检索的效率比常规的遍历检索效率提高1倍以上;随着检索点云数据量的减少,四叉树检索效率比常规遍历检索效率更高,最大可达到30倍以上。     

一种R树与格网结合的海量地铁隧道点云管理方法

为满足海量地铁隧道点云的高效处理需求,提出了一种R树与格网结合的海量地铁隧道点云管理方法。针对隧道点云的空间分布特点,在全局将大范围点云划分到格网中,并使用R树管理非空网格;在局部使用八叉树与四叉树混合的索引方法管理单个网格内的点云。为了提高点云的渲染效果,提出了基于网格面积的多细节层次结构（levels of detail,LOD）回溯构建方法,并采用高效的单文件存储方式存储点云。实验结果证明了所提出的方法在海量隧道点云的管理和可视化方面优于传统方法。     

机载激光雷达点云数据的实时渲染

提出了一种实时绘制大规模LIDAR点云数据的方法。该方法通过构建一棵顺序四叉树使点云均匀分布在四叉树节点上,来实现快速的数据筛选。阐述了顺序四叉树的快速建立,并通过一个试验系统验证了文中所提方法的有效性。试验表明,使用目前普通配置的计算机,通过自适应控制绘制的数据量,可以实时绘制约1GB的原始点云数据。     

基于PCL的点云数据空间管理及近邻搜索

由三维激光扫描技术获取的点云数据仅包含点的三维坐标,缺乏点对应的几何拓扑信息,同时为了在计算机中更高效的管理和处理点云数据,本文结合PCL开源库为点云数据建立K-D树和八叉树两种数据结构,并实现基于K-D树和八叉树的快速邻域搜索。     

一种基于线性KD树的点云数据组织方法

常规KD树索引对大规模点云数据进行组织和管理时,指针的存储往往耗费大量的内存空间。本文结合线性索引的编码思想,提出了一种线性KD树索引的构建和查找方法,存储点云时可以充分利用内存空间,通过自然数编码表示结点间的关系,并给出了线性KD树的构建和邻域查找方法。最后通过与开源最临近搜索库ANN库进行对比试验,证明本文的线性KD树索引可以明显减少点云组织时的内存消耗,并与基于指针的ANN库具有相近的临近查找效率。     

一种联合瓦片索引的车载海量点云数据管理方法

为了高效支持大范围车载移动激光扫描海量点云数据的可视化及后续处理,提出了一种联合全球统一划分瓦片索引的车载海量点云管理与调度方法。在分析车载点云空间分布特性基础上,有机联合瓦片索引及随机采样八叉树等空间索引结构,建立了一套面向海量车载移动扫描点云的高效管理及调度机制。试验证明,该方法能够高效支持大范围海量车载点云数据的调度、交互及动态更新等过程,并能够有效地支撑分割、分类等后处理过程。     

海量地铁隧道点云数据管理与Web快速可视化方法

传统点云处理软件为单机运行,Web点云应用较少,随着5G与WebGL技术的发展,3D Web应用的开发是未来的发展趋势。在地铁隧道工程中,实现隧道点云的快速处理与可视化是重要的需求之一。为满足地铁隧道点云的Web可视化需求,针对地铁隧道点云空间分布特点实现了一种格网与多分辨率八叉树结合的海量地铁隧道点云数据索引模型。采用B/S(browser/server)架构,以WebGL为基础,可适应不同点云密度来达到更好的Web端渲染效果。在满足标准las点云格式处理需求的基础上实现了自定义格式处理的功能,对数据I/O(input/output)进行优化,索引构建上效率进一步提高。使用Three.js引擎对渲染机制与效果进行了优化,通过设计实验证明了方法在地铁隧道点云数据管理与Web快速可视化上的有效性。     

海量三维点云图割构网

针对现有海量点云数据构网占用内存较大、精准度较低等问题,该文基于图割构网与八叉树划分思想,提出一种海量点云数据三维构网算法。首先对点云数据构建八叉树索引,然后利用图割构网算法对叶子节点点云数据进行构网,最后通过网格合并操作实现最终网格生成。该算法能够自适应划分点云数据文件,并可以利用多线程动态调度图割构网和网格合并子线程,降低内存消耗的同时提高了运行效率。利用多组点云数据进行实验,结果表明,该文算法相对于经典的MVE算法在内存消耗、精度和完整度上都具有一定的优势。     

一种八叉树和三维R树集成的激光点云数据管理方法

车载激光扫描点云数据已经成为数字城市和危机管理等领域越来越重要的三维空间信息源,针对大规模点云数据高效管理的技术瓶颈,提出一种八叉树和三维R树集成的空间索引方法——3DOR树,充分利用八叉树的良好收敛性创建R树叶节点,避免逐点插入费时过程,同时R树平衡结构保证良好的数据检索效率。并还扩展R树结构生成多细节层次(LOD)点云模型,提出一种支持缓存的多细节层次点云数据组织方法。试验证明,该方法具有良好的空间利用率和空间查询效率,支持多细节层次描述能力和数据缓存机制,可应用于大规模点云数据的后处理与综合应用。     

基于四叉树索引和双缓存机制的GIS动态可视化模型设计与实现

针对GIS数据的多维、海量、动态性等特点,本文设计了基于四叉树和双缓存机制的GIS动态数据可视化模型,并详细地介绍并阐述该模型的数据存储规格和数据可视化方法及其特点。基于四叉树索引结构和多线程双缓存机制,构建GIS动态数据可视化模型,探讨多线程分层绘制动态对象方法和GIS空间数据库实时更新方法,实现GIS海量数据的动态化、序列化、实时可视化表达。并测试对比了常见可视化算法与本算法之间的显示效率,发现本研究算法针对多种GIS图形类型、大数据量GIS数据显示,均有较高的效率提升,实验证明该方法稳定可行,可为其他GIS动态数据的可视化提供参考。