[发明专利]一种根据激光雷达栅格点云构建CSG模型的方法

说明书

技术领域

本发明涉及一种构建CSG(constructive solid geometry，结构化实体)模型的方法，尤其涉及一种根据激光雷达栅格点云自动构建CSG模型的方法。

背景技术

激光雷达(LIDAR)是激光技术与现代光电探测技术结合的先进探测方式，用于三维空间信息获取的激光雷达测量技术为空间信息的数字化发展提供了高效的技术支撑。地面激光雷达扫描数据处理是近年来测绘领域最热门的研究方向之一。其中，地面激光雷达数据配准与建模是数据处理的核心内容。激光雷达扫描的最原始数据存储的是扫描步进角和测站点到目标点的距离，扫描得到的三维点与点之间具有栅格性，相邻点间的拓扑关系存在。现有扫描仪厂商使用的配套软件导出通用数据格式后往往转化成散乱点云，数据处理时在散乱点云的基础上通过计算 k-邻域或者建立索引的方式重建点与点或点云块之间的拓扑关系，这种方式显然没有充分利用激光雷达获取原始数据的拓扑信息。

实际工程项目中需要对激光雷达获取的多站散乱点云数据进行快速配准，配准前要从每站散乱点云数据进行点、线、面等特征的手动提取，然后根据人工提取到的这些特征对象进行两站两站点云之间的配准工作。即使是激光雷达扫描的单站原始数据，它的数据量也相对较大，人工提取配准需要的所有特征也是比较困难的，此时，通过计算k-领域或建立索引重建点云拓扑关系的方式在特征提取的效率上就不占据优势了。另外，在生成CSG模型和深度图像模型的过程中也需要首先获取规则几何模型特征，如平面、球面、圆柱面/体或者立方体等，生成CSG模型首先要提取组成其实体的各种体素，生成深度图像的前提是要首先计算各类深度图像的基准面。

不同的三维模型在描述不同实体时具有自己的独特的优势。不规则三角网模型具有表达细节详细的优势，对于精度要求不高的模型，彩色点云模型可以发挥出其表达真实的特点。但是这些三维模型的数据量都比较大，不易进行数据高效可视化操作。在三维场景中有很多不必要精细表达的规则物体，结构化实体模型(CSG)就可以表达这些物体，它数据量小，易操作，且不损失精度。所以，在数字城市建设、较为规则的大型建筑物建模等工程中要构建CSG模型，它生成的速度和精度便成为一个很有价值的研究方向。

发明内容

本发明针对现有技术的弊端，提供一种根据激光雷达栅格点云构建CSG模型的方法。

本发明所述的根据激光雷达栅格点云构建CSG模型的方法，包括如下步骤：

步骤一，读取地面激光雷达获取的栅格点云数据，同时利用所述栅格点云数据构建空间索引结构树；

步骤二，按照随机抽样一致性算法在上述空间索引结构树的叶子节点数据中提取平面特征点云数据、球面特征点云数据、以及柱面特征点云数据；并利用上述提取的特征点云数据根据最小二乘法分别拟合平面、球面、以及柱面的规则几何模型；

步骤三，根据上述平面、球面、以及柱面的规则几何模型，分别构造对应的长方体、球体、以及圆柱体三维模型；

步骤四，将长方体、球体、以及圆柱体的规则几何模型转换为三维空间体素模型，再将所述三维空间体素模型三角化为三角网模型，之后利用该三角网模型结合多面布尔运算算法生成CSG模型。

本发明所述的根据激光雷达栅格点云构建CSG模型的方法中，所述空间索引结构树的叶子节点的数据包括节点的三维最小外包盒信息、二维行列数外包矩形信息、节点名称标识信息、节点存储点坐标的标识信息、三维坐标偏移参数信息。

本发明所述的根据激光雷达栅格点云构建CSG模型的方法的步骤一中，依次读取栅格点云数据，通过读取栅格点云数据中点的标识信息或者直接赋予标识信息，将所读取的点标识依次插入空间索引树的叶子节点；

计算每个叶子节点的最小外包矩形体，并利用均匀采样的方法以自下而上的方式填充空间索引树的非叶子节点数据，直至根节点，从而构建出多细节层次多分辨率空间索引结构树。

本发明所述的根据激光雷达栅格点云构建CSG模型的方法中，在将所读取的点依次插入空间索引树的叶子节点时，判断空间索引树的叶子节点中点的数量，若点的数量大于设定阈值，则进行节点的分裂，直至所有的点都插入到空间索引树的叶子节点中。

本发明所述的根据激光雷达栅格点云构建CSG模型的方法的步骤二中，提取球面特征点云数据的步骤包括：

随机选取一点为中心点，以由该中心点向八个方向放射的星形结构上的预定数量的点为种子点；

将所选取的种子点拟合成球面，并计算各选定的小块点云中点与该球面的距离；