[发明专利]一种对大型点云数据的索引方法、装置、终端设备和介质

说明书

本发明公开了一种对大型点云数据的索引方法、装置、终端设备和介质。所述方法包括：从本地硬盘中读取点云数据；其中，所述点云数据为，将目标文件的空间特征数据结构，以文件名的形式作为索引的入口存储于本地硬盘；计算所述点云数据的最小包围盒顶点，得到包围盒的最大和最小的X、Y、Z轴坐标；根据所述坐标构建文件索引表；在所述文件索引表中定向提取目标点云数据，其中，所述目标点云数据为：本发明能够降低计算机内存的处理压力，提高对大型点云数据的索引效率。

技术领域

本发明涉及计算机数据结构技术领域，尤其涉及一种对大型点云数据的索引方法、装置、终端设备和介质。

背景技术

点云数据具有数据量大(海量性)、数据表达精细(高空间分辨率)、空间三维点之间无拓扑关系(散乱性)等特征，在后续的数据处理中需要频繁的进行邻域查找，因此常采用八叉树结构或K-D树数据结构进行数据的组织，以实现对点云数据的索引。

八叉树数据结构是通过对点云数据按正方体不断往下切分为8个子正方体的形式。在计算机内存足够大的情况下，利用八叉树数据结构能够做到对超大型点云数据的索引。但每次索引都需要将点云数据重新读入内存以建立八叉树数据结构，且每次处理的数据不能超过内存上限。当数据到达TB或PB级时，现有商业计算机都无法使用该种方法对数据索引。K-D树是每个节点都为k维点的二叉树。所有非叶子节点可以视做用一个超平面把空间分割成两个半空间。节点左边的子树代表在超平面左边的点，节点右边的子树代表在超平面右边的点。同样地，K-D树需要将点云数据重新读入内存以建立K-D树数据结构。

上述两种方法均是在内存中根据点云数据建立树结构，对计算机内存要求较高。另外，对于超大型点云数据，每次索引都需要将大量点云数据先读入内存建立树结构后才可进行索引，索引效率较低。

发明内容

本发明所要解决的技术问题在于，提供一种对大型点云数据的索引方法、装置、终端设备和介质，能够降低计算机内存的处理压力，提高对大型点云数据的索引效率。

为了解决上述技术问题，本发明提出了一种对大型点云数据的索引方法，包括：

从本地硬盘中读取点云数据；其中，所述点云数据为，将目标文件的空间特征数据结构，以文件名的形式作为索引的入口存储于本地硬盘；

计算所述点云数据的最小包围盒顶点，得到包围盒的最大和最小的X、Y、Z轴坐标；

根据所述坐标构建文件索引表；

在所述文件索引表中定向提取目标点云数据，其中，所述目标点云数据为：

进一步地，所述将目标文件的空间特征数据结构，以文件名的形式作为索引的入口存储于本地硬盘，包括：

对目标文件进行格式转换并提取原始点云数据集A_i(x,y,z)；

根据所述原始点云数据A_i(x,y,z)生成点云数据集A_j(x,y,z)；其中，

将所述点云数据集A_j(x,y,z)以文件名的形式作为索引的入口存储于本地硬盘。

进一步地，所述格式转换，为将所述目标文件转换为二进制格式文件并执行截尾操作。

本发明还提出了一种对大型点云数据的索引装置，包括：

读取模块，用于从本地硬盘中读取点云数据；其中，所述点云数据为，将目标文件的空间特征数据结构，以文件名的形式作为索引的入口存储于本地硬盘；

计算模块，用于计算所述点云数据的最小包围盒顶点，得到包围盒的最大和最小的X、Y、Z轴坐标；

构建模块，用于根据所述坐标构建文件索引表；