[发明专利]基于双重空间数据组织的海量点云Delaunay三角网构建方法

说明书

技术领域

本发明属于地理信息技术，具体涉及一种基于双重空间数据组织的海量点云Delaunay三角网构建方法。

背景技术

Delaunay三角网(Delaunay Triangulated Irregular Network，D-TIN)是指一系列相互邻接且互不重叠的三角形集合，且每个三角形的外接圆内均不包含该面域内其余的任何点。D-TIN的空外接圆特性让D-TIN中每个三角形的最小内角尽可能的最大，保证了D-TIN中不会出现过于狭长的三角形，使得三角网的构建更加合理与准确，因而被认为是最优的三角网，在地理信息系统、地质学、计算机图形学、计算机仿真及虚拟现实等领域都有着广泛的应用。

随着现代数据获取技术的不断发展，D-TIN构建方法所面对的数据量不断激增，动辄上亿规模的海量点云数据对传统的D-TIN重建方法提出了严重挑战。传统的D-TIN重建方法多基于纯内存模式(In-Core)，即将所有数据一次性全部读入内存，处理完毕后再全部释放。该类方法在运行过程中，点云数据、构建的D-TIN数据以及辅助数据结构均需占用较大的内存空间，显然难以应对激增的数据量。因此，如何构建out-of-core模式的D-TIN重建方法，是当前相关领域研究的重要问题。

现有的out-of-core模式的D-TIN构建方法的基本思想均是通过某种空间数据组织方式，将海量点云数据进行预处理，然后再进行D-TIN构建。根据数据组织方式的不同，大致可以分为两类。

第一类方法利用特定的数据结构对点云进行逐点排序，然后进行构网。这类方法在构网前引入对点云的排序，利用特定的插入顺序来保证几何空间中相邻的点云在内存空间中同样保持相邻，进而尽可能地减少对不符合空外接圆性质的新三角形进行调整的过程，以将满足空外接圆性质的三角形输出到外存，从而降低了内存的压力，增加了有限内存中可构建的三角形的数量。然而，这种方法也有着明显的缺陷。由于点云的数量远超过计算机内存的容纳能力，因而，只能通过外部排序的方式来完成对点云的空间排序，而频繁的内、外存交换严重降低了排序的效率，导致排序时间过长。

第二类方法对点云进行格网划分，然后逐个对每个格网中的点云进行构网，最后合并得到完整的三角网。这类方法利用网格作为辅助，先利用网格对点云进行分块，保证不同网格中的点云保持一种相对的顺序，而每个网格内的点云仍然保持无序，同时在构网的过程中利用网格来辅助判断三角网中的三角形是否已经稳定而能够输出到外存中。虽然这种方法提高了构网前对点云进行处理的效率，但是在于没有对块内的点云进行排序而直接进行插入构网，使得构网的效率往往会随着块内点云的不同顺序而波动。

以上两种方法的共同点在于，都仅仅使用单一空间数据组织方法处对点云进行处理。第一种方法对点云进行逐点组织，虽然能够保证构网的效率，但数据组织的效率却很低。后一种方法对点云进行格网组织，提高了数据组织的效率，却无法保证构网效率。因而，利用单一的空间数据组织方法对点云进行预处理，不可避免地会受到这种数据组织方法自身的局限性的约束，而无法保证重建过程中所有环节的效率，因而方法的实用性有限。

发明内容

发明目的：本发明的目的在于解决现有技术中存在的不足，提供一种基于双重空间数据组织的海量点云Delaunay三角网构建方法。

技术方案：本发明的一种基于双重空间数据组织的海量点云Delaunay三角网构建方法，依次包括以下步骤：

(1)利用四叉树通过三次完整遍历实现对点云进行格网组织；

(2)对经过上述组织后的每个矩形格网中的点云进行逐点排序；

(3)利用逐点插入法对点云进行构网，并将构网过程中内存里的三角形分为稳定三角形和不稳定三角形，将内存中的稳定三角形写入到硬盘，保留不稳定三角形继续参与后续的构网过程；

(4)流水线调度：对以上三个步骤按照流水线进行调度，设格网分割线程、排序线程和构网线程分别对应步骤(1)、(2)和(3)，最后输出三角网。

所述步骤(1)的具体过程为：

(1.1)第一次遍历：

设待分割的原始输入点云为P＝{p_i，i∈[1，n]}，其中P_i·x和P_i·y分别代表点p_i的X和Y坐标。通过第一次遍历点云P计算出点数n和X、Y坐标的最值：

xmax＝max(P_i·x)，i∈[1，n]、xmin＝min(P_i·x)，i∈[1，n]