[发明专利]海量机载LiDAR点云Delaunay三角网并行构建方法和装置

说明书

技术领域

本发明涉及测绘技术领域，更具体地，涉及一种海量机载LiDAR点云Delaunay三角网并行构建方法和装置。

背景技术

激光雷达在地形测绘领域中已经得到广泛的应用。使用机载激光雷达进行地形扫描，可以获得海量机载LiDAR点云数据。基于点云数据中所包含的高精度的三维空间坐标信息，能够精细地表现出扫描对象的表面空间特征，是实现等各类测绘应用的基础，在地理空间信息研究、城市规划、国土管理等方面也具有重要的意义。但是，LiDAR点云数据通常具有海量的点数，各点空间分布有一定的离散性，所以需要科学高效的方法进行LiDAR数据的后处理。

在LiDAR数据后处理中，Delaunay三角网是重要手段之一，被广泛应用于点云数据的平差、自动/手动滤波、边界线的提取、地形可视化、DEM生成等处理过程中，对LiDAR点云的数据后处理处理有着举足轻重的重要性，是实现LiDAR点云的数据的可视化、DEM生成等实际应用的必要步骤。

众多学者已经对Delaunay三角网的构建算法进行了大量研究。Lawson于1977年提出了一种通过逐点插入的方式构建Delaunay三角网的方法，我们称之为逐点插入算法。1978年Green和Sibson提出了一种新的Delaunay三角网构建算法，根据其计算过程我们称之为生长算法。在生长法的基础上，许多学者又提出了改进算法，对生长算法第三点搜寻策略提出了不同的改进。另一种被广泛应用的构网算法——分治算法由Lewis和Robinson提出，采用分割-合并的方式构建散乱点集的Delaunay三角网。该方法的时间效率较高，后来被众多学者改进并应用，是如今常用的构网方法之一。上述的三大构网方法基本上概括了主流的Delaunay三角网生成算法，并行算法也是基于上述三种算法的思想进行研究。Christos等人于2005年提出采用多粒度的并行算法，并对这些粒度分级性能进行了分析。NIKOS和ANDREY于2006年提出一种基于Bowyer-Watson算法的并行二维多边形的Delaunay剖分方法。在约束边的处理上采用了二分法，获得了很好的效果。易法令等人2001年提出了一种提出了一种基于网格的Delaunay三角剖分并行算法。该算法基于分治法针对四点共圆的不唯一性及并行处理边界的任意性问题进行了探讨，在任务分配上较好地保证了负载的均衡。

虽然这些算法已经比较成熟，但是处理对象一般只是少量离散点云。而LiDAR获取的数据为了保证高密度和高精度，点云的数目往往都很大。当点云的数目较大时，构建Delaunay三角网过程中Delaunay三角剖分计算量大，现有的算法执行速度很慢、效率低，已经不能满足目前海量数据的构网应用。

因此，高效、快速，面向大数据量的Delaunay三角网构建方法和相关装置是目前LiDAR数据处理中急需解决的关键技术之一。

发明内容

针对现有技术的上述需求，本发明旨在提高海量机载LiDAR点云Delaunay三角网的构建速度，提高构网效率，解决海量机载LiDAR点云的构网问题，从而为机载激光雷达地形扫描所形成的LiDAR点云数据的后处理提供一种高效、快速、适于大数据量处理的新方法和新装置。

本发明所述的海量机载LiDAR点云Delaunay三角网并行构建方法，其特征在于，包括以下步骤：

步骤1，对海量机载LiDAR点云数据进行数据块划分和任务分配，将所述海量机载LiDAR点云数据划分为等数据量的均匀条带数据块；

步骤2，对所述各数据块分别应用逐点插入算法并行构建子三角网，获得子三角网集合；

步骤3，采用合并算法对相邻的两个子三角网进行连接生成合并的三角网；

步骤4，采用优化算法对新生成的三角形以及其邻接三角形进行优化，得到符合Delaunay规则的合并的三角网；

步骤5，重复步骤3、4，将所有子三角网合并得到完整的Delaunay三角网。

其中，优选地，所述步骤3的合并算法具体包括：

步骤3A：通过遍历所述子三角网，找到所有邻接三角形数量为1的边界，并将这些边界的端点作为三角网边界点，提取所述相邻的两个子三角网的边界；

步骤3B：采用三角网的生长算法将两块相邻三角网进行连接，所述生长算法包括：首先在边界点集中利用余弦定理寻找最优点构建三角形，然后将新生成两条有向边加入待扩展边，最后，直到所有待扩展边都完成最优点的选取。

其中，优选地，所述步骤4的优化算法为LOP算法。