[发明专利]用于有效可视化的海量点云数据的索引

说明书

用于有效可视化的海量点云数据的索引。一种用于预处理包括大量点数据的点云的方法。该方法包括将点的坐标转换为莫顿指数，对莫顿指数进行排序并基于预定标准顺序地确定区间，该区间定义叶节点并形成用于生成包括连接分支的叶节点、节点、分支和节点的树索引结构的基础和起点。包含在节点或节点的子树内的点数据是可量化的。

技术领域

一种用于预处理包括大量点数据的点云的方法。该方法包括将点的坐标转换为莫顿指数，对莫顿指数进行排序，并且基于预定标准，通过对经排序的莫顿指数数组的遍历(顺序扫描)来确定区间。所得到的区间定义叶节点并且形成后续生成树索引结构的基础和起点，该树索引结构包括叶节点、节点、分支和连接分支(分支节点)的节点。包含在节点内的和/或节点的子树内的点数据可以被量化，从而允许有损或无损压缩。因此，预处理使得能够例如在台式设备和移动设备上进行点云数据的后续有效可视化。

背景技术

通常，表示空间中的数据点的点云由测量和收集三维点信息的3D扫描设备产生。这种点云用于许多技术领域，包括但不限于，例如在零件制造中，创建3D CAD模型以计量和质量控制相关任务或大地测量项目。因此，在大多数情况下，点云的有效可视化是至关重要的。

例如，光探测和测距(LIDAR)系统代表一种特殊类型的3D扫描设备，它可以将空间测量到如此高的细节层次以至于所产生的海量点(即所谓的点云)可以被看作是以点画派方式形成的一个连贯的场景。产生的点云或回波集合是表示系统所感测到位置、距离以及可选的强度和颜色值的点的数据集合。

通常，LIDAR系统通过将原始传感器数据转换为具有三个位置坐标x、y和z的点数据来收集数据。原始传感器数据以球面坐标表示：表示绕纵轴的旋转角度的第一角度、表示绕横轴的旋转角度的第二角度以及范围或距离。角度坐标对应于确定所发射的测量辐射脉冲的方向的LIDAR分量。然后将这些球面坐标转换为笛卡尔坐标，这对于以后对数据的操作更方便。

收集后，通常必须对点云数据文件进行处理，例如空间索引和/或压缩，以便对收集的数据进行有效的三维(3D)可视化，尤其是考虑到使用具有有限计算资源的用于可视化的移动设备。根据收集的数据量，在台式计算机上可能需要经过几天的计算时间来查看3D中的所有数据。

由于目前使用3D扫描设备可实现非常高的数据收集率，因此存储以及尤其是处理大量数据是具有挑战性的。

由于预计收集率在不久的将来会飙升，因此迫切需要例如在台式设备和移动设备上的点云数据的3D可视化期间能够有效处理后处理数据的强大数据处理方法。

发明内容

因此，本发明的目的是提供一种用于点云的有效预处理方法，其包括，例如在台式设备和移动设备上的点云数据的3D可视化期间，能够有效处理后处理数据的大量数据。

根据本发明的预处理方法基于点坐标到莫顿指数的转换、莫顿指数的排序，然后应用能够几乎立即获得树索引结构的有效叶节点生成算法。因此，叶节点生成基于莫顿指数的顺序扫描(遍历)，其中当例如从盘读取数据(核心处理之外)时，对经排序的莫顿指数数组进行有利于输入-输出操作的最小回溯。以升序排列的所得叶节点数组使得能够逐分支地计算树索引结构，从而避免任何昂贵的递归算法。定义的树索引结构有若干层次，每个层次与不同的细节层次(LOD)相关。因此，LOD从树的顶部到底部增加，从顶部根节点开始向下延伸到叶节点，其中相应的分支具有节点并且通过节点(分支节点)连接。为了能够实现关于现代图形处理单元(GPU)架构的特性的有效可视化，可以量化树的节点。量化在于选择位于相应节点中的初始点集的子集。这种量化可以通过应用允许以有损或无损方式对点进行紧凑(压缩)表示的栅格来有效地完成。树索引结构使得能够在随后的3D可视化期间根据期望的LOD有效地查询关注的数据。

根据本发明，该方法用于预处理点云以便提供用于操纵和可视化点云的索引结构。点云具有多个点，这些点具有点坐标和/或取决于由3D扫描仪设备记录的数据的特征、点强度和/或点颜色值。尤其是，点云来自利用LIDAR系统进行的扫描。该方法包括：