[发明专利]一种激光点云栅格化方法

说明书

本发明涉及一种激光点云栅格化方法，属于数据处理技术领域，根据原始激光点云数据的分辨率设定三维栅格的尺寸，根据三维坐标建立其对应的栅格索引关系式，计算得到三维栅格中心点坐标，若出现坐标相同的中心点，说明该三维栅格内存在多个点，去重，得到栅格化点云数据，在每个三维栅格内用当前栅格的中心点近似代表三维栅格内的所有点，本发明在保证对原始激光点云数据进行精简的情况下，用尽量少的点表征实物表面的几何形状的细节特征，栅格化点云数据的质量和精度明显提高。

技术领域

本发明属于数据处理技术领域，具体地说涉及一种激光点云栅格化方法。

背景技术

三维激光扫描是一种三维激光点云数据获取与模型重构技术，能在短时间内得到实物表面大量三维激光点云数据。相对于传统的单点量测，三维激光扫描技术的主要优势在于：获取数据速度快、数据量大，每秒扫描的点可达上百万，主动性强，能全天候作业，操作简单方便，测量扫描通过软件控制作业过程；获取的数据具有全数字特征，便于信息传输、加工和表达。三维激光扫描采用无接触的扫描测量模式，无需安置任何反射装置在被扫描实物上，通过对目标物的扫描，除了能获取实物的三维坐标信息外，还能同时获取对应的天顶距、方位角、反射率和目标实物的距离等。三维激光扫描技术主要应用于文物保护、逆向工程模型重构、土木工程、工业测量、变形监测、地形测量等方面。为将扫描得到的原始激光点云数据转换为最终的产品模型，必须对扫描得到的激光点云数据进行一系列的加工处理。由于激光扫描仪在数据采集过程中存在误差存在，同时，激光点云数据的密集以及数据量大的特征，使得点云数据必然存在冗余，因此，需要对采集的激光点云数据进行精简。

点云数据精简是在保证扫描对象有效信息的前提下最大可能的减少冗余数据，通过数据精简可极大的提高激光点云数据后续处理效率。现有技术常用的点云精简方法为体素栅格降采样算法及最近点算法，通过对激光点云数据构建一个长方体包围盒，对包围盒进行格网划分并将点云归入相应的格子，然后选择格子重心点或距离格子中心最近的点来对激光点云数据进行去冗简化，上述方法不能很好的保留实物的细节特征，对于海量的激光点云数据构网非常耗时。

发明内容

针对现有技术的种种不足，为了解决上述问题，现提出一种具有实时性的的激光点云栅格化方法。

为实现上述目的，本发明提供如下技术方案：

一种激光点云栅格化方法，包括以下步骤：

步骤S1、设置三维栅格尺寸；

步骤S2、读取原始激光点云数据获得坐标，根据坐标与三维栅格尺寸建立栅格索引关系式；

步骤S3、计算栅格索引关系式对应的三维栅格中心点坐标，遍历原始激光点云数据中所有点，去重，得到栅格化点云数据。

进一步，根据原始激光点云数据的分辨率，设置三维栅格尺寸。所述分辨率为原始激光点云数据中点与点的距离，原始激光点云数据由密集的点组成。点云数据要具有足够的分辨率才能提取实物表面的几何形状的细节特征，较高的点云密度可以获得较高的分辨率。

优选的，以原始激光点云数据中最高点云密度作为三维栅格尺寸。

优选的，以原始激光点云数据中平均点云密度作为三维栅格尺寸。

进一步，原始激光点云数据可以是机载、车载或搭载方式采集获得的激光点云数据。

进一步，三维栅格仅建立在原始激光点云数据中包含点的区域，即原始激光点云数据中不包含点的区域不建立三维栅格，避免因建立三维栅格增加新的点，保证了实物表面的几何形状的细节特征不会发生改变。

进一步，所述坐标为三维坐标。

进一步，所述步骤S3中去重的方法为：