[发明专利]一种面向海量激光雷达点云模型的三维空间索引方法

说明书

技术领域

本发明涉及一种三维空间索引方法，尤其涉及一种面向海量激光雷达点云模型的三维空间索引方法。

背景技术

点云模型是一种基于散乱点集的三维空间数据模型，它本身包含了点云的各种特性。

一般来说，点云模型是将多视扫描点云经过去冗、多暂配准及融合等处理得到完整的目标点云模型，它是多个单站点云经过处理后得到的初级产品。点云模型具有数据量大(海量性)、数据表达精细(高空间分辨率)、空间分布较为均衡(完整性)、空间三维点之间无拓扑关系(散乱性)等特征。

K-D树与八叉树(Octree)都属于二叉树(BSP)的一个变种。在计算机图形学和计算机视觉领域中，一些基本的三维图形算法诸如视锥裁剪、碰撞检测、遮挡剔除以及光线跟踪等，都是通过对三维场景中的各类空间数据模型进行层次化细分，进而加速数据的遍历与检索过程的。

K-D树索引的划分过程需要将剖分平面限定为必须与某个三维坐标轴垂直，而八叉树索引则是在每次剖分时采用平行于三坐标轴三个平面，也可以说是一个空间立方体对空间进行按一定规则等分，八叉树索引节点最小外包矩形体(MBB)相对规则，处理起来较其他三维空间索引要容易的多，但是由于要对部分空间进行规则等分，并且属于完全占有三维空间，所以往往出现每个树节点MBB对点云模型内的点集的包围不够紧密的问题，这些问题会在进行点云数据检索时会降低查询的效率。相比之下，三维K-D树索引的空间剖分方法既保留了原二叉树索引结构简单的特点，又无对三维空间进行等分的要求，所以相比八叉树索引三维K-D树节点MBB能够更紧密地包围三维点集。但对海量点云模型数据来说三维K-D树要索引到单个三维点或者较少个数的三维点集，其树深往往超过10层，甚至达到20层以上，这种情况下空间索引的检索效率会大大降低，达不到高效检索海量空间数据的目的。

发明内容

本发明针对现有技术的弊端，提供一种面向海量激光雷达点云模型的三维空间索引方法。

本发明所述的面向海量激光雷达点云模型的三维空间索引方法，包括如下步骤：

步骤一，根据原始测量数据构建点云模型海量点集；

步骤二，循环计算所述海量点集内三维点坐标信息的最大值及最小值，以构建所述海量点集平行于三坐标轴的最小外包矩形体，并以该最小外包矩形体的顶点坐标为八叉树的根节点，以最小外包矩形体内预定点的八个顶点坐标为八叉树的叶子节点；

步骤三，分别以八叉树的各叶子节点的最小外包矩形体为K-D树的根节点最小外包矩形体，以所述八叉树叶子节点内包含的海量点集作为预剖分点集；计算所述K-D树根节点最小外包矩形体的最长轴，并将此最长轴作为K-D树的剖分轴，以此最长轴作为剖分平面的法向将K-D树的根节点的最小外包矩形体一分为二；计算剖分后两个节点的最小外包矩形体并分配三维点，更新海量点集；

步骤四，分别以X轴、Y轴、Z轴为法向平面，将前述更新后的海量点集剖分为两个集合，并在该两个集合中构建K-D树。

本发明所述的面向海量激光雷达点云模型的三维空间索引方法中，所述三维点坐标信息包括三维点坐标值属性。进一步的，所述三维点坐标信息还包括三维点的标识属性、三维点的纹理属性、以及三维点的语义属性。

本发明所述的面向海量激光雷达点云模型的三维空间索引方法中的步骤二中，分配预定数量的三维点至各个叶子节点。

本发明所述的面向海量激光雷达点云模型的三维空间索引方法中的步骤二中，若所述叶子节点内包含的三维点数量未超过预定阈值，则此叶子节点为不再剖分的叶子节点；若所述叶子节点内包含的三维点数量超过阈值，则继续递归剖分最小外包矩形体，并计算三维点的归属，直至所有三维点分配完毕。

本发明所述的面向海量激光雷达点云模型的三维空间索引方法中，所述各叶子节点内只储存三维点预定字节数的标识信息。