CN114693875A

CN114693875A - 点云可视化优化方法、系统、电子设备及存储介质

Info

Publication number: CN114693875A
Application number: CN202210346597.XA
Authority: CN
Inventors: 潘文彬; 唐雪锋
Original assignee: Guangzhou Xaircraft Technology Co Ltd
Current assignee: Guangzhou Xaircraft Technology Co Ltd
Priority date: 2022-03-31
Filing date: 2022-03-31
Publication date: 2022-07-01

Abstract

本发明实施例提出一种点云可视化优化方法、系统、电子设备及存储介质，涉及数据处理技术领域，方法应用于终端，终端和服务器通信连接，方法包括：根据当前视点确定落入终端显示范围内的目标点云块，计算当前视点与每个目标点云块的距离，根据终端的分辨率计算出抽稀阈值，对距离不小于抽稀阈值的目标点云块，计算出目标点云块中与距离匹配的瓦片层级，进而确定出待加载瓦片点云，从服务器中获取待加载瓦片点云并进行加载渲染，实现距离越小展示的越细节，从而既能细节显示，也能改善因资源不足而导致加载失败或浏览操作卡顿的问题。

Description

点云可视化优化方法、系统、电子设备及存储介质

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种点云可视化优化方法、系统、电子设备及存储介质。

背景技术

点云数据，简称点云，是指在一个三维坐标系统中的一组相邻的集合。点云数据除了具有几何位置以外，有的还有颜色信息或反射强度信息。由于点云数据带有空间坐标，因此，广泛应用于测绘、电力、建筑、工业、汽车、游戏和刑侦等领域。

在使用点云数据时，一般将点云数据进行可视化显示。点云数据一般较多，海量的点云数据实时显示为增量式点云可视化，数据流往往持续增长。而手机和平板等移动设备的内存和CPU等资源有限，无法支持点云数据量的持续增长显示。针对上述缺陷，目前通过根据缩放层级来设定抽稀系数的方式进行点云数据显示。但是，这种方法对设备的资源性能要求较高，容易因设备的资源不足而导致数据加载失败或浏览操作卡顿。

发明内容

有鉴于此，本发明的目的在于提供一种点云可视化优化方法、系统、电子设备及存储介质，其能够改善目前点云数据显示方法容易因终端设备的资源不足而导致数据加载失败或浏览操作卡顿的问题。

为了实现上述目的，本发明实施例采用的技术方案如下。

第一方面，本发明实施例提供一种点云可视化优化方法，采用如下的技术方案。

一种点云可视化优化方法，应用于终端，所述终端与服务器通信连接，所述服务器与采集设备通信连接，所述服务器以树状结构存储有所述采集设备生成的点云块，所述方法包括：

实时获取当前视点，根据当前视点确定落入所述终端显示范围内的目标点云块；其中，每个所述点云块以树状结构被划分成多个瓦片层级，每个所述瓦片层级包括多个瓦片点云；

计算所述当前视点与每个所述目标点云块的距离；

针对每个所述目标点云块，判断所述距离是否小于抽稀阈值；

若是，则计算出所述目标点云块中与所述距离匹配的瓦片层级，基于所述瓦片层级确定出所述目标点云块的待加载瓦片点云，从所述服务器中获取所述待加载瓦片点云并进行加载渲染。

进一步地，所述计算出所述目标点云块中与所述距离匹配的瓦片层级的步骤，包括：

根据所述终端的分辨率和设定的数据阈值，计算出抽稀倍率；

将所述抽稀倍率和所述抽稀阈值的乘积作为渲染值；

计算出所述渲染值与所述距离之间的商值；

对所述商值进行修正后向下取整，得到与所述距离匹配的瓦片层级。

进一步地，所述基于所述瓦片层级确定出所述目标点云块的待加载瓦片点云的步骤，包括；

确定所述目标点云块处于所述瓦片层级的每个瓦片点云；

获取每个所述瓦片点云的包围盒，判断所述包围盒表征的区域是否落入所述终端的显示范围内，若否，则剔除所述包围盒对应的瓦片点云，以确定出待加载瓦片点云。

进一步地，所述从所述服务器中获取所述待加载瓦片点云并进行渲染的步骤之后，所述方法还包括：

计算所述终端已加载的点云数据量，若所述点云数据量大于设定的数据阈值，则按照瓦片层级最低到最高的顺序，逐次删除已加载的待加载瓦片点云，直至所述终端已加载的点云数据量小于所述数据阈值。

进一步地，在所述针对每个所述目标点云块，判断所述距离是否小于抽稀阈值的步骤之后，所述方法还包括：

若是，则对所述目标点云块进行抽稀渲染。

进一步地，所述对所述目标点云块进行抽稀渲染的步骤，包括：

将所述抽稀阈值与设定的限制倍数的乘积作为限制值，判断所述距离是否大于所述限制值，若否，则计算出与所述距离匹配的抽稀倍数；

按所述抽稀倍数，对所述服务器中的所述目标点云块的第零层瓦片点云进行抽取，得到待加载点云，将所述待加载点云进行加载渲染。

进一步地，所述方法还包括：

若所述距离大于所述限制值，则按预设的最大抽稀倍数，对所述服务器中的所述目标点云块的第零层瓦片点云进行抽取，得到待加载点云，将所述待加载点云进行加载渲染。

进一步地，所述计算出与所述距离匹配的抽稀倍数的步骤，包括：

将所述抽稀倍率和所述抽稀阈值的乘积作为渲染值；

计算所述距离与所述渲染值的商值，对所述商值向上取整，得到抽稀倍数。

进一步地，所述对所述目标点云块进行抽稀渲染的步骤之后，所述方法还包括：

计算所述终端已加载的点云数据量，若所述点云数据量大于设定的数据阈值，则按照加载时间最早到最晚的顺序，逐次删除已加载的点云数据，直至所述终端加载的点云数据量小于所述数据阈值。

进一步地，所述计算所述当前视点与每个所述目标点云块的距离的步骤，包括：

从所述服务器中获取每个所述目标点云块的点云信息，基于所述点云信息确定每个所述目标点云块的中心点坐标；

计算所述当前视点与每个所述中心点坐标的距离，以得到所述当前视点与每个所述目标点云块的距离。

进一步地，所述基于所述点云信息确定每个所述目标点云块的中心点坐标的步骤，包括：

从每个所述目标点云块的所述点云信息中提取该目标点云块的包围盒，将所述包围盒的中心点坐标作为该目标点云块的中心点坐标。

第二方面，本发明实施例提供一种点云可视化优化方法，采用如下的技术方案。

一种点云可视化方法，应用于服务器，所述服务器与终端和采集设备通信连接，所述方法包括：

实时接收所述采集设备上传的点云块；

将所述点云块按树状结构划分成多个瓦片层级后存储于数据库；其中，每个所述瓦片层级包括多个瓦片点云；

接收所述终端发送的第一请求，计算所述第一请求中各目标点云块的点云信息，并将所述点云信息发送至所述终端，接收所述终端发送的第二请求，根据所述第二请求返回各所述目标点云块的待加载点云至所述终端，以促使所述终端实现如第一方面所述的点云可视化优化方法。

进一步地，所述方法还包括：

将所述点云块的标识信息记录于索引文件；

实时遍历索引文件，判断是否有新增数据，若是，则根据所述新增数据的标识信息获取所述新增数据对应的新增点云块；

加载所述新增点云块，计算并存储所述新增点云块的点云信息。

第三方面，本发明提供一种点云可视化优化系统，采用如下的技术方案。

一种点云可视化优化系统，包括终端、服务器和采集设备，所述服务器与所述终端和所述采集设备通信连接；

所述采集设备，用于生成待测绘对象的点云块；

所述服务器，用于实现如第二方面所述的点云可视化优化方法；

所述终端，用于实现如第一方面所述的点云可视化优化方法。

第四方面，本发明实施例提供一种电子设备，采用如下的技术方案。

一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现如第一方面所述的点云可视化优化方法或如第二方面所述的点云可视化优化方法。

第五方面，本发明提供一种存储介质，采用如下的技术方案。

一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的点云可视化优化方法或如第二方面所述的点云可视化优化方法。

本发明实施例提供的点云可视化优化方法、系统、电子设备及存储介质，服务器以树状结构存储有多个点云块，且每个点云块被分成多个瓦片层级，每个瓦片层级包括多个瓦片点云，终端通过当前视点确定目标点云块，并计算出每个目标点云块与当前视点的距离，从而对距离小于抽稀阈值的目标点云块，得到目标点云块中与距离匹配的瓦片层级，进而根据瓦片层级确定待加载瓦片点云，并加载待加载瓦片点云进行渲染，实现根据目标点云块与当前视点的距离关系，对各目标点云块进行不同方式的渲染，距离越小展示的越细节，从而在进行细节显示时，也能减少终端缓存的数据量，进而能够改善因资源不足而导致加载失败或浏览操作卡顿的问题。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本发明实施例提供的点云可视化优化系统的方框示意图。

图2示出了本发明实施例提供的应用于终端的点云可视化优化方法的流程示意图之一。

图3示出了本发明实施例提供的应用于终端的点云可视化优化方法的流程示意图之二。

图4示出了图2或图3中步骤S103的部分子步骤的流程示意图。

图5示出了图2或图3中步骤S107的部分子步骤的流程示意图。

图6示出了本发明实施例提供的应用于终端的点云可视化优化方法的流程示意图之三。

图7示出了上述图3或图6中步骤S109的部分子步骤的流程示意图。

图8示出了图7中步骤S109-5的部分子步骤的流程示意图。

图9示出了本发明实施例提供的应用于终端的点云可视化优化方法的流程示意图之四。

图10示出了本发明实施例提供的应用于服务器的点云可视化优化方法的流程示意图。

图11示出了实现本发明实施例提供的应用于终端或服务器的点云可视化优化方法的电子设备的方框示意图。

图标：100-点云可视化系统；110-终端；120-服务器；130-采集设备；140-电子设备。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

海量的点云数据实时显示为增量式点云可视化，数据流往往持续增长。而手机和平板等移动设备的内存和CPU等资源有限，无法支持点云数据量的持续增长显示。

以基于V8引擎为例，32位机器可使用的内存约为0.7GB，64位机器可使用的内存约为1.4GB。而渲染完整的1Billion无RGB信息的点云数据就需要超过22GB的内存进行存储(对于JavaScript仅有double数据，其计算为每个点需要X，Y和Z三个点，即存储每个点需要3×8个Byte的内存，1Billion点云约为22.35GB)。

针对上述缺陷，目前已提出了不少关于点云数据展示的方法。有的方法通过设定抽稀系数，预先对海量实时点云数据进行抽稀处理，以压缩数据量，再将压缩后的点云数据传输至设备上进行实时加载显示。有的方法由设备直接将所有实时点云数据加载至内存上，进而根据缩放层级来设定抽稀系数进行显示。

但是，B/S架构下由于点云资源需要通过网络进行传输，如果直接传输完整的点云数据，则在渲染计算开始前，用户设备(即终端)需要花费大量的等待时间。以及，当点云块(即点云数据块)数过多地缩小到一定程度时，需要加载的点数超出浏览器的承受范围，会导致部分点云块不进行加载渲染或者浏览器崩溃。

因此，上述的这些方法存在要么细节展示效果差，要么容易因设备的资源不足而导致数据加载失败或浏览操作卡顿等问题。

基于上述考虑，本发明实施例提供一种点云可视化优化方案，其能够实现实时细节展示点云的同时，减小设备上的数据缓存量，以改善目前的点云展示方法存在的要么细节展示效果差，要么容易因设备的资源不足而导致数据加载失败或浏览操作卡顿的问题。

本发明实施例提供的点云可视化优化方法，可以应用于如图1所示的应用环境中。该点云可视化方法应用于点云可视化系统100中。该点云可视化系统100包括终端110、服务器120和采集设备130，终端110和采集设备130均可以为多个，服务器120可以通过网络与终端110和采集设备130通信连接。

采集设备130，用于生成待测绘对象的点云块。

其中，采集设备130可以基于摄像装置采集的图像生成，也可以是基于雷达装置生成的点云数据。

服务器120，用于实时接收采集设备130上传的点云块，将点云块按树状结构划分成多个瓦片层级后存储于数据库，还用于接收终端110发送的第一请求，计算第一请求中各目标点云块的点云信息，并将点云信息发送至终端110，以及接收终端110发送的第二请求，根据第二请求返回各目标点云块的待加载点云至终端110，即实现本发明实施例提供的应用于服务器的点云可视化优化方法。

其中，每个瓦片层级包括多个瓦片点云，点云块指的是点云数据块，点云信息可以包括但不限于是包围盒，或者包围盒可以用其他表征点云块的位置范围的特征进行表示。

终端110，用于实现本发明实施例提供的应用于终端的一种点云可视化优化方法。

通过服务器120、终端110和采集设备130的共同作用，服务器120以树状结构存储有多个点云块，且每个点云块被分成多个瓦片层级，每个瓦片层级包括多个瓦片点云。终端110通过当前视点确定目标点云块，基于从服务器120中获取各目标点云块的点云信息，从而计算出每个目标点云块与当前视点的距离，进而终端110对距离小于抽稀阈值的目标点云块，得到目标点云块中与距离匹配的瓦片层级，从而根据瓦片层级确定待加载瓦片点云，进而从服务器120获取待加载瓦片点云，并进行渲染。

其中，终端110可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器120可以用独立的服务器120或者多个服务器120组成的服务器120集群来实现。

在一个实施例中，如图2所示，提供了一种点云可视化优化方法(即上文中的第一种点云可视化优化方法)。本实施例主要以该方法应用于图1中的终端110来举例说明。

S101，实时获取当前视点，根据当前视点确定落入终端显示范围内的目标点云块。

其中，当前视点指的是终端110上摄像机的坐标，该摄像机指的是终端显示虚拟地图、游戏地图等电子图时，决定视角中心的虚拟摄像机，该摄像机用于观察点云显示，决定着点云显示的中心视角和显示范围。当前视点对应真实场景中某一个具体的方位。

点云块是某个测绘对象的点数据块，因此，点云块和其对应的测绘对象有相同的区域范围。

在获知当前视点与终端110的显示范围时，可以确定出落入该显示范围内的目标点云块。终端110在确定出目标点云块后，向服务器120发送第一请求，服务器120响应于第一请求，返回各目标点云块的点云信息。

S103，计算当前视点与每个目标点云块的距离。

终端110确定出目标点云块后，根据点云信息，计算当前视点与每个目标点云块的距离。

计算当前视点和目标点云块的距离的方式可以灵活选择，例如，可以根据目标点云块的中心坐标，计算出距离，也可以基于包围盒，计算出距离。

S105，针对每个目标点云块，判断距离是否小于抽稀阈值。若是，则执行S107。

其中，抽稀阈值的获取方式可以灵活选择，例如，可以根据历史经验数据进行设定，也可以按照预设规则计算得出。

在一种实施方式中，通过以下步骤实现步骤S105中的抽稀阈值：根据终端110的分辨率计算出抽稀阈值。

为了便于理解，在一种可能的实施方式中，可以通过以下方式实现根据终端110的分辨率计算出抽稀阈值：基于终端110的分辨率的宽，利用抽稀阈值计算公式，计算出抽稀阈值。

抽稀阈值计算公式可以包括：

其中，H表示抽稀阈值，w表示终端110屏幕的分辨率的宽。需要说明的是，抽稀阈值计算公式中的参数“180*60”可以根据终端110实际的参数而进行适应性调整。

抽稀阈值根据终端110屏幕分辨率的宽获得，并根据抽稀阈值来确定渲染的方式，从而使渲染方式与终端110实际性能更为适配。

S107，计算出目标点云块中与距离匹配的瓦片层级，基于瓦片层级确定出目标点云块的待加载瓦片点云，从服务器中获取待加载瓦片点云并进行加载渲染。

终端110确定出待加载瓦片点云后，向服务器120发出第二请求，服务器120响应于第二请求，返回待加载瓦片点云，终端110加载并渲染终端110返回的待加载瓦片点云。

每个点云块包括多个瓦片层级，瓦片层级越低，瓦片点云的范围越大，瓦片点云的数量越少，点云数据越稀疏；瓦片层级越高，瓦片点云的范围越小，瓦片点云的数量越多，点云数据越细致。

例如，第一层瓦片层级有一个瓦片点云，第二层瓦片层级由八个瓦片点云，第二层瓦片层级的八个瓦片点云的范围加起来就是第一层瓦片层级的瓦片点云的范围。

需要说明的是，在树状结构的点云块中，每个瓦片层级的多个瓦片点云中可能会出现没有点云数据的瓦片，即瓦片对应的范围内没有点云数据，这种瓦片则认为不存在，由于这类瓦片的存在，所以部分外片层级中的瓦片点云个数少于划分数。例如，树状结构为八叉树结构结构时，部分瓦片层级的瓦片点云数可能少于8个。

上述点云可视化优化方法中，实现根据目标点云块与当前视点的距离关系，对各目标点云块进行不同方式的渲染，距离越小展示得越细节，距离远的加载的点云数据较少，从而在进行细节显示时，也能减少终端110缓存的数据量，进而能够改善因资源不足而导致加载失败或浏览操作卡顿的问题。同时，与当前视点的距离小于抽稀阈值的目标点云块，以瓦片层级渲染的方式进行渲染，实现实时点云细节展示。

进一步地，为了减小终端110的数据处理量，同时尽可能扩大点云显示范围，请参照图3，本发明实施例提供的点云可视化优化方法还可以包括步骤S109，该步骤S109在S105，判断出距离不小于抽稀阈值后执行。

S109，对目标点云块进行抽稀渲染。

在目标点云块与当前视点的距离超过或等于抽稀阈值时，则对该目标点云块进行抽稀渲染。

进行抽稀渲染能够尽可能减少终端110的数据处理量，减小资源占用率。

在本实施例中，树状结构采用八叉树结构，即点云块按八叉树结构存储于服务器120中。每个点云块可能包括第零层瓦片层级，第一层瓦片层级，第二层瓦片层级，…，第n层瓦片层级，数字越小，层级越低。

八叉树是一种用于描述三维空间的树状数据结构，八叉树的每个节点表示一个正方体的体积元素，每个节点有八个子节点，将八个子节点所表示的体积元素加在一起就等于父节点的体积。八叉树用在三维空间中的场景管理，可以很快地知道物体在三维场景中的位置，侦测与其他物体是否有碰撞，以及是否在可视范围内。

服务器120每获取一个点云块，就获取点云块所在的区域(也可以说点云块所对应的区域)，并给点云块分配唯一对应的标识。在此基础上，步骤S101可以通过如下步骤实现：终端110根据当前视点和终端110的显示范围得到目标范围，向服务器120发送信息请求，服务器120响应于信息请求，发送点云块信息至终端110，点云块信息包括每个点云块所在的区域。终端110根据点云块信息，确定出落入目标范围内的目标点云块，终端110向服务器120发送第一请求，第一请求包括每个目标点云块的标识。服务器120根据第一请求中的标识，计算出各个目标点云块的点云信息，并将特点云信息发送至终端110。

步骤S101还可以通过如下步骤实现：终端110根据当前视点和终端110的显示范围，确定目标范围，并将目标范围装入第一请求中，发送第一请求至服务器120。服务器120接收到第一请求后，根据目标范围确定出落入目标范围内的目标点云块，计算出所有目标点云块的点云信息，并把所有点云信息返回至终端110。

需要说明的是，目标范围指的是显示范围所对应的真实世界的实际范围，目标点云块的点云信息包括包围盒。包围盒是一种求解离散点集最优包围空间的算法，是用体积稍大且特性简单的几何体(称为包围盒)来近似地代替复杂的几何对象。因此，包围盒能够用来表征点云块的位置范围。

并且，包围盒可以用其他任一种可以表征点云块的位置范围的特征进行替代。

在一种实施方式中，参照图4，为上述步骤S103的部分子步骤的流程示意图，包括以下子步骤。

S103-1，从服务器中获取每个目标点云块的点云信息，基于点云信息确定每个目标点云块的中心点坐标。

终端110向服务器120发送第一请求，服务器120响应于第一请求返回点云信息至终端110。终端110根据点云信息确定目标点云块的中心点坐标。

在本实施方式中，可以通过以下方式实现基于点云信息确定每个目标点云块的中心点坐标：从每个目标点云块的点云信息中提取该目标点云块的包围盒，将包围盒的中心点坐标作为该目标点云块的中心点坐标。

S103-2，计算当前视点与每个中心点坐标的距离，以得到当前视点与每个目标点云块的距离。

其中，可以采用欧式距离或马氏距离等计算方法计算目标点云块与当前视点的距离。

由于包围盒是特性简单的几何体，因此，服务器120在计算出包围盒时，即可得到包围盒的坐标。服务器120得到包围盒的坐标之后，可以将包围盒坐标按以下格式进行存储：{min:[x₁,y₁,z₁],max:[x₂,y₂,z₂]}，min:[x₁,y₁,z₁]表示包围盒最小的坐标，max:[x₂,y₂,z₂]表示包围盒最大的坐标。服务器120针对终端110发送的第一请求所返回的信息中包括包围盒的坐标。

在一种实施方式中，包围盒的中心点坐标可以通过以下步骤实现：根据包围盒坐标计算出中心点坐标P(x，y，z)。

其中，中心点坐标的计算方式可以包括：

以及

在此基础上，距离计算公式包括：

其中，当前视点的坐标为：(px，py，pz)。

针对上述步骤S107，参照图5，为上述S107在一种实施方式中的部分子步骤的流程示意图，通过以下步骤实现计算出目标点云块中与距离匹配的瓦片层级。

S107-1，根据终端的分辨率和设定的数据阈值，计算出抽稀倍率。

其中，抽稀倍率可以根据终端110的性能进行具体设置，也可以通过抽稀倍率计算公式计算得到。

抽稀倍率计算公式包括：

其中，B表示抽稀倍率，M表示数据阈值，h表示终端110屏幕分辨率的高，w表示终端110屏幕分辨率的宽。

S107-2，将抽稀倍率和抽稀阈值的乘积作为渲染值，计算出渲染值与距离之间的商值。

渲染值为：H*B，渲染值与距离之间的商值为：(H*B)/D。

S107-3，对商值进行修正后向下取整，得到与距离匹配的瓦片层级。

根据S107-2至S107-3的步骤，可以归纳为采用瓦片层级计算公式得到瓦片层级，瓦片层级计算公式可以为：

其中，L表示瓦片层级，数值“1”为修正值，修正值可以根据实际应用情况而进行适应性调整。

请继续参照图5，上述步骤S107还包括子步骤S107-4至S107-5，通过步骤S107-4至S107-5实现基于瓦片层级确定出目标点云块的待加载瓦片点云。

S107-4，确定目标点云块处于瓦片层级的每个瓦片点云。

S107-5，获取每个瓦片点云的包围盒，判断包围盒表征的区域是否落入终端的显示范围内，若否，则剔除包围盒对应的瓦片点云，以确定出待加载瓦片点云。

判断瓦片点云的包围盒表征的区域是否落入显示范围内，若是，则作为待加载瓦片点云，否则剔除，从而能够确定出所有待加载点云。

应当理解的是，点云块被划分为多个瓦片层级后，每个瓦片层级上的各瓦片点云均有各自的包围盒，该包围盒表征瓦片点云的位置范围。

在上述S107-4至S107-5的基础上，终端110向服务器120发出的第二请求可以包括瓦片层级以及终端110的显示范围，服务器120根据显示范围，判断处于瓦片层级中的瓦片点云是落入显示范围内(即瓦片点云所在的区域是否落入显示范围)，不落入则剔除，否则作为待加载点云发送至终端110。

进一步地，参照图6，在一种实施方式，本发明实施例提供的点云可视化优化方法，还包括S106，该步骤在实现S107中的从服务器120中获取待加载瓦片点云并进行渲染之后进行。换言之，在终端110获取待加载瓦片点云进行渲染之后，可执行S106。

S106，计算终端已加载的点云数据量，若点云数据量大于设定的数据阈值，则按照瓦片层级最低到最高的顺序，逐次删除已加载的待加载瓦片点云，直至终端已加载的点云数据量小于数据阈值。

在终端110有实现获取待加载瓦片点云进行渲染时，在终端110已加载的点云数据量大于设定的数据阈值时，可将瓦片层级较低的待加载瓦片点云删除，来释放内存，减小终端110的资源压力，进而能够在一定程度上避免卡顿。

应当理解的是，S107及其子步骤S107-1至步骤S107-5实现的渲染，是较为细致的点云渲染，其展示的内容更为细致。而步骤S109实现的是抽稀渲染，其渲染结果所展示的内容相对于S107的渲染结果所展示的内容，较为粗糙，其消耗的终端110资源相对减少。

在一种实施方式中，参照图7，为步骤S109的部分子步骤的流程示意图，包括如下步骤。

S109-1，将抽稀阈值与设定的限制倍数的乘积作为限制值。

限制倍数可以根据终端110的实际性能进行适应性调整。限制倍数可以表示点云渲染的最大缩小倍数，超过该倍数，则可能对终端110的加载效率产生影响。

例如，根据终端110的性能，设置限制倍数为8，则限制值为：8H或H*8。

S109-2，判断距离是否大于限制值。若否，则执行S109-3。

S109-3，计算出与距离匹配的抽稀倍数。

S109-4，按抽稀倍数，对服务器中的目标点云块的第零层瓦片点云进行抽取，得到待加载点云，将待加载点云进行加载渲染。

计算出抽稀倍数后，终端110向服务器120发送第二请求，此时的第二请求包括目标点云块的标识，以及抽稀倍数。服务器120响应于第二请求，按抽稀倍数对目标点云块的第零层瓦片点云(即第零层瓦片层级的瓦片点云)进行抽取，得到待加载点云，并将待加载点云发送至终端110。终端110加载并渲染该待加载点云。

通过上述步骤S109-1至S109-4，在目标点云块的距离不小于抽稀阈值的情况下，若目标点云块的距离不大于限制值，则计算出与距离匹配的抽稀倍数，根据抽稀倍数获取目标点云块的待加载点云，并进行加载渲染。从而，在一定程度上能避免终端110加载的点云数据量过大，影响终端110的加载渲染性能。

进一步地，请继续参照图7，在步骤S109-2之后，若判断出距离大于限制值，则执行S109-5。

S109-5，按预设的最大抽稀倍数，对服务器120中的目标点云块的第零层瓦片点云进行抽取，得到待加载点云，将待加载点云进行加载渲染。

当目标点云块的距离大于限制值时，则按预设的最大抽稀倍数，对服务器120中的目标点云块的第零层瓦片点云进行抽稀，得到、加载并渲染待加载点云。

针对步骤S109-3，计算抽稀倍数的方式可以灵活选择，例如，采用神经网络计算出与距离匹配的抽稀倍数，采用设定的计算规则计算出抽稀倍数。在一种实施方式中，参照图8，为上述步骤S109-3的部分子步骤的流程示意图，通过以下步骤可以实现计算出与距离匹配的抽稀倍数。

S201，根据终端的分辨率和设定的数据阈值，计算出抽稀倍率。

与步骤S107-1同理，抽稀倍率可以根据终端110的性能进行具体设置，也可以通过抽稀倍率计算公式计算得到。

抽稀倍率计算公式包括：

S202，将抽稀倍率和抽稀阈值的乘积作为渲染值。

S203，计算距离与渲染值的商值，对商值向上取整，得到抽稀倍数。

抽稀倍数可以通过抽稀倍数计算公式得到，其中，抽稀倍数计算公式包括:

Cb表示抽稀倍数。

对距离与渲染值之间的商值取整得到抽稀倍数，实现根据目标点云块与当前视点的距离大小对目标点云块进行抽稀，从而距离越近，抽稀倍数越小，点云数据越细致，从而越靠近当前视点，点云展示的越细致，提高点云显示效果的同时，能够减少终端110中点云数据的缓存量，进而有助于提高终端110的流畅度。

进一步地，参照图9，在一种实施方式中，本发明实施例提供的点云可视化优化方法还包括步骤S108，该步骤可在S109之后执行。

S108，计算终端已加载的点云数据量，若点云数据量大于设定的数据阈值，则按照加载时间最早到最晚的顺序，逐次删除已加载的点云数据，直至终端加载的点云数据量小于数据阈值。

当终端110有进行抽稀渲染时，在终端110已加载的点云数据量大于数据阈值的情况下，可删除加载时间较早的点云数据，以减小终端110加载的点云数据量，释放资源，从而有助于减少终端110的卡顿甚至崩溃的概率，提高终端110流畅度。

在一个实施例中，参照图10，本发明实施例还提供一种点云可视化优化方法，本实施例主要以该方法应用于图1中服务器120来举例说明，包括以下步骤。

S301，实时接收采集设备上传的点云块。

采集设备130用于获取测绘对象的点云块。点云块指的是点云数据块。

其中，测绘对象可以是一片区域或一个物体等。

S303，将点云块按树状结构划分成多个瓦片层级后存储于数据库。

其中，每个瓦片层级包括多个瓦片点云。点云块可以存储于ept.json文件中，一个点云块对应一个ept.json文件。

S305，接收终端发送的第一请求，计算第一请求中各目标点云块的点云信息，并将点云信息发送至终端，接收终端发送的第二请求，根据第二请求返回各目标点云块的待加载点云至终端，以促使终端实现上述实施例提供的点云可视化优化方法。

其中，终端110实现上述实施例提供的应用于终端的点云可视化优化方法，第一请求由终端110在获取到当前视点和显示范围的情况下发出。

进一步，请继续参照图10，为本实施例提供的应用于服务器120的点云可视化优化方法的另一部分步骤的流程示意图，包括如下步骤，其中步骤S302在步骤S301或S303之后执行。

S302，将点云块的标识信息记录于索引文件。

索引文件即为index.json文件，存储有点云块的标识。其中，标识可以为形如Block1、Block2之类的ID，可以为形如1、2之类的数字ID。标识信息还包括存储点云块的ept.json文件名。

S304，实时遍历索引文件，判断是否有新增数据，若是，则根据新增数据的标识信息获取新增数据对应的新增点云块。

上一次遍历索引文件时，记录有最新的点云块信息，或在最新的点云块信息上做了标记。当这次遍历之后，若上一次记录最新的点云块之后存在新点云块，则判断为有新增数据，并将新增数据的信息作为最新的点云块信息进行记录，或者在新增数据的点云块信息上进行标记，删除之前的标记，以便于下一次查找最新点云块。

S306，加载新增点云块，计算并存储新增点云块的点云信息。

获取到新增点云块之后，计算出新增点云块的点云信息，并进行存储。以便于在接收到终端110发送的第二请求时，无需现时计算就可得到点云信息。

其中，点云信息可以包括但不限于是包围盒。

本发明实施例提供的应用于终端110的点云可视化优化方法，以及应用于服务器120的点云可视化优化方法，为终端110设备提供一种高效和灵活的海量实时点云渲染方案，通过根据目标点云块与当前视点的距离，来对不同距离的目标点云块进行不同方式的渲染，距离越近，显示的点云数据越细致，距离越远，加载的点云数据越少，从而实现实时显示点云细节的同时，也能够减少终端110设备的数据加载量，进而减少资源消耗，提升终端110设备的流畅度。

应该理解的是，虽然图2-图10的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-图10中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种点云可视化优化装置的实现方式。需要说明的是，本实施例所提供的点云可视化优化装置，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。在一个实施例中，该点云可视优化装置应用于终端110，终端110与服务器120通信连接，服务器120与采集设备130通信连接，服务器120以树状结构存储有采集设备130生成的点云块，该点云可视化优化装置包括预处理模块和渲染模块。

预处理模块，用于实时获取当前视点，根据当前视点确定落入终端110显示范围内的目标点云块。

其中，每个点云块以树状结构被划分成多个瓦片层级，每个瓦片层级包括多个瓦片点云。

预处理模块，还用于计算当前视点与每个目标点云块的距离。

渲染模块，用于针对每个目标点云块，判断距离是否小于抽稀阈值，若是，则计算出目标点云块中与距离匹配的瓦片层级，基于瓦片层级确定出目标点云块的待加载瓦片点云，从服务器120中获取待加载瓦片点云并进行加载渲染。

其中，抽稀阈值的计算方式可以参见上文中对于应用于终端110的点云可视化优化方法的限定。

关于点云可视化优化装置的具体限定可以参见上文中对于应用于终端110的点云可视化优化方法的限定，在此不再赘述。

在一个实施例中，提供了一种电子设备140，该电子设备140可以是终端110，其内部结构图可以如图11所示。该电子设备140包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该电子设备140的处理器用于提供计算和控制能力。该电子设备140的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备140的通信接口用于与外部的终端110进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、近场通信(NFC)或其他技术实现。该计算机程序被处理器执行时以实现一种点云可视化优化方法。该电子设备140的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备140外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

在一个实施例中，上述本发明实施例提供应用于终端110的点云可视化优化装置可以实现为一种计算机程序的形式，计算机程序可在如图11所示的电子设备上运行。电子设备的存储器中可存储组成该点云可视化优化装置的各个程序模块。

本发明实施例还给出另一种点云可视化优化装置的实现方式。需要说明的是，本实施例所提供的点云可视化优化装置，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。在一个实施例中，该点云可视优化装置应用于服务器120，服务器120与终端110和采集设备130通信连接，该点云可视化优化装置包括接收模块和处理模块。

接收模块，用于实时接收采集设备130上传的点云块。

处理模块，将点云块按树状结构划分成多个瓦片层级后存储于数据库。

其中，每个瓦片层级包括多个瓦片点云。

处理模块，还用于接收终端110发送的第一请求，计算第一请求中各目标点云块的点云信息，并将点云信息发送至所述终端110，接收终端110发送的第二请求，根据第二请求返回各目标点云块的待加载点云至终端110，以促使终端110实现上述实施例提供的应用于终端110的点云可视化优化方法。

在一个实施例中，提供了一种电子设备140，该电子设备140可以是服务器120，其内部结构图可以如图11所示。该电子设备140包括通过系统总线连接的处理器、存储器和网络接口。其中，该电子设备140的处理器用于提供计算和控制能力。该电子设备140的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备140的数据库用于存储点云块。该电子设备140的网络接口用于与外部的终端110通过网络连接通信。该计算机程序被处理器执行时以实现上述应用于服务器120的一种点云可视化优化方法。

其中，存储器可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。

在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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

1.一种点云可视化优化方法，其特征在于，应用于终端，所述终端与服务器通信连接，所述服务器与采集设备通信连接，所述服务器以树状结构存储有所述采集设备生成的点云块，所述方法包括：

实时获取当前视点，根据所述当前视点确定落入所述终端显示范围内的目标点云块；其中，每个所述点云块以树状结构被划分成多个瓦片层级，每个所述瓦片层级包括多个瓦片点云；

计算所述当前视点与每个所述目标点云块的距离；

2.根据权利要求1所述的点云可视化优化方法，其特征在于，所述计算出所述目标点云块中与所述距离匹配的瓦片层级的步骤，包括：

将所述抽稀倍率和所述抽稀阈值的乘积作为渲染值；

计算出所述渲染值与所述距离之间的商值；

3.根据权利要求1或2所述的点云可视化优化方法，其特征在于，所述基于所述瓦片层级确定出所述目标点云块的待加载瓦片点云的步骤，包括；

确定所述目标点云块处于所述瓦片层级的每个瓦片点云；

4.根据权利要求1或2所述的点云可视化优化方法，其特征在于，所述从所述服务器中获取所述待加载瓦片点云并进行渲染的步骤之后，所述方法还包括：

5.根据权利要求1或2所述的点云可视化优化方法，其特征在于，在所述针对每个所述目标点云块，判断所述距离是否小于抽稀阈值的步骤之后，所述方法还包括：

若是，则对所述目标点云块进行抽稀渲染。

6.根据权利要求5所述的点云可视化优化方法，其特征在于，所述对所述目标点云块进行抽稀渲染的步骤，包括：

7.根据权利要求6所述的点云可视化优化方法，其特征在于，所述方法还包括：

8.根据权利要求6所述的点云可视化优化方法，其特征在于，所述计算出与所述距离匹配的抽稀倍数的步骤，包括：

将所述抽稀倍率和所述抽稀阈值的乘积作为渲染值；

9.根据权利要求6所述的点云可视化优化方法，其特征在于，所述对所述目标点云块进行抽稀渲染的步骤之后，所述方法还包括：

10.根据权利要求1所述的点云可视化优化方法，其特征在于，所述计算所述当前视点与每个所述目标点云块的距离的步骤，包括：

11.根据权利要求9所述的点云可视化优化方法，其特征在于，所述基于所述点云信息确定每个所述目标点云块的中心点坐标的步骤，包括：

12.一种点云可视化优化方法，其特征在于，应用于服务器，所述服务器与终端和采集设备通信连接，所述方法包括：

实时接收所述采集设备上传的点云块；

接收所述终端发送的第一请求，计算所述第一请求中各目标点云块的点云信息，并将所述点云信息发送至所述终端，接收所述终端发送的第二请求，根据所述第二请求返回各所述目标点云块的待加载点云至所述终端，以促使所述终端实现如权利要求1至11中任一项所述的点云可视化优化方法。

13.根据权利要求12所述的可视化优化方法，其特征在于，所述方法还包括：

将所述点云块的标识信息记录于索引文件；

14.一种点云可视化优化系统，其特征在于，包括终端、服务器和采集设备，所述服务器与所述终端和所述采集设备通信连接；

所述采集设备，用于生成待测绘对象的点云块；

所述服务器，用于实现如权利要求12或13所述的点云可视化优化方法；

所述终端，用于实现如权利要求1至11中任一项所述的点云可视化优化方法。

15.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现如权利要求1-11中任一项所述的点云可视化优化方法或如权利要求12或13所述的点云可视化优化方法。

16.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-11中任一项所述的点云可视化优化方法或如权利要求12或13所述的点云可视化优化方法。