[发明专利]海量点云数据的自适应处理方法、系统及设备

说明书

本申请涉及计算机技术领域，公开了一种海量点云数据的自适应处理方法及系统。该方法包括：根据点云文件中的点云数据的实际总点数和预估深度，构建所述点云数据对应的八叉树框架，遍历所述点云数据，基于所述八叉树框架的叶子节点的可用缓存状态，将点云数据插入到所述八叉树框架的对应叶子节点；并行对八叉树框架中的大叶子节点构建子八叉树，其中，所述大叶子节点是指容纳的点云数据的点个数超过了节点所允许容纳的点个数最大值的叶子节点；并行对八叉树框架及其子八叉树的非叶子节点进行聚合和抽稀，生成八叉树。本申请能够更有效地保障对海量点云数据正常渲染，实现对海量点云构建八叉树，并显著减少构建八叉树的耗时。

技术领域

本申请涉及计算机技术领域，特别涉及海量点云数据处理技术。

背景技术

点云数据(point cloud data)是指在一个三维坐标系统中的一组向量的集合。扫描资料以点的形式记录，每一个点包含有三维坐标，有些可能含有颜色信息(RGB)或反射强度信息(Intensity)。

海量点云数据的处理一直都是一大难题，尤其是快速对海量点云构建八叉树结构，通常对点云构建八叉树结构都是将点云全部加载到内存中，并且需要在构建八叉树结构前预先设置八叉树的深度或者分辨率，构建八叉树达到指定的深度或分辨率时即视为八叉树构建完成。

目前，海量点云数据的处理中仍然存在一些问题。

例如，激光雷达扫描获得的点云数据量与扫描时间强相关，扫描时间越长点云数据量越大，通常的单个点云文件大小在GB级别，甚至能达到几十GB、几百GB，如此大的点云文件无法将海量点云全部加载到内存中构建点云数据的八叉树结构。

又例如，海量点云在渲染时点云数据量过大无法快速获取要渲染的目标点云，出现渲染卡顿甚至渲染崩溃的情况。

发明内容

本申请的目的在于提供一种海量点云数据的自适应处理方法、系统及设备，能够更有效地保障对海量点云数据正常渲染，实现对海量点云构建八叉树，并显著减少构建八叉树的耗时。

本申请公开了一种海量点云数据的自适应处理方法，包括：

步骤A：根据点云文件中的点云数据的实际总点数和预估深度，构建所述点云数据对应的八叉树框架，遍历所述点云数据，基于所述八叉树框架的叶子节点的可用缓存状态，将点云数据插入到所述八叉树框架的对应叶子节点；

步骤B：并行对八叉树框架中的大叶子节点构建子八叉树，其中，所述大叶子节点是指容纳的点云数据的点个数超过了节点所允许容纳的点个数最大值的叶子节点；

步骤C：并行对八叉树框架及其子八叉树的非叶子节点进行聚合和抽稀，生成八叉树。

在一个优选例中，所述根据点云文件中的点云数据的实际总点数和预估深度，构建所述点云数据对应的八叉树框架的步骤中，若具有所述预估深度的八叉树框架能容纳的点云数据的总点数超过点云数据的实际总点数的两倍，则构建半八叉树框架，否则，构建满八叉树框架。

在一个优选例中，所述满八叉树框架的所有非叶子节点均有8个子节点，所述半八叉树框架的根节点有4个子节点，所述半八叉树框架除根节点外所有非叶子节点均有8个子节点。

在一个优选例中，所述将点云数据插入到所述八叉树框架的对应叶子节点的步骤中，所述八叉树框架的所有叶子节点共享缓存，如果待插入的下一个点云数据在上次命中的叶子节点的包围盒内，则将所述下一个点云数据存入所述上次命中的叶子节点，否则，找到该点云数据对应的叶子节点，若该点云数据对应的叶子节点正在使用的缓存为可用缓存，则将该点云数据插入对应的叶子节点的该缓存中，若该点云数据对应的叶子节点正在使用的缓存不足以容纳该点云数据，则在缓存池中寻找可用缓存与该点云数据对应的叶子节点建立对应关系并插入该点云数据，若缓存池中无可用缓存，则淘汰最久没有插入点云数据的叶子节点的缓存，并将所述点云数据插入已释放的缓存中。