CN104391906A - 车载海量点云数据动态浏览方法 - Google Patents

Abstract

本发明涉及一种车载海量点云数据动态浏览方法。根据车载激光测量系统的原理，自定义了快速存取的点云格式以及对应的内存结构，对于该格式点云文件，具体操作如下：通过设置单个文件的最大加载点云数量的阈值，计算出当前点云文件的抽稀级别；根据上述抽稀级别以及点云文件中的总点数，计算出当前点云文件实际加载的点云数量；根据计算机当前实际可用物理内存容量，判断上述点云文件是否能加载到内存，如果否，则需要重新设置单个文件的最大加载点云数量的阈值；使用分段内存映射的方式将点云文件加载到内存后，基于圈索引以及内存中的点云数据，采用多线程技术实时进行内存置换和点云渲染，实现了车载海量点云数据的动态浏览。本方法用较少的响应时间获取较高的视图显示性能，有效地解决了在普通配置的计算机中进行海量车载点云数据动态浏览难题。

Description

车载海量点云数据动态浏览方法

技术领域

本发明涉及一种车载海量点云数据动态浏览方法，属于摄影测量和三维激光技术领域。

背景技术

三维激光点云数据作为测绘领域重要的数据来源，它通过高精度步进扫描可以快速对自然环境、文化遗产、城市等现实世界进行数字化表达，并利用可视化技术将这些三维空间数字信息呈现在计算机中，并以人们日常惯用的方式在这个仿真环境中与计算机进行交互。目前传统的数据采集方式外业工作量巨大且工作效率不高，车载激光测量系统为空间三维信息的获取提供了全新的技术手段，能够快速地将现实世界转换成可以处理的数据，具有抗干扰性强、精度高、密度大、全数字特征等特点。然而，由于扫描对象场景分布特性以及扫描设备精度密度的提高，使获取的点云数据规模迅速扩大，无法装入可视化系统。故此需要一种高效的车载海量点云数据的动态浏览方法。

发明内容

本发明目的在于解决车载海量点云数据难以实时加载以及高效动态浏览的问题，针对点云数据，提出一种按圈存储点云数据的方法以及基于此存储方法的一种车载海量点云数据的快速动态浏览方法。本方法通过车载移动测量系统采集现实世界的三维信息，获取点云数据，并对点云数据进行快速动态浏览。

为实现上述目的，本发明采用一种对按圈存储的点云数据进行多线程的动态加载并抽稀浏览的方法。

首先，使用车载三维激光测量系统进行数据采集，其中车载三维激光移动测量系统集成部件包括车辆、三维激光扫描仪、GPS导航仪、惯性制导系统和全景相机，采集数据过程在车辆行驶中进行，三维激光扫描仪用于获取点云数据，GPS导航仪与惯性制导系统构成的POS系统用于获取姿态位置信息，按照时间对齐，根据采集的POS信息插值结算获取三维点云数据扫描圈每一圈的姿态信息及位置信息。根据以上数据采集特征，定义点云数据的存储格式由文件头，圈索引以及点记录组成，其中文件头记录点云数据的行列数、外包围盒、点云坐标的平移旋转量等相关信息，圈索引记录每一圈点数据的偏移、外包围盒、以及每一圈的有效记录等相关信息，点记录指点云数据按照扫描圈进行存储，包括坐标，颜色，强度以及类别信息。

其次，将点云文件加载到内存，其特征在于，主要包括以下几个步骤：

1.1设置单个文件的最大加载点云数量的阈值nMax，根据该阈值计算出抽稀级别nSimple；

1.2根据抽稀级别nSimple以及点云文件中的总点数，计算出当前点云文件实际加载的点云数量nSimpleCounts；

1.3计算点云文件实际加载的点云数据所占的内存容量，同时获取计算机当前实际可用物理内存容量，从而判断上述点云文件是否能加载到内存，如果是，则进行步骤3，如果否，则返回步骤1.1，重新设置nMax；

1.4对点云文件采用分段内存映射的方法，根据点云的圈数nCol以及抽稀级别nSimple，依次对点云文件的圈数据进行加载。

1.5基于三维引擎，将加载的点云数据进行可视化绘制。

第三，使用多线程进行实时内存置换和点云渲染，实现海量车载点云数据的实时动态浏览，包括缩放、平移以及旋转。在浏览过程中，主要包括以下几个步骤：

2.1遍历点云的圈，根据圈索引记录的包围盒统计在视图区域内的点云扫描圈nInviewColCount以及总点数nInviewCount；

2.2根据上述值重新计算点云数据的抽稀级别，如果视图区域内的总点数nInviewCount小于等于阈值nMax_t，则将抽稀级别nSimple设置为1，否则根据视图区域总点数nInviewCoun以及阈值nMax计算出新的抽稀级别，提供不同视角以及缩放比例下不同的抽稀级别，满足数据的多级可视化表达；

2.3清理不在视图区域内的圈，并记录在当前区域内的起始圈，将需要加载的圈读取至内存，将被抽稀的圈移除内存；

本发明的方法1.1中所述的求解抽稀级别是根据点云文件的总点数nCounts(圈数与行数的乘机)以及给定的单个文件加载的最大点数进行估算，采用均分的思想，计算的是点云数据按圈进行抽稀加载的抽稀级别。其公式如下：

$\mathrm{nSimple}=\sqrt{\mathrm{nCounts}/\mathrm{nMax}}+1$ ………………………………………………①

本发明的方法1.2中所述的当前点云文件实际加载的点云数量是根据公式①中计算的抽稀级别，计算出点云数据按圈抽稀后的实际能加载的点云数量，其公式如下：

nSimpleCounts＝nCounts/(nSimple*nSimple)……………………………②

本发明的方法2.1所述的视图区域内的点云扫描圈以及总点数是通过遍历点云的圈索引，判断与视椎体相交的圈数nInviewColCount以及这些圈数每一圈累计相加的点数nInviewCount。

本发明的方法2.2所述的重新计算抽稀级别的方法有别于公式①，此处是根据在视图区域内的圈的总点数进行计算，并不是对所有点云，其计算公式如下：

nSimple＝nInviewCount/nMax+1……………………………………………③

本发明通过设定单个文件的最大加载点云数量的阈值，然后计算当前待加载点云数据所需的内存容量，并以计算机的剩余内存容量作为限制，将点云文件的圈索引以及点记录按圈加载至内存，该数据存储方式结构简单且便于快速存取。基于该数据存储方式，在动态浏览过程中，采用多线程技术实时进行内存置换和点云渲染，均衡考虑了绘制效率和视觉效果，用较少的响应时间获取较高的视图显示性能，该动态显示方法具有响应效率高且满足实际应用的视觉效果，有效地解决了在普通配置的计算机中进行海量车载点云数据动态浏览的难题，适用于10GB以上数据规模的点云实时可视化。

附图说明

图1为本发明车载海量点云数据动态浏览方法的总体流程图。

图2为本发明车载海量点云数据存储流程图。

图3为本发明车载海量点云数据实时可视化流程图。

具体实施方式

以下结合附图和实施例对本发明作进一步详述。

实施例1：本发明提出的一种车载海量点云数据动态浏览方法，整个方法总体流程如图1所示。首先使用车载三维激光测量系统进行数据采集，其中车载三维激光移动测量系统集成部件包括车辆、三维激光扫描仪、GPS导航仪、惯性制导系统和全景相机，然后将采集的数据按照本发明自定义的数据格式进行数据存储；其次，计算抽稀级别，将点云文件加载至内存并进行绘制；最后，在视图区域进行平移、旋转以及缩放浏览操作，在此过程中，本发明采用多线程技术动态地对在视图区域的圈与不在视图区域的圈进行置换，实现了车载海量点云数据的动态浏览。

如图2所示，对于生成的点云文件按照如下步骤进行操作：

1.1根据计算机的配置设置单个文件的最大加载点云数量的阈值，计算出抽稀级别。例如，对于一个点记录为15亿的点云数据，设置单个文件加载数据阈值为500万，其抽稀级别按照公式①计算值为18；

1.2根据抽稀级别以及点云文件中的总点数，计算出当前点云文件实际加载的点云数量，对于点记录为15亿的点云数据，实际加载点数的根据公式②计算值为4629630；

1.3通过计算点云文件实际加载的点云数据所占的内存容量与获取计算机当前实际可用物理内存容量进行对比，如果实际可用物理内存大于等于点云文件实际加载点数所占的内存，则直接进行1.4，反之则返回步骤1.1，重新设置点云文件的加载阈值；

1.4在实际读取点云文件时，对采用分段内存映射的方法。经过上述步骤计算所得的抽稀级别以及点云的总圈数，可用计算得到实际加载到内存的圈数，从而设置实际需要申请内存的块数，然后依次对点云文件的圈数据进行加载，如果当前圈在映射的范围之内，则不需要加载；如果当前圈在映射范围的前段，则需要释放当前区段映射，在当前圈所在的区段处开始映射；如果当前圈在映射范围的后段，则需要释放当前区段映射，在当前圈所在的区段开始映射。

1.5将点云文件加载至内存后，基于三维鬼火引擎，将加载的点云数据进行可视化绘制。

如图3所示，在视图区域进行平移、旋转以及缩放操作过程中，本发明采用多线程技术实时置换内存中的点云，使用鼠标进行平移、旋转或缩放时，其中包含的响应步骤如下：

2.1根据点云的圈索引，遍历点云文件的所有圈数，根据圈索引记录的外包围盒统计与当前视图区域视椎体相交的点云扫描圈以及这些圈数所包含的总点数。正因为不是对点云文件中所有点进行遍历而只是对点云圈索引进行遍历，使得该步骤执行效率较高，在一定程度上缩短了响应时间；

2.2根据当前视图区域内的点数重新计算点云数据的抽稀级别，如果视图区域内的总点数小于等于单个文件的抽稀阈值_t，则将抽稀级别置为1，表示不需要进行抽稀；反之，根据当前视图区域总点数以及单个文件的抽稀阈值计算出新的抽稀级别，这样出来是为了提供在不同视角以及缩放比例下不同的抽稀级别，满足数据的多级可视化表达；

2.3根据当前抽稀级别，遍历圈索引，将需要加载的圈读取至内存，并将被抽稀的圈移除内存，至此，完成本次浏览操作的响应动作；

该动态显示方法具有响应效率高且满足实际应用的视觉效果，有效地解决了在普通配置的计算机中进行海量车载点云数据动态浏览的难题，适用于10GB以上数据规模的点云实时可视化。

本发明根据车载扫描点云数据的特点，自定义了快速存取的点云格式以及对应的内存结构，该数据存储方式结构简单且便于快速存取；通过设置单个文件的最大加载点云数量的阈值，以计算机的剩余内存容量作为限制，自适应地将点云文件加载至内存；基于圈索引以及内存中的点云数据，采用多线程技术实时进行内存置换和点云渲染，均衡考虑了绘制效率和视觉效果，用较少的响应时间获取较高的视图显示性能，该动态显示方法具有响应效率高且满足实际应用的视觉效果，有效地解决了在普通配置的计算机中进行海量车载点云数据动态浏览的难题，适用于10GB以上数据规模的点云实时可视化。

Claims (5)

1.一种车载海量点云数据动态浏览方法。本发明采用一种对按圈存储的点云数据进行多线程的动态加载并抽稀浏览的方法。

首先，使用车载三维激光测量系统进行数据采集，其中车载三维激光移动测量系统集成部件包括车辆、三维激光扫描仪、GPS导航仪、惯性制导系统和全景相机，采集数据过程在车辆行驶中进行，三维激光扫描仪用于获取点云数据，GPS导航仪与惯性制导系统构成的POS系统用于获取姿态位置信息，按照时间对齐，根据采集的POS信息插值结算获取三维点云数据扫描圈每一圈的姿态信息及位置信息。根据以上数据采集特征，定义点云数据的存储格式由文件头，圈索引以及点记录组成，其中文件头记录点云数据的行列数、外包围盒、点云坐标的平移旋转量等相关信息，圈索引记录每一圈点数据的偏移、外包围盒等相关信息，点记录指点云数据按照扫描圈进行存储，包括坐标，颜色，强度以及类别信息。

其次，将点云文件加载到内存，其特征在于，主要包括以下几个步骤：

1.1设置单个文件的最大加载点云数量的阈值nMax，根据该阈值计算出抽稀级别nSimple；

1.2根据抽稀级别nSimple以及点云文件中的总点数，计算出当前点云文件实际加载的点云数量nSimpleCounts；

1.3计算点云文件实际加载加载的点云数据所占的内存容量，同时获取计算机当前实际可用物理内存容量，从而判断上述点云文件是否能加载到内存，如果是，则进行步骤3，如果否，则返回步骤1.1，重新设置nMax；

1.4根据点云的圈号nCol以及抽稀级别nSimple，设置申请内存的块数，依次将点云文件按圈加载进内存。

1.5基于三维鬼火引擎，将加载的点云数据进行可视化绘制。

第三，使用多线程进行实时内存置换和点云渲染，实现海量车载点云数据的实时动态浏览，包括缩放、平移以及旋转。在浏览过程中，主要包括以下几个步骤：

2.1遍历点云的圈，根据圈索引记录的包围盒统计在视图区域内的点云扫描圈nInviewColCount以及总点数nInviewCount

2.2根据上述值重新计算点云数据的抽稀级别，如果视图区域内的总点数nInviewCount小于等于阈值nMaxt，则将抽稀级别nSimple设置为1，否则根据视图区域总点数nInviewCoun以及阈值nMax计算出新的抽稀级别，提供不同视角以及缩放比例下不同的抽稀级别，满足数据的多级可视化表达；

2.3清理不在视图区域内的圈，并记录在当前区域内的起始圈，将需要加载的圈读取至内存，将被抽稀的圈移除内存；

2.根据权利要求1所述的车载海量点云数据动态浏览方法，其特征在于：本发明的方法1.1中所述的求解抽稀级别是根据点云文件的总点数nCounts(圈数与行数的乘机)以及给定的单个文件加载的最大点数进行估算，采用均分的思想，计算的是点云数据按圈进行抽稀加载的抽稀级别。其公式如下：

$\mathrm{nSimple}=\sqrt{\mathrm{nCounts}/\mathrm{nMax}}+1$ ………………………………………………①

3.根据权利要求1所述的车载海量点云数据动态浏览方法，其特征在于：本发明的方法1.2中所述的当前点云文件实际加载的点云数量是根据公式①中计算的抽稀级别，计算出点云数据按圈抽稀后的实际能加载的点云数量，其公式如下：

nSimpleCounts＝nCounts/(nSimple*nSimple)……………………………②

4.根据权利要求1所述的车载海量点云数据动态浏览方法，其特征在于：本发明的方法2.1所述的视图区域内的点云扫描圈以及总点数是通过遍历点云的圈索引，判断与视椎体相交的圈数nInviewCoICount以及这些圈数每一圈累计相加的点数nInviewCount。

5.根据权利要求1所述的车载海量点云数据动态浏览方法，其特征在于：本发明的方法2.2所述的重新计算抽稀级别的方法有别于公式①，此处是根据在视图区域内的圈的总点数进行计算，并不是对所有点云，其计算公式如下：

nSimple＝nInviewCount/nMax+1……………………………………………③