CN104240300B - 基于分布式并行的大规模点云复杂空间曲面重构方法 - Google Patents

基于分布式并行的大规模点云复杂空间曲面重构方法 Download PDF

Info

Publication number
CN104240300B
CN104240300B CN201410439972.0A CN201410439972A CN104240300B CN 104240300 B CN104240300 B CN 104240300B CN 201410439972 A CN201410439972 A CN 201410439972A CN 104240300 B CN104240300 B CN 104240300B
Authority
CN
China
Prior art keywords
block
sub
cloud data
data
delauany
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410439972.0A
Other languages
English (en)
Other versions
CN104240300A (zh
Inventor
姚兴苗
税凡
胡光岷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201410439972.0A priority Critical patent/CN104240300B/zh
Publication of CN104240300A publication Critical patent/CN104240300A/zh
Application granted granted Critical
Publication of CN104240300B publication Critical patent/CN104240300B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种基于分布式并行的大规模点云复杂空间曲面重构方法。其包括以下步骤：主控PC读入初始细节、划分子块，将点云数据放入子块，将子块分发给节点PC预处理，子块网格化、将点云数据放入网格，构建平面三角网，构建平面约束三角网，构建空间三角网并块内平滑，全局平滑并主控PC显示重构曲面。本发明的有益效果是：本发明采用并行方案为大规模点云数据重建曲面提供了足够的内存空间，减少了曲面构建过程中数据所占用的内存空间与平面Delauany三角网的构建时间，大大提高曲面构建的效率。

Description

基于分布式并行的大规模点云复杂空间曲面重构方法
技术领域
本发明属于空间曲面重构方法技术领域，尤其涉及一种基于分布式并行的大规模点云复杂空间曲面重构方法。
背景技术
空间点的曲面重构是三维地质建模中的一个组成部分，是运用计算机技术，进行曲面重建，其本质是利用三维空间中的离散点按一定顺序连接成曲面的问题。基于点的点云处理技术是随着数据测量技术的发展而迅速发展起来的一门学科，该项技术以点作为重建物体的基础，在提高物体绘制与重建的速度，加强大规模数据处理能力和计算机处理量等方面具有巨大的优势，是逆向工程研究的一个热点，目前随着社会对石油，天然气等资源的需求的不断增大，石油行业得到了高度的重视和迅速的发展，并且对石油和天然气的地质勘探的要求也越来越高。随着石油勘探与开发力度的逐步扩大，勘探工区规模不断增长，需要处理的点云数据量相应的也越来越大(特别在盆地级的工区中)，使用单个处理器串行处理的方式已经越来越不能满足对海量点云数据的处理。因而本方案提出使用分布式并行处理的方式处理点云数据，以达到扩大点云数据的处理规模，减少运行时间，提高计算性能的目的。按照实现曲面重建的方法的不同，现有的空间地质曲面重建技术可以分为下面几类：(1)参数曲面重建是一种常见的参数曲面技术，主要包括插值和拟合的曲面处理方法。曲面插值是严格通过给定的数据点来构造曲面，并根据原始数据点值来插补空白区的值，这类方法不改变原始数据点值。而曲面拟合则是利用相对简单的数学曲面来近似构造复杂的地学曲面，根据一定的数学准则，使所给出的数学曲面最大限度地逼近地质曲面或者构建一个面通过这些原始点。主要的曲面插值方法有按近点距离加权平均法、按方位取点加权法、反比距离加权法、双线性插值法、Kriging插值法以及最新的离散光滑插值技术。而曲面拟合方法主要有双三次样条函数插值法、曲面样条函数插值法和曲面磨光插值法等。同时还包括一些其他的参数曲面方法，例如Loop细分曲面与蝶形细分曲面方法等；(2)网格曲面重建又叫分片线性曲面重建，它的原理是用许多的非常细小的三角形面片来无限逼近需要重构的曲面，而三角形网格曲面对于计算机三维可视化更容易，所以现在很多的处理数据的形式都是三角形。目前，最为常见的网格曲面重建方式为Delaunay三角网与Voronoi图的构建。这些方法都能按照地质信息较大程度的还原地质曲面。(3)隐式曲面重建是将需要重建的曲面用隐式函数的方式来表达。用隐函数可以非常容易的表示多值曲线曲面的封闭曲线曲面，因此隐式曲面重建曲面的方法渐渐的成为了人们的研究热点，并且已经取的了比较大的成效。隐式曲面在近年来越来越多的受到国际学者的重视，成为一种重要的曲面表示方法。其在构造拓扑结构复杂的曲面重建问题中具有不可替代的优势。然而由于地质曲面多约束的复杂性，隐式曲面在地质中的应用并不广泛。分布式计算是利用互联网上的计算机的CPU的闲置处理能力来解决大型计算问题的一种计算科学，它把需要进行大量计算的工程数据分隔成小块，由多台计算机分布计算，最后把这些计算结果综合起来。分布式计算能够在两个或多个软件中实现互相共享信息，而这些软件既可以运行在同一台计算机上，也可以通过网络在多台计算机上运行。分布式计算技术利用网络中的多台计算机协同工作，能够提供高性能的计算能力，可以解决大规模的计算和存储问题。在网络的任何一个节点，都可以获取到这种能力。随着人类社会对石油，天然气等自然资源的需求不断持续性增大，石油工业得到了国家高度的重视和高速的发展。为了能更多的获取地下埋藏的油气资源，就需要石油化工企业拥有更为精确的地质勘探方法。这些地质勘探方法的重点是弄清楚地下的各种地质构造，同时利用计算机技术辅助进行支持。于是，利用计算机图形学技术还原地下地质构造的各种技术也应运而生，并且成为了近些年来的一个研究重点。但在现有的点云处理系统中，往往存在交互定义多，对输入数据有严格限制等不足，同时，对大规模点云数据处理亦存在运行时间过长，点云数据规模有一定限制等问题。
发明内容
为了解决以上问题，本发明提出了一种基于分布式并行的大规模点云复杂空间曲面重构方法。
为了方便描述本发明的内容，首先对以下术语进行解释：
术语1：层位：是指在地层层序中的某一特定位置，地层的层位可以是地层单位的界线，也可以是属于某一特定时代的标志层等。
术语2：断层：地壳岩层因受力达到一定强度而发生破裂，并沿破裂面有明显相对移动的构造称断层。
本发明的技术方案是：一种基于分布式并行的大规模点云复杂空间曲面重构方法，包括以下步骤：
S1.通过主控PC读入层位点云数据和断层多边形数据，并将重建曲面区域划分为多个大小相同的子块；
S2.根据点云数据坐标将点云数据放入对应子块中，求取断层多边形与子块边界的交点，并将交点放入与子块相邻的两个子块中；
S3.将步骤S2中的对应子块分发到节点PC，并通过节点PC对子块中的点云数据进行预处理；
S4.根据子块中点云数据和断层多边形数据的分布，对子块进行网格化，并将点云数据放入相应网格内；
S5.求取每个子块中断层多边形数据与网格边界的交点，并将交点作为新的点云数据放入相应网格内，作为约束边界；
S6.根据每个网格内的点云数据，构建平面Delauany三角网；
S7.根据步骤S5中的约束边界，在每个子块内将步骤S6中的平面Delauany三角网连接为平面约束Delauany三角网；
S8.根据步骤S7中的平面约束Delauany三角网连接空间Delauany三角网拓扑，并进行块内平滑处理；
S9.通过主控PC与节点PC协调通信，对步骤S8中的空间Delauany三角网进行全局平滑处理，并由主控PC进行重构曲面显示。
进一步地，上述步骤S8中的块内平滑处理具体为：根据步骤S1中读入的点云数据的空间Z值，对所有点云数据的空间Z值赋予一个初值。
本发明的有益效果是：本发明采用并行方案为大规模点云数据重建曲面提供了足够的内存空间，并利用多分辨重建方法，减少了曲面构建过程中数据所占用的内存空间与平面Delauany三角网的构建时间，大大提高曲面构建的效率。
附图说明
图1是本发明的基于分布式并行的大规模点云复杂空间曲面重构方法流程示意图。
图2是本发明的多分辨重构方法示意图。
图3是本发明的多分辨重构方法示意图。
图4是本发明的多分辨重构方法示意图。
图5是本发明的并行方案网络拓扑图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，为本发明的基于分布式并行的大规模点云复杂空间曲面重构方法流程示意图。通过主控PC与节点PC的协调合作，不仅满足了大规模点云数据构建曲面所需内存，且大大提高了复杂空间曲面的重建效率。一种基于分布式并行的大规模点云复杂空间曲面重构方法，包括以下步骤：
S1.通过主控PC读入层位点云数据和断层多边形数据，并将重建曲面区域划分为多个大小相同的子块。
这里用户将点云数据和断层多边形数据传入主控PC，并由主控PC负责对重建曲面区域划分子块。
S2.根据点云数据坐标将点云数据放入对应子块中，求取断层多边形与子块边界的交点，并将交点放入与子块相邻的两个子块中。
这里我们将大规模点云数据的曲面重建简化为各子块中点云数据的曲面重建。
S3.将步骤S2中的对应子块分发到节点PC，并通过节点PC对子块中的点云数据进行预处理。
S4.根据子块中点云数据和断层多边形数据的分布，对子块进行网格化，并将点云数据放入相应网格内。
这里我们通过对子块进行网格化，减少了曲面变换较为平缓的区域的数据量，保留了曲面变化较为崎岖的区域的特征，提高了曲面重建的效率。
S5.求取每个子块中断层多边形数据与网格边界的交点，并将交点作为新的点云数据放入相应网格内，作为约束边界。
S6.根据每个网格内的点云数据，构建平面Delauany三角网。
这里我们采用分割归并算法，递归的将整个点集进行分割，直到每一个子集仅有三个点而自然的形成了一个三角形，然后再将这些细小的三角形单元逐一的进行合并，完成平面Delauany三角网的构建。
S7.根据步骤S5中的约束边界，在每个子块内将步骤S6中的平面Delauany三角网连接为平面约束Delauany三角网。
本发明采用多分辨重建方法简化复杂曲面重建的部分运算，具体包括以下步骤：
步骤1.如图2所示，主控PC将划分好的块数据与点云数据分发到节点PC中，节点PC根据点云数据的密集程度，确定当前块的分辨率，并将块网格化；
步骤2.如图3所示，在各个块网格化完成后，相邻的块通过主控PC对块边界的点数据进行交互，将相邻块中当前块所没有的边界点数据放入当前块中相应的网格中，并在在构建平面Delauany三角网时加入构建；
步骤3.如图4所示，在各个块内部平面Delauany三角网构建完成后，为使地形变化较为复杂的区域渐变过渡到地形变化较为平缓的区域，对相邻两个分辨率不同的块，分辨率较小的块的边界Delauany三角形进行细分处理。
S8.根据步骤S7中的平面约束Delauany三角网连接空间Delauany三角网拓扑，并进行块内平滑处理。
这里的块内平滑处理具体为：根据步骤S1中读入的点云数据的空间Z值，对所有点云数据的空间Z值赋予一个初值。
S9.通过主控PC与节点PC协调通信，对步骤S8中的空间Delauany三角网进行全局平滑处理，并由主控PC进行重构曲面显示。
如图5所示，为本发明的并行方案网络拓扑图。在大规模点云数据复杂曲面重建的并行实现流程中，用户将点云数据传入主控PC后，主控PC负责子块划分、数据分发、协调通信；而复杂运算，如：Delauany三角网构建、拓扑关系连接及块内插值平滑等都由节点PC并行进行，同时，Delauany三角网的边数据与三角形数据等主要的运算数据都在节点PC内存中，不仅满足了大规模点云数据曲面重建的内存空间所需，而且大大减少了复杂运算所需时间，保证了重建曲面的快速显示。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (2)

1.一种基于分布式并行的大规模点云复杂空间曲面重构方法，其特征在于，包括以下步骤：
S1.通过主控PC读入层位点云数据和断层多边形数据，并将重建曲面区域划分为多个大小相同的子块；
S2.根据点云数据坐标将点云数据放入对应子块中，求取断层多边形与子块边界的交点，并将交点放入与子块相邻的两个子块中；
S3.将步骤S2中的对应子块分发到节点PC，并通过节点PC对子块中的点云数据进行预处理；
S4.根据子块中点云数据和断层多边形数据的分布，对子块进行网格化，并将点云数据放入相应网格内；
S5.求取每个子块中断层多边形数据与网格边界的交点，并将交点作为新的点云数据放入相应网格内，作为约束边界；
S6.根据每个网格内的点云数据，构建平面Delauany三角网；
S7.根据步骤S5中的约束边界，在每个子块内将步骤S6中的平面Delauany三角网连接为平面约束Delauany三角网；
S8.根据步骤S7中的平面约束Delauany三角网连接空间Delauany三角网拓扑，并进行块内平滑处理；
S9.通过主控PC与节点PC协调通信，对步骤S8中的空间Delauany三角网进行全局平滑处理，并由主控PC进行重构曲面显示。
2.如权利要求1所述的基于分布式并行的大规模点云复杂空间曲面重构方法，其特征在于：所述步骤S8中的块内平滑处理具体为：根据步骤S1中读入的点云数据的空间Z值，对所有点云数据的空间Z值赋予一个初值。
CN201410439972.0A 2014-08-29 2014-08-29 基于分布式并行的大规模点云复杂空间曲面重构方法 Active CN104240300B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410439972.0A CN104240300B (zh) 2014-08-29 2014-08-29 基于分布式并行的大规模点云复杂空间曲面重构方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410439972.0A CN104240300B (zh) 2014-08-29 2014-08-29 基于分布式并行的大规模点云复杂空间曲面重构方法

Publications (2)

Publication Number Publication Date
CN104240300A CN104240300A (zh) 2014-12-24
CN104240300B true CN104240300B (zh) 2017-07-14

Family

ID=52228301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410439972.0A Active CN104240300B (zh) 2014-08-29 2014-08-29 基于分布式并行的大规模点云复杂空间曲面重构方法

Country Status (1)

Country Link
CN (1) CN104240300B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106960470B (zh) * 2017-04-05 2022-04-22 未来科技（襄阳）有限公司 三维点云曲面重建方法及装置
CN107464287B (zh) * 2017-08-14 2021-04-27 电子科技大学 基于多目标优化的曲面重构方法
CN107679126A (zh) * 2017-09-21 2018-02-09 北京星闪世图科技有限公司 激光三维点云数据存储和管理方法及其系统
US10529086B2 (en) * 2017-11-22 2020-01-07 Futurewei Technologies, Inc. Three-dimensional (3D) reconstructions of dynamic scenes using a reconfigurable hybrid imaging system
CN111435551B (zh) * 2019-01-15 2023-01-13 华为技术有限公司 点云滤波方法、装置及存储介质
CN110188424B (zh) * 2019-05-16 2021-01-15 浙江大学 一种面向动边界流场数值模拟的局部区域网格重构并行方法
CN110533778B (zh) * 2019-08-09 2021-01-12 中国科学院自动化研究所 大规模图像点云并行分布式网格化重建方法、系统、装置
CN111811396B (zh) * 2020-06-11 2021-05-25 天津大学 一种基于平面约束的多边法激光跟踪三维坐标测量方法
CN112802194B (zh) * 2021-03-31 2023-09-19 电子科技大学 一种基于点云数据的核设施高精度重构方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8169434B2 (en) * 2008-09-29 2012-05-01 Microsoft Corporation Octree construction on graphics processing units
CN102222365B (zh) * 2011-07-29 2012-08-29 电子科技大学 复杂空间的曲面重构方法
CN102881047B (zh) * 2012-08-01 2015-04-15 桂林电子科技大学 一种自动的非封闭隐式曲面重建方法
CN102831647B (zh) * 2012-08-06 2015-02-11 电子科技大学 基于空间曲面约束的Delaunay三角网剖分方法
CN102881048B (zh) * 2012-08-31 2014-12-03 电子科技大学 基于点云裁剪的空间曲面生成方法

Also Published As

Publication number Publication date
CN104240300A (zh) 2014-12-24

Similar Documents

Publication Publication Date Title
CN104240300B (zh) 基于分布式并行的大规模点云复杂空间曲面重构方法
Sawhney et al. Monte Carlo geometry processing: A grid-free approach to PDE-based methods on volumetric domains
Frank et al. 3D-reconstruction of complex geological interfaces from irregularly distributed and noisy point data
CN111968231A (zh) 一种基于地质图切剖面的三维地层建模方法
Wang et al. A triangular grid generation and optimization framework for the design of free-form gridshells
CN107221028B (zh) 一种基于地震解释数据的地质体闭合曲面三维重建方法
Xu et al. Building a three dimensional sealed geological model to use in numerical stress analysis software: a case study for a dam site
CN104167020A (zh) 基于约束Delaunay三角网的空间倒转曲面重建方法
de Oliveira Miranda et al. Hierarchical template-based quadrilateral mesh generation
Zheng et al. A morphologically preserved multi-resolution TIN surface modeling and visualization method for virtual globes
Sun et al. Adaptive generation and local refinement methods of three-dimensional hexahedral element mesh
Wang et al. Triangular mesh generation on free-form surfaces based on bubble dynamics simulation
AU2761701A (en) System and method for multi-resolution fairing of non-manifold models
Cai et al. Numerical manifold method with local pixel representation of finite covers for two-dimensional problems having complex discontinuities
AU2016223281B2 (en) Method for parameterizing a 3D domain with discontinuities
CN101105864B (zh) 一种基于序列剖面拓扑推理的三维地质体动态重构方法
Florez et al. Spline-based reservoir’s geometry reconstruction and mesh generation for coupled flow and mechanics simulation
Beer Mapped infinite patches for the NURBS based boundary element analysis in geomechanics
Wu et al. MLSEB: Edge bundling using moving least squares approximation
Tan et al. GPU based contouring method on grid DEM data
Zhang et al. Adaptive finite element analysis of elliptic problems based on bubble-type local mesh generation
Li et al. An efficient dichotomizing interpolation algorithm for the refinement of TIN-based terrain surface from contour maps
Yoshimura et al. Automatic mesh generation of quadrilateral elements using intelligent local approach
Wang et al. Representing the geological body heterogeneous property field using the quadratic generalized tri-prism volume function model (QGTPVF)
Sun et al. Adaptive Interpolation Method for Generalized Triangular Prism (GTP) Geological Model Based on the Geometric Smoothness Rule

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant