CN109299184B - 一种近地空间三维点云统一编码可视化方法 - Google Patents

Abstract

本发明公开了一种近地空间三维点云统一编码可视化方法，包括：利用Hilbert编码技术统一编码、将三维数据映射到一维线性空间，与key‑value下的主码相结合兼容主流的大数据平台、对采集的数据分层存取，在三维点云可视化时自动确定所要展示的范围与层级、在服务端查询数据时利用伯努利采样技术均匀采样，保证展示的数据的连续性和邻近性。本发明具有如下优点：当从大数据平台查询到数据之后对数据进行伯努利采样，节省带宽，并跟随用户的操作自动更新查询的范围和层级，减少可视化时渲染引擎的负担。本发明能根据用户可视化的需求自动的确定所要展示的点云范围与层级，在三维可视化的勘探，侦查和分析等工作中发挥着重要的作用。

Description

一种近地空间三维点云统一编码可视化方法

技术领域

本发明专利针对近地空间三维点云进行数据组织与可视化优化，给出一种近地空间下精度不小于0.04mm的优化编码方法，使得针对浏览过程中的数据访问能够在主流的key-value存储平台中通过访问连续主键实现快速数据提取。

背景技术

1)在逆向工程中通过测量仪器得到的产品外观表面的点数据集合称之为点云。近年来，激光扫描技术取得了巨大的发展，并且被广泛的应用到了CAD/CAM 等领域中。扫描到的数据是点云数据，是空间数据的集合，包括三维坐标与颜色等信息。扫描得到的数据通常是散乱分布且数据量非常大，数据存储占用的空间很大而且查询效率较低，难以满足多用户并发连续查询的需求。

2)近地空间是指从地心起1.015～6.6个地球半径范围内的空间区域即从地球海平面起约100～36000km(约为10个地球半径)的球壳状区域。现有的三维摄影测量系统扫面件的测量精度均在0.1mm左右。例如三维摄影测量系统超大工件扫描天远三维digimetric精度器件的扫描范围为>10米，测量精度为0.1mm。三维可视化技术利用采集到的三维数据显示，描述和解释近地空间中物体的工具。在勘探，侦查和分析中发挥着重要的作用。在对查询到的点云数据进行可视化操作的时候，客户端浏览器加载点云的数量会影响到浏览器响应的速度。

3)三维可视化技术利用采集到的三维数据显示，描述和解释近地空间中物体的工具。在勘探，侦查和分析中发挥着重要的作用。在对查询到的点云数据进行可视化操作的时候，客户端浏览器加载点云的数量会影响到浏览器响应的速度。

针对三维数据量庞大，存储读取复杂，可视化过程中带宽的限制等问题，本发明提出了一种近地空间三维点云统一编码可视化方法来解决与优化这些问题。

发明内容

本发明是一种近地空间三维点云统一编码可视化方法。采用Hilbert统一编码的方式将空间的三位坐标映射到一维坐标系中，通过与key-value下的主键结合兼容主流的支持key-value store的大数据平台，例如Cassandra，MongoDB， HBase等。通过在服务端引入伯努利采样器均匀采样节省带宽，优化传输加载与可视化的效率。

具体采用如下技术方案：

一种近地空间三维点云统一编码可视化方法，其特征在于，包括：

步骤1、利用Hilbert编码技术统一编码、将三维数据映射到一维线性空间，与key-value下的主码相结合兼容主流的大数据平台、

步骤2、对采集的数据分层存取，在三维点云可视化时自动确定所要展示的范围与层级、

步骤3、在服务端查询数据时利用伯努利采样技术均匀采样以使数据的连续性和邻近性。

在上述的一种近地空间三维点云统一编码可视化方法，Hilbert技术统一编码的具体步骤包括：

步骤1、将三维数据映射到128位的长整型空间，满足近地空间的扫描精度的需求，具体是用其中的120位表示三维坐标，在120位信息中，可以表示的坐标点共有2⁴⁰≈10^12.04个，以近地空间最高的高度36000km＝3.6×10¹⁰mm计算，申请给出的编码方法能够表达的精度为

以赤道地球周长 40076km换算，给出的编码方法能够表达的精度为0.04mm；

步骤2、利用Hilbert编码技术面向三维浏览操作保证空间连续点云的存储邻近性；

步骤3、与key-value下的主码相结合兼容主流的大数据平台。

在上述的一种近地空间三维点云统一编码可视化方法，步骤2中，分层存取与自动确定范围和层级，具体是在编码存入大数据平台时分层存储，在用户对可视化界面进行缩放，拖拽操作时利用原始中心点和当前屏幕中可见点云的中心点确定新的中心点并更新查询范围；根据用户缩放的程度更新查询层级。

在上述的一种近地空间三维点云统一编码可视化方法，伯努利采样技术是在服务端，对从大数据平台中查询得到点云数据均匀采样，在保证可视化连续性的同时降低传输带宽，减轻浏览器引擎的渲染压力。

本发明具有如下优点：1、将三维数据映射到128位的长整型空间，满足近地空间的扫描精度的需求；2、利用Hilbert编码技术保证存储数据的邻近性；3、当从大数据平台查询到数据之后对数据进行伯努利采样，节省带宽，并跟随用户的操作自动更新查询的范围和层级，减少可视化时渲染引擎的负担。本发明能根据用户可视化的需求自动的确定所要展示的点云范围与层级，在三维可视化的勘探，侦查和分析等工作中发挥着重要的作用。

附图说明

图1a为Hilbert曲线示意图。

图1b为Hilbert曲线不同层级下的三维实例图(层级一)。

图1c为Hilbert曲线不同层级下的三维实例图(层级二)。

图1d为Hilbert曲线不同层级下的三维实例图(层级三)。

图2为统一编码示意图。

图3a为分层展示与自动确定查询范围示意图(初始状态：第13级数据展示)。图3b为分层展示与自动确定查询范围示意图(视图平移：13级数据平移连续查询数据服务6次、响应时间小于0.5秒)。

图3c为分层展示与自动确定查询范围示意图(参考系：操作过程中打开三维空间坐标参考，响应时间0.02秒)。

图3d为分层展示与自动确定查询范围示意图(视图下钻：向14级数据下钻连续查询数据服务17次，响应时间小于1秒)。

图3e为分层展示与自动确定查询范围示意图(视图上滚：上滚至12级连续查询数据服务2次，响应时间小于0.2秒)。

具体实施方式

以下结合附图和具体实施例来对本发明做进一步的说明。

一、首先介绍本发明的发明要点：

1)针对数据量大且复杂这个问题，本发明将三维坐标压缩到128位，形成两个无符号长整型的主键，有效实现了多维到一维的映射、高效压缩了主键所占空间；同时所采用Hilbert编码将坐标映射到一维空间中，保证了空间中连续的数据在存储时也是连续的，有效减少了读取数据的时间，提升了存储和查询的效率。

索引是数据库中常用的提高性能的工具。B-Tree是最常见的索引类型， B-Tree中所有的值是按照一定的顺序结构组织的，在查询连续数据时效率较高。但是三维点云数据并不是直接可以按照线性排列的，点云数据的排列方式影响着查询的效率。

Hilbert在将高维空间映射到一维空间中，可以最大程序的保证点云之间的连续性，即在空间中邻近的对象在通过某种方式映射到Hilbert曲线时依旧是邻近的。利用Hilbert曲线保持空间连续性的特性，将采集到的三维点云数据用 Hilbert编码的方式统一编码，实现了立体化网格的扫描数据在关系型数据库中的组织管理，优化了存储结构，有效提高空间范围的查询能力，同时Hilbert 编码技术对点云数据分层处理，支撑更高精度的分割。

2)本发明将采集得到的三维点云数据中的三维坐标系压缩到128位的长整型中。用其中的120位表示三维坐标。在120位信息中，可以表示的坐标点共有 2⁴⁰≈10^12.04个。以近地空间最高的高度36000km＝3.6×10¹⁰mm计算，申请给出的编码方法能够表达的精度为

类似地，以赤道地球周长 40076km换算，申请给出的编码方法能够表达的精度约为0.04mm。因此通过这种压缩编码方法，所代表的三位空间范围可以覆盖全球的近地空间范围，且保证总体精度不低于0.04mm。

3)针对查询得到的点云数据的展示，本发明在存储时对采集到的数据分层存储以适用于在可视化展示时对不同精度要求的查询，同时在服务端对查询得到的数据利用伯努利采样器均匀采样。保证查询精度的同时节省传输带宽。

在可视化展示中，根据用户的需求对点云数据分层处理。当用户在可视化界面中缩放时，根据用户视角的范围与距离自动确定查询的层级与范围。并在用户执行拖动，缩放等操作时自动更新该范围，剔除界面范围之外的点，减少所要渲染的点的数量，提升可视化的流畅性。同时为用户的点击事件绑定监听器，响应用户的标记需求。

在展示时假定用户初始以较远的视角观测，对数据的精度要求较低。此时从大数据平台中查询到最底层的数据展示所要观测物体的轮廓，层次越低查询到的点的数量越少，减少了客户端浏览器的负担。

当视角离物体更近时：1)一些外围的数据从屏幕中消失。2)对观测物体的精度要求变高。此时根据视角与缩放的距离自动更新查询的三维空间点的范围与层级，重新渲染界面适应用户的需求。

当用户执行拖动，旋转等操作时，原本不出现在屏幕中、但却真实存在的点应该被查询出来，本发明引入虚拟的三维点在用户执行这些操作时自动重新计算查询的范围。将初始的空间范围分割为多个小方体，取每个方体的中心位置作为虚拟判定点。当用户执行拖拽操作时，计算当前出现在屏幕中的数量，当数量小于给定值时开始更新查询范围，更新操作为：保留原始虚拟点的中心点 center_old,计算当前屏幕范围内的新的虚拟点的中心点center_reserve,利用center_old和center_reserve计算出新的中心点center_new,使得 center_reserve为center_old何center_new的中心点。同时根据查询范围的三个维度的长度范围确定新的查询范围中左下角和右上角的坐标，更新坐标触发新的查询。

当用户要执行标记操作时，例如对展示的点云数据中某个位置进行贴图处理或者事件标记。利用three.js中的射线检测，确定当前用户点击到的虚拟点并给出该虚拟点在与点云数据同一坐标系下的坐标，提供给用户并允许用户修正标记。

二、下面结合附图进行具体案例阐述。

请见图1，利用Hilbert曲线将三维空间坐标映射到一维线性坐标保证在空间中连续的点在一维线性空间也是连续的。

请见图2，利用128位的无符号长整型中的120位表示三维点云的x,y,z坐标的Hilbert编码。每个坐标占用40位，三维坐标能够实现精度无损Hilbert 编码转换。且该层级—Hilbert编码的二级主键构造能够保证同一层级、临近空间范围内的数据的最终编码主键是连续的。

请见图3，右侧工作区显示并刷新查询范围的左下角和右上角坐标以及查询的层级，当用户缩放(上转，下滚)，拖拽(平移)时会自动更新。因数据按照不同层级进行采样处理、并基于统一编码存储，底层数据服务可在连续主键范围内得到视图动态变化时所需的连续空间范围内的点云数据，从而能够支持数据服务层的高效数据访问。

请见图3c)，用户在执行标记操作之前点击“显示网格”，点击标记位置临近的虚拟点，系统会告知用户点击的坐标，用户自行修正并贴图或者标记事件。

以上仅为本发明的部分实施示例，并非用于限定本发明专利的保护范围。因此，凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种近地空间三维点云统一编码可视化方法，其特征在于，包括：

步骤1、利用Hilbert编码技术统一编码、将三维数据映射到一维线性空间，与key-value下的主码相结合兼容主流的大数据平台；

步骤2、对采集的数据分层存取，在三维点云可视化时自动确定所要展示的范围与层级，其中，分层存取与自动确定范围和层级，具体是在编码存入大数据平台时分层存储，在用户对可视化界面进行缩放，拖拽操作时使得center_reserve为center_old和center_new的中心点并更新查询范围；根据用户缩放的程度更新查询层级；其中，center_old为原始虚拟点的中心点,center_reserve为当前屏幕范围内的新的虚拟点的中心点,center_new为新的中心点；

步骤3、在服务端查询数据，对查询得到的数据利用伯努利采样技术均匀采样以使数据的连续性和邻近性。

2.根据权利要求1所述的一种近地空间三维点云统一编码可视化方法，其特征在于：Hilbert技术统一编码的具体步骤包括：

步骤1、将三维数据映射到128位的长整型空间，满足近地空间的扫描精度的需求，具体是用其中的120位表示三维坐标，在120位信息中，可以表示的坐标点共有2⁴⁰≈10^12.04个，以近地空间最高的高度36000km＝3.6×10¹⁰mm计算，精度为

以赤道地球周长40076km换算，给出的编码方法能够表达的精度为0.04mm；

步骤2、利用Hilbert编码技术面向三维浏览操作保证空间连续点云的存储邻近性；

步骤3、与key-value下的主码相结合兼容主流的大数据平台。

3.根据权利要求1所述的一种近地空间三维点云统一编码可视化方法，其特征在于：伯努利采样技术是在服务端，对从大数据平台中查询得到点云数据均匀采样，在保证可视化连续性的同时降低传输带宽，减轻浏览器引擎的渲染压力。

Images