CN107886561A - 基于犯罪现场点云数据的存储调度与显示方法 - Google Patents

Abstract

本发明涉及一种基于犯罪现场点云数据的存储调度与显示方法，其特征在于包括以下内容：步骤1)获取物体的无人机航拍图片和激光扫描点云数据，并将两者进行数据配准步骤2)对物体的激光扫描点云数据进行下采样处理，生成不同分辨率的点云数据；步骤3)对物体的激光扫描点云数据进行数据分块；步骤4)选取视点位置及视角，分块读取数据，根据点云分辨率完成数据渲染并进行显示。本发明结合无人机航拍图片，优化了传统的基于三维空间中视点位置的数据提取算法，可以广泛应用于犯罪现场点云数据的存储和显示中。

Description

基于犯罪现场点云数据的存储调度与显示方法

技术领域

本发明涉及一种基于犯罪现场点云数据的存储调度与显示方法，涉及数据存储显示技术领域。

背景技术

随着三维扫描技术的快速发展，人们可以较轻松地获得真实世界中物体或场景的数字化三维数据。点云(Point cloud)是一种常用的数字化表示方式，这种表示方式经常被用在虚拟现实系统中。顾名思义，点云是由一系列数据点组成，这些数据点可以通过激光扫描的方法获得。这些数据点可以描述出物体或场景的形状与几何结构，但是激光扫描获得的数据点仅包含位置信息，直接进行渲染只能表示对象的大致结构，并不能提供真实的景物还原效果。通常，使用激光扫描对象之后，会按照扫描时的位置和视点进行拍照，进而给对应的数据点增加RGB信息，在最终渲染的时候增加景物还原的效果。

虽然点云技术在生成和展示数字化三维数据时提供了极大方便，但是扫描获得的点云数据往往体量庞大，直接渲染这些点云数据对计算机处理器、内存、显卡性能提出了极高的要求，因此普通计算机不能实现实时渲染和漫游的功能。

发明内容

针对上述问题，本发明的目的是提供一种基于多层细节技术保存与显示点云数据的基于犯罪现场点云数据的存储调度与显示方法。

为实现上述目的，本发明采取以下技术方案：一种基于犯罪现场点云数据的存储调度与显示方法，其特征在于包括以下内容：步骤1)获取物体的无人机航拍图片和激光扫描点云数据，并将两者进行数据配准；步骤2)对物体的激光扫描点云数据进行下采样处理，生成不同分辨率的点云数据；步骤3)对物体的激光扫描点云数据进行数据分块；步骤4)选取视点位置及视角，分块读取数据，根据点云分辨率完成数据渲染并进行显示。

进一步地，所述步骤1)数据配准的具体过程为：获得物体的激光扫描点云数据和无人机航拍图片后，自动生成激光扫描点云数据的俯视图，人工标记点云数据的两个点A₁与A₂，计算轴线d_A＝A₁-A₂；标记航拍图片相应的点B₁与B₂轴线d₂＝B₁-B₂，将航拍图片移动到A₁所在的位置，然后将轴线d₂旋转到与轴线d₁相同的方向完成配准，并计算二者的比例s＝|d₁|/|d₂|，采用比例s将这两种图像缩放到同一个大小。

进一步地，所述步骤2)对物体的激光扫描点云数据进行下采样处理采用基于重心距离的下采样方法。

进一步地，所述步骤3)对物体的激光扫描点云数据进行数据分块采用八叉树结构得到层次化的数据结构。

进一步地，采用八叉树结构得到层次化的数据结构的具体过程：将点云S₀作为原始数据输入，计算场景的包围盒B₀，并将其加入到检查队列Q_B，对于Q_B中每个非空包围盒B_i，记录其位置和尺寸，并加入到八叉树T_B中，若B_i包含的点超过阈值t_i，则分裂成8个包围盒B_max+1...B_max+8，并将它们加入到队列Q_B，再弹出B_i，对队列中新的包围盒重复上述操作，直至Q_B为空，此时将八叉树结构T_B作为结果输出。

进一步地，所述步骤4)选取视点位置及视角，分块读取数据，根据点云分辨率完成数据渲染并进行显示，具体过程为：4.1)选择视点位置和视角：最终呈现在屏幕上的图像类似相机拍摄的画面，视点、视角则描述了相机的状态，视点即相机所处位置，是一个坐标；视角即相机拍摄方向，是一个向量，视点与视角作为参数存储在内存，并在发生改变时即时更新；4.2)读取线程：读取点云数据时进行分块读取，在判断分块是否需要提取时，采用深度遍历八叉树T_B：首先从根节点开始遍历，即包围盒B₀，在遍历每个结点时，首先判断视点是否在包围盒内部，如果在包围盒内，则遍历子结点；如果不在包围盒内，则判断包围盒的边界点、中心是否在视线范围之内，如果在，则需要读取这块包围盒对应的不同分辨率的顶点数据，否则不读取这块数据，完成数据读取；4.3)计算分辨率：分辨率根据视点到包围盒中心的欧式距离d_i确定，记包围盒B₀的对角线长度为D，分辨率选择参数为R_i＝(D-d_i)/D，设定阈值，根据R_i所在的区间判断使用的分辨率；4)渲染线程：采用基于八叉树结构的LOD技术进行渲染，距离视点较近的顶点以高精度渲染，稍远一点的顶点以中等精度渲染，更远的顶点以低精度渲染，视线之外的顶点则不进行渲染，其中，高精度渲染、中精度渲染和低精度渲染根据实际的要求进行设定；5)渲染数据：根据计算的分辨率进入渲染进程完成数据渲染并在显示器上进行显示。

本发明由于采取以上技术方案，其具有以下优点：1、本发明采用基于重心距离的下采样技术对物体的激光扫描点云数据进行下采样与随机采样相比，能更好的表示场景的几何形状。2、本发明结合无人机航拍图片，优化了传统的基于三维空间中视点位置的数据提取算法。本发明可以广泛应用于犯罪现场点云数据的存储和显示中。

附图说明

图1是本发明基于犯罪现场点云数据的存储调度与显示方法的流程示意图；

图2是本发明的相机观测与航拍观测示意图，其中，(a)为相机观测示意图，(b)为航拍观测示意图；

图3是本发明的下采样示意图；

图4是本发明的多线程数据提取与渲染流程示意图；

图5是本发明的八叉树示意图；

图6是本发明的视椎体示意图；

图7是本发明的LOD不同分辨率示意图。

具体实施方式

以下结合附图来对本发明进行详细的描绘。然而应当理解，附图的提供仅为了更好地理解本发明，它们不应该理解成对本发明的限制。

多层细节技术(LOD，Levels of Detail)，是指根据物体模型的节点在显示环境中所处的位置和重要度，决定物体渲染的资源分配，降低非重要物体的面数和细节度，从而获得高效率的渲染运算。为了加速渲染，需要对视角以外的部分进行裁切；为了确保精细度，需要对点云精度分梯度处理，即细化近处、泛化远处；为了提升模型稳定性，需要对视角边缘的点留出余量，以避免快速变换视角时的失真。

如图1所示，基于上述多层细节技术，本发明提出基于犯罪现场点云数据的存储调度与显示方法，包括以下内容：

1、多源数据配准：分别获取犯罪现场物体的无人机航拍图片和激光扫描点云数据，并将两者进行配准。

本发明对存储有犯罪现场物体的无人机航拍图片和激光扫描点云数据两个文件中进行简单标记后，采用自动方法进行配准与对齐，具体过程为：获得物体的激光扫描点云数据和无人机航拍图片后，首先采用现有方法自动生成激光扫描点云数据的俯视图，人工标记点云数据的两个点A₁与A₂，计算轴线d_A＝A₁-A₂；标记航拍图片相应的点B₁与B₂轴线d₂＝B₁-B₂，将航拍图片移动到A₁所在的位置，然后将轴线d₂旋转到与轴线d₁相同的方向完成配准，并计算二者的比例s＝|d₁|/|d₂|，采用比例s将这两种图像缩放到同一个大小。

本发明不止提供三维空间的观察，还支持在二维航拍图片上选择视线方向的功能。经过多源数据配准的处理后，得到三维场景俯视图与二维航拍图片的匹配。如图2(a)为二维图片，图2(b)为三维场景，它们在观察状态上有对应关系。二维图片中将显示三维场景观察位置与观察角度。其中，观察位置(x,y)与三维场景中相机坐标(x,y,z)的前两位保持一致，观察角度为两条射线，从(x,y)出发，与向量(u,v)夹角为(u,v)与三维场景中相机方向(u,v,w)前两位保持一致。观察位置、观察角度的显示是同步的。在二维图片中拖动位置指示物改变观察位置，三维场景将随同进行平移；在三维场景中漫游，二维图片中二维指示物也将移动。旋转相机时，二维图片中观察角度将随同旋转。

2、对物体的激光扫描点云数据进行下采样处理，生成不同分辨率的点云数据。

本发明采用基于重心距离的下采样方法对物体的激光扫描点云数据进行处理。基于重心距离的下采样方法是指任一包含k个顶点的邻域，内部越靠近重心的顶点越能代表邻域的几何特征，将原始数据按照1/8、1/3、1/2的采样率进行下采样，从而可以降低点云数据的数据量。以1/8为例，本发明采用如图3方式进行处理：首先，计算8个点V₁…V₈的重心V_c，其中然后计算每个点到中心的欧式距离d_i＝|V_i-V_c|，并选择最小距离d_min对应的点V_min作为下采样后的数据点，将采用不同比例得到的点云数据与原始点云数据被分别保存到不同文件中，并将这些点云数据的集合分别标记为S₀,…,S₃，其中，S₀为原始点云，分别标记原始点云和根据1/8、1/3、1/2采样率得到的点云为S₀,…,S₃。

3、对物体的激光扫描点云数据进行数据分块，本发明与传统方法不同，本发明结合了无人机航拍图片，在数据分块时需要保存数据在航拍图片的位置，进而可以在实时渲染时提高程序的效率。本发明采用八叉树结构对原始点云数据进行分块，得到层次化的数据结构，具体过程按照下面算法进行处理：

将点云S₀作为原始数据输入，首先计算场景的包围盒B₀，并将其加入到检查队列Q_B。对于Q_B中每个非空包围盒B_i，记录其位置和尺寸，并加入到八叉树T_B中。若B_i包含的点超过阈值t_i，则分裂成8个包围盒B_max+1…B_max+8，并将它们加入到队列Q_B，再弹出B_i。对队列中新的包围盒重复上述操作，直至Q_B为空，此时将八叉树结构T_B作为结果输出。

八叉树T_B中的所有叶子结点组成包含场景的最精细的包围盒，渲染时会根据视点信息选择合适结点对应的包围盒进行绘制。在视线范围外的数据不进行渲染，或以较低的分辨率进行渲染，因此需要给每个结点建立不同分辨率的顶点列表，则记当前的包围盒为B_i，对应的4种不同分辨率的顶点集合为S_i,0,…,S_i,3。

4、多线程数据提取与渲染：根据选取的视点位置及视角，分块读取数据，根据计算的分辨率完成数据渲染并进行显示。

如图4所示，本发明采用2个线程进行数据提取与渲染：读取线程根据视点位置和视线方向决定需要从文件中读取的点云数据，渲染线程将这些点云数据绘制到显示器上。

1)选择视点位置和视角：最终呈现在屏幕上的图像好比相机拍摄的画面，视点、视角则描述了相机的状态。视点，即相机所处位置，是一个坐标；视角，即相机拍摄方向，是一个向量。视点与视角作为参数存储在内存，并在发生改变时即时更新。

2)读取线程：由于计算机内存资源有限，读取点云数据时进行分块读取，在判断分块是否需要提取时，为了减少计算的开销，本发明深度遍历八叉树T_B。如图5所示，首先从根节点开始遍历，即包围盒B₀。在遍历每个结点时，首先判断视点是否在包围盒内部，如果在包围盒内，则遍历子结点；如果不在包围盒内，则判断包围盒的边界点、中心是否在视线范围之内，如果在，则需要读取这块包围盒对应的不同分辨率的顶点数据，否则不读取这块数据，完成数据读取。

本发明根据包围盒与视椎体的相交关系，决定是否读取不同分辨率的顶点数据。如图6所示，假设相机视点为O,视角为最大观测角度为则从O出发、与夹角为的射线组成一锥面。锥面内部、位于最大观测距离A₂B₂与最小观测距离A₁B₁间的区域，包含相机可观测的所有景物，称为视椎体。所有与视椎体相交的包围盒，其顶点数据都应取较高精度。每当视点、视角改变，视椎体移动，相交的包围盒将读入更高精度数据，不再相交的包围盒将注销高精度数据。

3)计算分辨率：分辨率根据视点到包围盒中心的欧式距离d_i确定，记包围盒B₀的对角线长度为D，分辨率选择参数为R_i＝(D-d_i)/D，设定阈值，根据R_i所在的区间判断使用的分辨率。同样的，根据R_i从八叉树T_B中选择不同结点，当R_i较大时，使用较精细的包围盒对应的数据；当R_i较小时，使用体积较大的包围盒对应的点云数据。分辨率选择参数决定了包围盒数据的选取精度，与步骤2中的采样率具有一一对应的关系。精度越高则采样率越高，渲染效果就越接近原始点云。假设精度阈值{M_j}满足M₀＝0<M₁<M₂<M₃<1＝M₄，则包围盒i的数据s_i＝S_pi(当M_p≤R_i<M_p+1)，其中S_pi表示包围盒i对应的包含于点云S_4-p的数据(S₀为空)。

4)渲染线程：在三维空间中进行观察时，近处的物体一般是观察的重点，渲染远处和视线之外的物体会明显增加显卡的计算开销。为了降低冗余的计算开销，本发明采用基于八叉树结构的LOD技术。如图7所示，距离视点较近的顶点以高精度(S₂)渲染，稍远一点的顶点以中等精度(S₁)渲染，更远的顶点以低精度(S₀)渲染，视线之外的顶点则不进行渲染，其中，高精度渲染、中精度渲染和低精度渲染根据实际的要求进行设定；

5)渲染数据：根据计算的分辨率进入渲染进程完成数据渲染并在显示器上进行显示。

上述各实施例仅用于说明本发明，其中方法的各实施步骤等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。

Claims (6)

1.一种基于犯罪现场点云数据的存储调度与显示方法，其特征在于包括以下内容：

步骤1)获取物体的无人机航拍图片和激光扫描点云数据，并将两者进行数据配准；

步骤2)对物体的激光扫描点云数据进行下采样处理，生成不同分辨率的点云数据；

步骤3)对物体的激光扫描点云数据进行数据分块；

步骤4)选取视点位置及视角，分块读取数据，根据点云分辨率完成数据渲染并进行显示。

2.如权利要求1所述的基于犯罪现场点云数据的存储调度与显示方法，其特征在于，所述步骤1)数据配准的具体过程为：获得物体的激光扫描点云数据和无人机航拍图片后，自动生成激光扫描点云数据的俯视图，人工标记点云数据的两个点A₁与A₂，计算轴线d_A＝A₁-A₂；标记航拍图片相应的点B₁与B₂轴线d₂＝B₁-B₂，将航拍图片移动到A₁所在的位置，然后将轴线d₂旋转到与轴线d₁相同的方向完成配准，并计算二者的比例s＝|d₁|/|d₂|，采用比例s将这两种图像缩放到同一个大小。

3.如权利要求1所述的基于犯罪现场点云数据的存储调度与显示方法，其特征在于，所述步骤2)对物体的激光扫描点云数据进行下采样处理采用基于重心距离的下采样方法。

4.如权利要求1所述的基于犯罪现场点云数据的存储调度与显示方法，其特征在于，所述步骤3)对物体的激光扫描点云数据进行数据分块采用八叉树结构得到层次化的数据结构。

5.如权利要求4所述的基于犯罪现场点云数据的存储调度与显示方法，其特征在于，采用八叉树结构得到层次化的数据结构的具体过程：将点云S₀作为原始数据输入，计算场景的包围盒B₀，并将其加入到检查队列Q_B，对于Q_B中每个非空包围盒B_i，记录其位置和尺寸，并加入到八叉树T_B中，若B_i包含的点超过阈值t_i，则分裂成8个包围盒B_max+1...B_max+8，并将它们加入到队列Q_B，再弹出B_i，对队列中新的包围盒重复上述操作，直至Q_B为空，此时将八叉树结构T_B作为结果输出。

6.如权利要求5所述的基于犯罪现场点云数据的存储调度与显示方法，其特征在于，所述步骤4)选取视点位置及视角，分块读取数据，根据点云分辨率完成数据渲染并进行显示，具体过程为：

4.1)选择视点位置和视角：

最终呈现在屏幕上的图像类似相机拍摄的画面，视点、视角则描述了相机的状态，视点即相机所处位置，是一个坐标；视角即相机拍摄方向，是一个向量，视点与视角作为参数存储在内存，并在发生改变时即时更新；

4.2)读取线程：

读取点云数据时进行分块读取，在判断分块是否需要提取时，采用深度遍历八叉树T_B：首先从根节点开始遍历，即包围盒B₀，在遍历每个结点时，首先判断视点是否在包围盒内部，如果在包围盒内，则遍历子结点；如果不在包围盒内，则判断包围盒的边界点、中心是否在视线范围之内，如果在，则需要读取这块包围盒对应的不同分辨率的顶点数据，否则不读取这块数据，完成数据读取；

4.3)计算分辨率：

分辨率根据视点到包围盒中心的欧式距离d_i确定，记包围盒B₀的对角线长度为D，分辨率选择参数为R_i＝(D-d_i)/D，设定阈值，根据R_i所在的区间判断使用的分辨率；

4)渲染线程：

采用基于八叉树结构的LOD技术进行渲染，距离视点较近的顶点以高精度渲染，稍远一点的顶点以中等精度渲染，更远的顶点以低精度渲染，视线之外的顶点则不进行渲染，其中，高精度渲染、中精度渲染和低精度渲染根据实际的要求进行设定；

5)渲染数据：

根据计算的分辨率进入渲染进程完成数据渲染并在显示器上进行显示。