CN114926590A - 一种海量点云数据可视化方法 - Google Patents

Abstract

本发明公开了一种海量点云数据可视化方法，包括以下步骤：S1、构建场景树，当视点变化时，基于节点可见性算法判断场景树中节点是否在可见范围内，若在，则进行步骤S2，若不在，则将节点点云数据释放；S2、将节点点云数据通过内存映射技术从外存中取出放入到按投影尺寸维护的优先级队列中，并将此节点的上次是否显示属性设置为是；S3、判断所有可见节点点云数据总和是否超过所设定的点云绘制总数阈值，若是，则停止遍历。

Description

一种海量点云数据可视化方法

技术领域

本发明涉及数据可视化技术领域，更具体的说是涉及一种海量点云数据 可视化方法。

背景技术

目前，海量点云数据在建筑遗产数字化保护、工业测量、土木工程等方 面具有重要的应用价值。同时伴随着三维激光扫描技术的成熟，使得对具有 海量三维点云数据的地理场景进行相应的空间数据组织与可视化具有非常重 要的应用价值和较高的理论意义。如何提高点云数据组织索引效率，快速可 视化海量点云数据与高效处理，同时又能保留点云数据所包含的物体空间信 息例如拓扑关系，已经成为三维空间信息系统的研究热点。

但是，海量点云数据量大，现有的计算机硬件不足以支撑绘制全部的数 据，所以需对可视化进程进行研究，主要分为构建多层次LOD(Level ofDetail) 细节模型，视椎体裁剪技术，多线程/多进程技术的研究，从而提高可视化效 率，在空间数据组织索引方面，各种空间索引具有各自的优缺点，因此需利 采用混合组织方案，充分发挥索引的优点。在对海量点云数据可视化方面， 内存占用高、绘制效率低，并且并没有进行海量点云数据可视化与处理系统 的研究，大多数研究方向只是针对海量点云数据可视化。

因此，从海量点云数据空间数据组织、可视化、处理等方面进行研发， 开发出可以进行海量点云数据的快速可视化和高效的处理系统是本领域技术 人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种海量点云数据可视化方法，可见性节点判 断算法过程主要通过投影尺寸参数动态选择所需绘制的LOD层级，并且在进 行节点可见性遍历过程中是以节点投影尺寸大小为依据，投影尺寸最大的节 点优先级更高，同时提出利用新的视椎体构建算法，视椎体裁剪算法以视椎 体在标准化设备坐标空间内的坐标推出，提升了算法效率。多分辨率层次细 节技术是利用LOD八叉树和结构调度算法来绘制大数据场景，当可视范围内 覆盖大部分数据时，在一定程度上可用较粗略的数据模型进行代替；当可视范围内覆盖小部分数据时，可用较精细的数据模型进行代替；用内存映射技 术实时调度所需点云数据，以文件内存映射方式代替传统的I/O读写方式，在 对点云进行读取与处理效率上得到了提升。

为了实现上述目的，本发明采用如下技术方案：

一种海量点云数据可视化方法，包括以下步骤：

S1、构建场景树，当视点变化时，基于节点可见性算法判断场景树中节 点是否在可见范围内，若在，则进行步骤S2，若不在，则将节点点云数据释 放；

S2、将节点点云数据通过内存映射技术从外存中取出放入到按投影尺寸 维护的优先级队列中，并将此节点的上次是否显示属性设置为是；

S3、判断所有可见节点点云数据总和是否超过所设定的点云绘制总数阈 值，若是，则停止遍历。

优选的，所述步骤S1具体包括：

通过试点位置的变化，实时调度可见节点点云数据并判断；在NDC空间 中确定视椎体坐标，分别为右，左，上，下，近，远，一次对上述坐标乘以 投影矩阵的逆矩阵，得到在相机空间内的视椎体坐标，通过变换之后的坐标 计算出视椎体6平面的斜率，分别为右，左，上，下，远近平面垂直于z轴， 因此取z值确定近、远平面位置。

优选的，所述步骤S2具体包括：

S21、打开或者创建文件内核对象、指定内存映射文件所在的物理存储器 的具体路径以及访问类型的权限；

S22、在系统中所创建的内核对象指定容量大小的物理存储器，指定内存 映射文件内核对象大小的高32位值和低32位值，且为实际节点大小和所需 额外映射字节大小的总和；

S23、将系统管理的文件映射的对象部分或者全部映射到进程地址空间， 设置64位偏移地址的高32位地址和低32位地址，以及视图容量大小；

S24、撤销相关文件数据的映射和关闭当前所创建的文件映射及其文件的 对象；

S25、判断是否读取文件，若是，则关闭对象，若否，则创建新的映像并 返回步骤S23。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种视 椎体裁剪算法以视椎体在标准化设备坐标空间内的坐标推出，提升了算法效 率。多分辨率层次细节技术是利用LOD八叉树和结构调度算法来绘制大数据 场景，当可视范围内覆盖大部分数据时，在一定程度上可用较粗略的数据模 型进行代替；当可视范围内覆盖小部分数据时，可用较精细的数据模型进行 代替；用内存映射技术实时调度所需点云数据，以文件内存映射方式代替传 统的I/O读写方式，在对点云进行读取与处理效率上得到了提升。。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实 施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面 描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。

图1附图为本发明提供的LOD算法调度流程示意图。

图2附图为本发明提供的视椎体裁剪示意图。

图3附图为本发明提供的视椎体坐标构建流程示意图。

图4附图为本发明提供的多分辨率层次细节示意图。

图5附图为本发明提供的投影尺寸示意图。

图6附图为本发明提供的多分辨率层次节点内外存调度流程示意图。

图7附图为本发明提供的参数调整示意图。

图8附图为本发明提供的节点包围盒示意图。

具体实施方式

下面将结合本发明实施例中的附图，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。基于本发明中的实施例，本领域普通技术人员在没有做 出创造性劳动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。

本发明实施例公开了一种海量点云数据可视化方法，包括以下步骤：

S1、构建场景树，当视点变化时，基于节点可见性算法判断场景树中节 点是否在可见范围内，若在，则进行步骤S2，若不在，则将节点点云数据释 放；

S2、将节点点云数据通过内存映射技术从外存中取出放入到按投影尺寸 维护的优先级队列中，并将此节点的上次是否显示属性设置为是；

S3、判断所有可见节点点云数据总和是否超过所设定的点云绘制总数阈 值，若是，则停止遍历。

为进一步优化上述技术方案，步骤S1具体包括：

通过试点位置的变化，实时调度可见节点点云数据并判断；在NDC空间 中确定视椎体坐标，分别为右，左，上，下，近，远，一次对上述坐标乘以 投影矩阵的逆矩阵，得到在相机空间内的视椎体坐标，通过变换之后的坐标 计算出视椎体6平面的斜率，分别为右，左，上，下，远近平面垂直于z轴， 因此取z值确定近、远平面位置。

为进一步优化上述技术方案，步骤S2具体包括：

S21、打开或者创建文件内核对象、指定内存映射文件所在的物理存储器 的具体路径以及访问类型的权限；

S22、在系统中所创建的内核对象指定容量大小的物理存储器，指定内存 映射文件内核对象大小的高32位值和低32位值，且为实际节点大小和所需 额外映射字节大小的总和；

S23、将系统管理的文件映射的对象部分或者全部映射到进程地址空间， 设置64位偏移地址的高32位地址和低32位地址，以及视图容量大小；

S24、撤销相关文件数据的映射和关闭当前所创建的文件映射及其文件的 对象；

S25、判断是否读取文件，若是，则关闭对象，若否，则创建新的映像并 返回步骤S23。

1.节点可见性判别

节点可见性判主要进行视椎体裁剪。视椎体裁剪技术是一个图形渲染前 的步骤，用于剔除掉不需要绘制的部分，简单来说就是在3D渲染流水线开始 之前就不让完全在视锥体外的数据进入3D渲染流水线以此来提高效率。在视 椎体之外的数据不需要进行世界变换，相机变换和投影变化，而在3D渲染流 水线中，这部分数据也会进行变换，因此需把这些数据在送入3D渲染流水线 前裁剪掉，如图2。

在三维场景中，根据视点位置、视点朝向、节点投影尺寸等参数来判断 视椎体内LOD八叉树节点可见性，只有可见的节点点云数据才会通过内外存 调度显示。在渲染场景中，通过视点位置的移动如平移、旋转、缩放等操作 之后，视椎体内可见节点也会相应变化，因此可通过视点变化实时调度可见 节点点云数据并以此来实现节点可见性判断。

一般视椎体构建算法是由GilGribb和Klaus Hartmann提出可由投影矩阵 得出视椎体的6个面的平面方程。本专利所采用的是另一种方法也可快速、 准确有效的确定视椎体。在渲染流水线中，存在标准化设备坐标空间 (Normalized Device Coordinates，以下简称NDC)中，在此空间中视椎体已 被卷曲成标准体[-1,1]×[-1,1]×[0,1]，同时不管前面经过什么空间变化，最终视 椎体都会变成一个标准体，如图3。因此可利用此特性推出视椎体的方程，因 为视椎体已经被规范为标准体，所以在NDC空间中的视椎体已经确定(坐标以在远平面上的为主)，分别为右[1.0,0.0,1.0,1.0]、左[-1.0,0.0,1.0,1.0]、上 [0.0,1.0,1.0,1.0]、下[0.0,-1.0,1.0,1.0]、近[0.0,0.0,0.0,1.0]、远[0.0,0.0,1.0,1.0]。 依次对上面的坐标乘以投影矩阵的逆矩阵就可得出在相机空间内的视椎体坐 标，然后通过变换之后的坐标计算出视椎体6平面的斜率分别为右x/z、左-x/z、 上y/z、下-y/z，因为远平面和近平面垂直于z轴，所以只需取z值就可确定 近、远平面位置。

2.多分辨率层次节点调度

为了提高海量点云场景的绘制效率，本文利用调度算法调度多个层次的 LOD节点点云数据联合绘制来代替对整个场景的绘制。多分辨率层次细节技 术是利用层次结构和结构调度算法来绘制大数据场景，当可视范围内覆盖大 部分数据时，在一定程度上可用较粗略的数据模型进行代替；当可视范围内 覆盖小部分数据时，可用较精细的数据模型进行代替。

在本文内外存调度调度算法中设定了场景所绘制点云总数最大的阈值， 例如场景所绘制的点云总数为一千万，可见节点中点云数据总数超过此阈值 则遍历终止。此阈值所设定的大小，将决定用户是获得更好的性能或者获得 更好的渲染质量。阈值设定越小，所需绘制点云数量越少性能越加，渲染质 量越差。

如果节点包围盒的边界框与视椎体相交，则该节点被认为是可见的。如 果不是这种情况，则该节点将被丢弃，并且其子节点将不会被进一步遍历， 直到没有更多的节点访问，或者可见点云数据的总和保持低于阈值，如图4 所示，灰色节点为相交，然后在遍历灰色子节点；白色节点为包含，其子节 点为包含；黑色节点为相离，其子节点也为相离。

2.1投影尺寸

本专利在可见性节点遍历时将会引进另一个重要参数：节点投影尺寸， 而在大多数可见性判断算法中是基于视点远近选择所需要显示的LOD层级， 以视点远近为参数的可见性判断算法大多数都是静态LOD算法(事先在外存 中构建好LOD层级，依据视点位置选择所需要绘制的LOD层级)并且其距 离阈值不好控制，而本文所进行的LOD算法为动态LOD(由多个LOD八叉 树节点中的点云数据联合渲染)，在进行可视化节点绘制时，实时调度相机区域内的所需节点点云数据，其绘制结果将为靠近照相机的区域将比远距离 区域更高的细节水平呈现。

整个系统中实时维护场景树，构造完毕后每当视点变化时，利用节点可 见性算法判断场景树中节点是否在可见范围内。如果在可见范围内则把此节 点点云数据利用内存映射技术从外存中取出并放入到按投影尺寸维护的优先 级队列中，并把此节点的上次是否显示属性设置为true，此属性主要为了下次 视点变化时，如果此节点还在可视范围内，不需再次加载此节点数据；如果 不在可视化范围内，则把此节点点云数据释放。如果所有的可见节点点云数 据总和超过所设定的点云绘制总数阈值，则终止遍历。总的来说，主要分为 三步：

1.构建场景树，视点变化时遍历节点并判断节点可见性

2.利用内存映射技术内外存调度节点点云数据并维护场景树

3.达到阈值，点云数据传入可视化渲染流程中进行渲染

在本专利可见性节点判断算法过程主要通过投影尺寸参数动态选择所需 绘制的LOD层级，并且在进行节点可见性遍历过程中是以节点投影尺寸大小 为依据，投影尺寸最大的节点优先级更高，同时也是以此为依据确定可见节 点优先级显示顺序。

投影尺寸是以相机中心到节点中心的距离、节点的包围盒半径和屏幕的 高度计算出来，其中节点包围盒半径信息存储于节点索引文件中，如图5所 示。

其原理主要利用三角形相似关系，计算出当前节点投影尺寸，如下式：

2.2多分辨率层次节点内外存调度

如图6所示，利用内存映射技术调度所需节点点云数据，文件内存映射 技术是在磁盘空间内保留一定地址空间的区域用于完成大文件的存储，数据 的传输方式是以页面形式进行，利用虚拟内存来管理这些内存页面，文件内 存映射技术在存储、读取大数据文件时效率很高。因为在整个过程中其所有 操作都是在内存中完成，也不需要将数据从内存回写至文件和释放内存块等 操作，其内存映射方法是对内存管理组件的扩展。

在实际系统架构中基本都是共享数据多线程同时工作，当共享数据的数 据量比较大，如果采用传统的I/O操作将导致过于频繁操作系统资源，会使系 统资源得不到合理运用。因此在多线程处理共享数据时，采用文件内存映射 可以合理运用系统内存资源提高内存效率与利用率。在实际应用过程中，所 需存储或者读取文件时大于4GB的数据，但Windows系统32位进程最大可 分配4GB的虚拟地址空间。因此如果需要映射的文件大小超过4GB，可以将 数据文件分部分进行映射。

关键函数及参数说明：

Handle CreateFileA()

此函数主要作用为打开或者创建文件内核对象、指定内存映射文件所在 的物理存储器的具体路径以及访问类型的权限，在本文中设定为可读写权限。

Handle CreateFileMapping()

此函数主要作用为在系统中所创建的内核对象指定容量大小的物理存储 器。此函数最重要的两个参数为dwMaximumSizeHigh与dwMaximumSizeLow， 分别指定内存映射文件内核对象大小的高32位值和低32位值且所指定的大 小必须是系统最小分配粒度的整数倍(Windows为固定值64KB的整数倍)， 一般情况下为其简单都设置为0。本文所设置的参数值为实际节点大小和所需 额外映射字节大小的总和。

LPVOID MapViewofFile()

此函数主要作用是将系统管理的文件映射的对象部分或者全部映射到进 程地址空间。此函数重要参数为dwFileOffsetHigh、dwFileOffSetLow与 dwNumberofBytesToMap，前两个参数主要设置64位偏移地址的高32位地址 和低32位地址，dwNumberofBytesToMap参数为视图容量大小，如果设置为 0表示所映射的文件大小与实际内容相同，当然此大小也必须为系统最小分配 粒度的整数倍。

UnmapViewOfFileO和CloseHandleO主要功能是完成进程地址空间撤销 相关文件数据的映射和关闭当前所创建的文件映射及其文件的对象。

内外存调度这一过程中，由上述所介绍的内存映射函数可知， MapViewOfFile中dwFileOffsetHigh和dwFileOffSetLow这两个参数必须为系 统最小分配粒度的整数倍(64KB*1024，也就是65536字节)，但各节点点云 数据在数据文件中的起始位置不一定为系统最小分配粒度的整数倍，因此需 对这两个参数进行调整。

首先根据在索引文件中存的文件偏移量这个参数计算在数据文件中的位 置，验证是否是65536的整数倍，如果不是，则凑成整数倍，取出数据后在 去掉多余数据，具体流程如图7所示；

例如取出r6节点点云数据，文件偏移量FrontCount为1250，节点点云数 据总和NumPoints为150需映射字节总数4500字节，由文件偏移量可知r6 节点点云数据起始位置为40,000字节处(1250*32，32为本文所设计点云结 构体PtCloud见下表)，并不是65536的整数倍。因此需重新计算映射起始位 置Offset，具体为r6节点点云数据起始位置(40,000)除以65536并向上取整 所得结果即为65536的整数倍，也就是r节点点云数据开始位置，那么多映射 了40,000字节的点云数据，需利用内存复制函数memcpy去掉映射的多余数 据。

所存储的索引文件主要存储信息结构为：节点名称ID、包含点数目 PointCount、文件偏移量FrontCount、节点尺寸大小Size、节点包围盒aabb， 具体如下：

如图8，节点名称为r6代表节点root.children[6]，r为根节点，为唯一标 识；包含点数目为当前节点包含多少点云数据；文件偏移量为当前节点所在 数据文件的索引；包含点数目和文件偏移量主要为了定位该节点数据所在数 据文件的位置。节点尺寸大小和节点包围盒主要为了节点可见性判断及其点 云处理。

本申请的优点在于：

1、引入节点投影尺寸参数，以节点投影尺寸为依据控制节点优先级显示 顺序，动态LOD算法实现多个细节层次节点联合渲染场景，靠近照相机的区 域将比远距离区域更高的细节水平呈现。

2、利用多分辨率层次节点调度对场景进行绘制时，依据对场景质量的要 求，动态化决定场景中物体具体的分辨率，然后从这个数据结构中得到大量 不同分辨率的细节层次模型。

3、海量点云数据基于文件的内外存调度算法，利用存储的索引文件、内 存映射技术、实现点云数据有效调度及高效可视化。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都 是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。 对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述 的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用 本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易 见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下， 在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例， 而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (3)

1.一种海量点云数据可视化方法，其特征在于，包括以下步骤：

S1、构建场景树，当视点变化时，基于节点可见性算法判断场景树中节点是否在可见范围内，若在，则进行步骤S2，若不在，则将节点点云数据释放；

S2、将节点点云数据通过内存映射技术从外存中取出放入到按投影尺寸维护的优先级队列中，并将此节点的上次是否显示属性设置为是；

S3、判断所有可见节点点云数据总和是否超过所设定的点云绘制总数阈值，若是，则停止遍历。

2.根据权利要求1所述的一种海量点云数据可视化方法，其特征在于，所述步骤S1具体包括：

通过试点位置的变化，实时调度可见节点点云数据并判断；在NDC空间中确定视椎体坐标，分别为右[1.0,0.0,1.0,1.0]，左[-1.0,0.0,1.0,1.0]，上0.0,1.0,1.0,1.0]，下[0.0,-1.0,1.0,1.0]，近[0.0,0.0,0.0,1.0]，远[0.0,0.0,1.0,1.0]，一次对上述坐标乘以投影矩阵的逆矩阵，得到在相机空间内的视椎体坐标，通过变换之后的坐标计算出视椎体6平面的斜率，分别为右x/z，左-x/z，上y/z，下-y/z，远近平面垂直于z轴，因此取z值确定近、远平面位置。

3.根据权利要求1所述的一种海量点云数据可视化方法，其特征在于，所述步骤S2具体包括：

S21、打开或者创建文件内核对象、指定内存映射文件所在的物理存储器的具体路径以及访问类型的权限；

S22、在系统中所创建的内核对象指定容量大小的物理存储器，指定内存映射文件内核对象大小的高32位值和低32位值，且为实际节点大小和所需额外映射字节大小的总和；

S23、将系统管理的文件映射的对象部分或者全部映射到进程地址空间，设置64位偏移地址的高32位地址和低32位地址，以及视图容量大小；

S24、撤销相关文件数据的映射和关闭当前所创建的文件映射及其文件的对象；

S25、判断是否读取文件，若是，则关闭对象，若否，则创建新的映像并返回步骤S23。

Images