本文關鍵詞：海量三維激光點云數據的組織與可視化研究

  更多相關文章： 三維點云 空間數據組織 Hilbert曲線 四叉樹 LOD可視化

【摘要】：20世紀90年代中期,地面激光掃描技術開始普遍應用于各種復雜場景和空間實體的建模。通過該技術采集得到的海量點云數據,是三維空間坐標系中重要的信息來源,在海洋勘測、地理信息系統(tǒng)、數字城市建設中發(fā)揮著舉足輕重的作用。為此,如何利用現有的計算機處理能力,對海量的點云數據進行高效地組織索引,更加快速精確地完成點云數據的三維空間可視化建模成為一個重要的研究課題。目前國內外在對于點云數據組織管理方面,有很多相關研究,一些研究者提出了相應的組織方案。最常見有規(guī)則網格、傳統(tǒng)四叉樹結構、R樹、KD樹與八叉樹結構相結合等方案,不同的組織方案都有各自的優(yōu)缺點。因此,最重要的是找到適合點云數據特點的組織結構,更好地提高組織效率。本文的主要工作:(1)分析了國內外對于點云數據組織方案中的不足,針對車載激光掃描系統(tǒng)獲取的點云數據具有的海量性隨機性等特點,提出了改進的四叉樹結構。(2)提出“Hilbert-改進四叉樹”結構組織點云數據。該結構通過對改進后四叉樹節(jié)點順序的調換,使得中序遍歷該四叉樹得到的節(jié)點順序完全符合Hilbert曲線的特征。按照該順序重新組織點云數據,可以有效地減少計算機在讀取海量點云數據時進行的I/O交互次數,提高點云數據空間索引效率;同時采用Hilbert曲線重新組織四叉樹,將單一分辨率的數據轉化為多分辨率的數據,(3)借鑒DME技術以及“分而治之”的思想,本文提出了“金字塔-PC”這種分塊分層的數據模型,利用“Hilbert-改進四叉樹”結構處理每塊中海量點云數據,實現基于視點的海量車載激光點云數據的LOD高效可視化。(4)最后,本文設計了驗證實驗,實驗結果表明改進后的組織索引方案具有合理性和有效性。同時利用Geo Magic Studio進行相關可視化實驗,驗證了LOD可視化方案的有效性。本文最后對如何利用現有的計算機資源,更加高效地處理海量的點云數據進行了展望。
【關鍵詞】：三維點云 空間數據組織 Hilbert曲線 四叉樹 LOD可視化
【學位授予單位】：北京工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN249
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-17
• 1.1 課題背景與研究意義9-10
• 1.2 國內外研究現狀10-13
• 1.2.1 車載激光掃描系統(tǒng)現狀10-11
• 1.2.2 海量點云數據組織與可視化現狀11-13
• 1.3 主要研究內容13-14
• 1.4 論文章節(jié)安排14-17
• 第2章 點云數據的特點及其常見組織與可視化方案概述17-29
• 2.1 車載激光掃描采集點云數據17-19
• 2.2 車載激光掃描系統(tǒng)采集點云數據的特點19-20
• 2.3 常見點云數據的組織方案20-23
• 2.3.1 采用八叉樹結構組織點云數據20-21
• 2.3.2 三維虛擬網格21-22
• 2.3.3 其他組織方案22-23
• 2.4 四叉樹結構組織點云數據23-25
• 2.4.1 點四叉樹結構23-24
• 2.4.2 PR四叉樹結構24-25
• 2.4.3 PM四叉樹結構25
• 2.5 LOD技術概述25-28
• 2.6 本章小結28-29
• 第3章 改進的四叉樹結構29-37
• 3.1 改進的四叉樹結構29-30
• 3.1.1 傳統(tǒng)的四叉樹結構29-30
• 3.1.2 改進的四叉樹結構30
• 3.2 點云節(jié)點劃分函數的改進30-34
• 3.2.1 遞歸方式實現劃分30-32
• 3.2.2 采用迭代方式實現劃分32-34
• 3.3 改進后的四叉樹建樹過程34-36
• 3.4 本章小結36-37
• 第4章 “Hilbert-改進四叉樹”結構的提出37-45
• 4.1 Hilbert曲線描述37-39
• 4.2 Hilbert曲線與改進四叉樹結合過程39-44
• 4.2.1 重新定義Hilbert曲線39-41
• 4.2.2 改進四叉樹的節(jié)點變換41-44
• 4.3 本章小結44-45
• 第5章 海量點云數據的可視化研究45-57
• 5.1 從DME到點云數據45-46
• 5.2 “金字塔-PC”模型的提出46
• 5.3 構建“金字塔-PC”模型處理海量點云數據46-51
• 5.3.1 “金字塔-PC”模型的層次計算47-48
• 5.3.2 點云數據抽稀48-49
• 5.3.3 點云數據分塊49-51
• 5.4 基于“金字塔-PC”的“Hilbert-改進四叉樹”搜索算法51-52
• 5.5 基于LOD的點云數據可視化調度52-56
• 5.5.1 LOD算法研究52-55
• 5.5.2 基于LOD的可視化過程55-56
• 5.6 本章小結56-57
• 第6章 實驗驗證與結果分析57-69
• 6.1 實驗條件57-58
• 6.2 “Hilbert-改進四叉樹”結構與傳統(tǒng)四叉樹結構比較58-59
• 6.2.1 建樹性能比較58-59
• 6.2.2 I/O效率的比較59
• 6.3 “Hilbert-改進四叉樹”方案I/O效率方面測試59-63
• 6.4 LOD可視化實驗對比63-68
• 6.4.1 “金字塔-PC”分層分塊實驗63-64
• 6.4.2 “金字塔-PC”模型構建效率64-65
• 6.4.3 “Hilbert-改進四叉樹”結構與傳統(tǒng)四叉樹結構索引效率對比65-66
• 6.4.4 LOD可視化實驗66-68
• 6.5 本章小結68-69
• 結論69-71
• 參考文獻71-75
• 攻讀碩士學位期間所發(fā)表的學術論文75-77
• 致謝77

【相似文獻】

中國期刊全文數據庫 前10條

1 喜文飛;史正濤;;一種新的點云數據組合精簡算法研究[J];科技通報;2014年03期

2 劉志軍;;基于三坐標測量機的點云數據測量規(guī)劃研究[J];黑龍江科技信息;2008年20期

3 張會霞;;基于八叉樹的點云數據的組織與可視化[J];太原師范學院學報(自然科學版);2011年03期

4 方源敏;夏永華;陳杰;宋煒煒;楊永明;左小清;;基于改進的角度偏差法的采空區(qū)點云數據精簡[J];地球科學與環(huán)境學報;2012年02期

5 徐偉恒;馮仲科;蘇志芳;胥輝;焦有權;鄧歐;;一種基于三維激光點云數據的單木樹冠投影面積和樹冠體積自動提取算法[J];光譜學與光譜分析;2014年02期

6 靳克強;龔志輝;湯志強;張斌;袁輝;;機載激光雷達點云數據質量評價體系分析與探討[J];測繪與空間地理信息;2012年04期

7 劉亞文;龐世燕;左志奇;;蟻群算法的建筑立面點云數據提取[J];武漢大學學報(信息科學版);2012年11期

8 喜文飛;方源敏;李帥;李健;;一種新的激光點云數據精簡方法[J];測繪工程;2012年04期

9 何麗;李嘉;鄭德華;;基于柵格的點云數據的邊界探測方法[J];測繪工程;2013年03期

10 劉尚蔚;朱小超;張永光;魏群;;多片點云數據拼接處理技術的研究[J];水利與建筑工程學報;2014年01期

中國重要會議論文全文數據庫 前10條

1 閆龍;;攝影測量點云數據精簡研究[A];第二十九屆中國控制會議論文集[C];2010年

2 吳美金;;基于薄壁構件的點云數據提取[A];全國射線數字成像與CT新技術研討會論文集[C];2009年

3 段文國;張愛武;蔡廣杰;;基于VTK的點云數據繪制研究與實現[A];《測繪通報》測繪科學前沿技術論壇摘要集[C];2008年

4 宋碧波;盧小平;盧遙;;基于點云數據的建筑物三維重建[A];第二屆“測繪科學前沿技術論壇”論文精選[C];2010年

5 張偉忠;張順海;于德敏;;點云數據與建模軟件的接口設計[A];全國第13屆計算機輔助設計與圖形學（CAD/CG）學術會議論文集[C];2004年

6 呂瓊瓊;楊曉暉;楊唐文;韓建達;莊嚴;;激光雷達點云數據的三維建模技術[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

7 劉佳;張愛武;楊麗萍;;室內場景激光點云數據的三維建模[A];《測繪通報》測繪科學前沿技術論壇摘要集[C];2008年

8 隋立春;張熠斌;趙旦;;基于MicroStation的機載LiDAR點云數據分類處理軟件[A];第二屆“測繪科學前沿技術論壇”論文精選[C];2010年

9 黃承亮;吳侃;劉虎;;基于三維TIN的格網化點云數據特征提取[A];數字測繪與GIS技術應用研討交流會論文集[C];2008年

10 楊銘;陳建峰;;基于CUDA的海量點云數據kNN查詢算法[A];第四屆“測繪科學前沿技術論壇”論文精選[C];2012年

中國博士學位論文全文數據庫 前10條

1 趙江洪;古建筑散亂點云基準面的提取與擬合[D];武漢大學;2012年

2 谷曉英;三維重建中點云數據處理關鍵技術研究[D];燕山大學;2015年

3 胡峰俊;三維離散點云數據的預處理和配準技術研究[D];浙江工業(yè)大學;2015年

4 董秀軍;三維空間影像技術在地質工程中的綜合應用研究[D];成都理工大學;2015年

5 李曉捷;基于深度相機的三維人體重建及在服裝展示方面的技術研究[D];天津工業(yè)大學;2016年

6 張坤;基于三維激光掃描的點云數據逆向重建算法研究[D];燕山大學;2016年

7 張學昌;基于點云數據的復雜型面數字化檢測關鍵技術研究及其系統(tǒng)開發(fā)[D];上海交通大學;2006年

8 王果;不同平臺激光點云數據面狀信息自動提取研究[D];中國礦業(yè)大學（北京）;2014年

9 趙煦;基于地面激光掃描點云數據的三維重建方法研究[D];武漢大學;2010年

10 張會霞;三維激光掃描點云數據組織與可視化研究[D];中國礦業(yè)大學（北京）;2010年

中國碩士學位論文全文數據庫 前10條

1 饒杰;基于激光點云數據的建筑物快速三維建模[D];中國地質大學(北京);2015年

2 李俊寶;TLS在古建筑物測繪及建模中的應用研究[D];長安大學;2015年

3 謝金坤;基于事故車輛車身變形的碰撞速度研究[D];長安大學;2015年

4 潘成成;基于點云數據的水下目標三維特征提取與定位技術研究[D];中國海洋大學;2015年

5 劉超;點云數據處理與三維重構研究[D];東南大學;2015年

6 楊小青;三維重建過程中點云數據精簡與配準方法研究[D];中北大學;2016年

7 鄭曉璐;基于體感相機的點云數據配準方法研究[D];中北大學;2016年

8 裴東東;基于影像的點云數據分割方法研究[D];東華理工大學;2016年

9 楊軍建;點云數據處理系統(tǒng)設計與實現[D];東華理工大學;2016年

10 樊琦;基于點云數據的三維模型重建[D];西安科技大學;2015年

，

本文編號：845951