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。     

十进制线性四叉树的点云数据格网索引方法研究

三维激光点云数据是海量三维点的集合,导致数据量庞大,组织和管理困难,不仅增加了系统负荷,而且大大降低了点云数据后续处理效率。该文针对海量点云数据的组织与管理中遇到的加载和显示效率低、建立索引困难、不能实时动态显示等问题,提出了基于十进制线性四叉树的点云数据格网索引方法,该方法用四叉树结构分割点云数据和用SQL Server数据库存储,采用Morton码或矩形区域对点云数据进行分块空间索引,结合空间索引和数据库的优势对点云数据进行高效、动态、智能管理。实验结果表明,该方法较好地解决海量点云数据的组织与管理效率低下,不能实时动态显示的问题。     

一种四叉树与KD树结合的海量机载LiDAR数据组织管理方法

针对海量机载LiDAR点云数据管理与可视化效率不高的问题,提出了一种四叉树和局部KD树相结合的混合空间索引结构以及内外存结合的数据调度模式。在全局,可以通过四叉树金字塔模型实现快速检索与调度;在局部,通过内存中构建的KD树实现高效的查询与显示。利用敦煌地区约10亿点的激光雷达数据进行了验证,达到30帧/s的显示效率,为大规模点云数据的可视化奠定了基础。     

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。     

基于四叉树的LiDAR点云数据组织研究

针对传统的数据读取方法不能满足LiDAR点云数据量大的特点,基于Windows的内存映射机制,研究LiDAR点云数据组织,利用四叉树对LiDAR点云数据进行索引管理,并在LiDAR点云的三维场景绘制中对点云数据进行剪裁,减轻CPU的负担,提高其运算的效率.     

海量地形数据组织与调度策略研究

针对海量地形数据与有限的计算机内存之间的矛盾问题,需对数据的组织与调度过程进行优化。对海量的地形数据基于分块的方法以四叉树的数据结构进行组织。以块内无冗余的数据存储方式构建多分辨率层次模型,同时生成层次索引和坐标序号索引。在预处理阶段进行自上而下的参数计算,以此种方式可以快速读取到需求数据。其次根据视点位置与视线的方向两个因素,利用视锥体投影的方式对数据进行预取,实施两次数据裁剪策略,并结合多线程策略实现数据的加载与卸载。实验结果表明该策略具有较高的实时性,能够满足大规模地形数据的高效绘制要求。     

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。     

车载LiDAR海量点云数据管理与可视化研究

为了支持车载移动激光扫描点云数据的高效管理与快速可视化,提出了一种适用于车载海量点云的数据组织方法。该方法将原始点云数据分段后生成轨迹信息用于快速索引,分别对每段数据建立基于八叉树结构的LOD（levels of detail）索引,并采用多线程动态调度技术实现基于视点的海量点云渲染与漫游,显著提高了车载点云数据的调度效率。实验结果证明该点云数据组织方法是一种适合车载点云数据的高效管理方法。     

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。     

海量点云通用图形处理器缓存机制与并行编辑方法

针对现有海量点云数据组织常采用树索引结构，不支持被通用图形处理器(GPGPU)并行计算，无法实现处理结果与可视化的实时共享，难以满足实时点云编辑应用等问题，该文提出了海量点云GPGPU缓存组织与并行编辑方法，设计了一种基于GPU顶点缓存的海量点云数据组织方法，基于计算着色器技术实现了可视化数据与点云属性的直接共享与并行处理，满足实时点云选择、删除、查询、属性修改等编辑应用，同时采用操作栈的数据结构支持编辑操作的高效回退。实验结果表明，对于亿级大规模点云，该文方法相比传统基于空间索引结构的方法，在点云编辑效率上具有较明显的优势。     

多核CPU的海量点云并行kNN算法

提出基于多核CPU的海量点云k最近邻(kNN)快速搜索算法。该算法先将点云数据按格网方式进行组织存储于外存;在搜索kNN点时,从搜索点所在的块向外扩张搜索;在多核CPU环境下采用多线程模式进行数据的内外存调度和kNN点搜索。当内存达到设定上限时,采用距离搜索点最远策略释放内存,降低内外存数据交换的频率。将该方法应用于基于kNN的滤波和格网化方法中,处理速度显著提高。     

多核CPU的海量点云并行kNN算法

提出基于多核CPU的海量点云k最近邻(kNN)快速搜索算法.该算法先将点云数据按格网方式进行组织存储于外存;在搜索kNN点时,从搜索点所在的块向外扩张搜索;在多核CPU环境下采用多线程模式进行数据的内外存调度和kNN点搜索.当内存达到设定上限时,采用距离搜索点最远策略释放内存,降低内外存数据交换的频率.将该方法应用于基于kNN的滤波和格网化方法中,处理速度显著提高.     

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。     

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。     

海量地形数据实时可视化技术研究

针对海量地形数据实时可视化,提出了一种瓦片金字塔模型和线性四叉树索引相结合的地形数据管理模式,利用视景体裁剪和基于分辨率测试的目标瓦片快速搜索算法,实现了地形数据的实时装载,采用基于动态二叉树构网的方法,实现了地形数据的实时绘制.     

基于点云数据的改进四叉树空间索引研究

随着测绘行业的不断发展,三维激光扫描技术已经成为地理信息产业中不可或缺的重要组成部分^[1],然而点云庞大的数据量给处理带来了一定的困难。本文针对运用车载移动测量系统所获取的海量点云数据,采用了一种基于编码改进四叉树索引的点云数据组织处理方法。结果证明该方法提高了创建索引的速度,减少了树的深度以及数据的冗余量,并基于此编码进行最邻近查找,具有可行性和有效性。     

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。     

基于3D格网与哈希表的车载LiDAR点云八叉树索引

针对车载LiDAR数据海量化趋势,以及高效的点云索引构建和邻域搜索算法的至关重要性,本文结合3D规则格网和线性八叉树算法优势,以及哈希表检索的高效性,提出了基于3D格网和哈希表的八叉树索引算法。通过对车载LiDAR所获取的点云数据进行相关试验,试验结果表明该方法应用于海量点云索引构建和邻域查找具有高效性。