CN115205434B - 一种点云数据的可视化处理方法和装置 - Google Patents

Abstract

本发明涉及了一种点云数据的可视化处理方法和装置，该方法包括：根据待处理的点云数据的属性信息确定点云数据对应的视景体，得到点云数据对应的视界；获取视界覆盖范围内的点云网格，得到第一点云网格集合；将视界包含的区域划分为第一数量层同心圆环；基于计算机实时的帧率，确定各个第一点云网格当前能够加载的实际点云数量，并将实际点云数量的点云数据，按照同心圆环分层次依次加载到计算机的内存中；对已加载的点云数据逐个进行渲染处理，得到待处理的点云数据的可视化展示结果。上述方案可以保证在不超出计算机当前处理能力的情况下，安全的加载和渲染点云数据，不会出现延时、卡顿和运行崩溃现象，提高了点云数据的处理能力。

Description

一种点云数据的可视化处理方法和装置

技术领域

本发明涉及点云数据处理技术领域，尤其涉及一种点云数据的可视化处理方法和装置。

背景技术

近年来，随着激光雷达技术的快速发展和日益广泛的应用，极大地增强了人们获取真实世界三维数据的能力，通过激光雷达可以获取丰富的反映真实世界的点云数据，推动了三维重建、虚拟现实等技术迅速发展。

三维点云数据是用三维坐标数据表征的许多点的集合。激光雷达获取三维点云数据后，设计算法用计算机对点云数据进行处理，便可以得到所需要的数字产品。高效地组织和管理点云数据是高效地处理和应用点云数据的基础，不同的处理和应用要求，会采用不同的点云数据组织方法，通常有网格化、四叉树、八叉树数据组织形式。

然而，通过三维激光雷达获取大面积的地形地物数据时，往往会得到海量的激光点云数据。当计算机采用上述传统方法加载和渲染这些点云数据时，内存开销会很大，并且会存在延时和卡顿现象。尤其当点云数据的大小超过了计算机内存时，会出现计算机无法加载和可视化点云数据、程序崩溃的现象。

由此可见，现有技术还不能对海量的点云数据进行安全的可视化处理，对于点云数据的处理效率不高。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明第一方面提出一种点云数据的可视化处理方法，所述方法包括：

根据待处理的点云数据的属性信息确定所述点云数据对应的视景体，并确定所述视景体在所述点云数据对应的平面点云网格上的投影，得到所述点云数据对应的视界；

获取所述视界覆盖范围内的点云网格，得到第一点云网格集合；

将所述视界包含的区域划分为第一数量层同心圆环，所述同心圆环以所述视界的中心为圆心；

基于计算机实时的帧率，确定各个所述第一点云网格当前能够加载的实际点云数量，并将所述实际点云数量的点云数据，按照所述同心圆环分层次依次加载到计算机的内存中；

对已加载的所述点云数据逐个进行渲染处理，得到所述待处理的点云数据的可视化展示结果。

可选的，所述确定各个所述第一点云网格当前能够加载的实际点云数量，包括：

确定当前待加载的目标同心圆环所在层对应的期望加载权重和与所述期望加载权重对应的多个候选加载权重；

分别获取所述目标同心圆环中包括的各个第二点云网格与所述视点之间的距离，得到目标距离；

获取各个所述第二点云网格中包括的点云数量，得到第二数量；

基于所述期望加载权重、所述候选加载权重、所述目标距离、所述第二数量以及所述计算机实时的帧率，确定所述计算机能够加载的所述第二点云网格中的实际点云数量。

可选的，所述基于所述期望加载权重、所述候选加载权重、所述目标距离、所述第二数量以及计算机实时的帧率，确定所述计算机能够加载的所述第二点云网格中的实际点云数量，包括：

根据当前层的点云的总数量和所述候选加载权重，确定每个所述候选加载权重对应的点云的显示数量，得到多个候选加载数量；

根据所述计算机实时的加载速度确定加载所述候选加载数量个点云数据对应的候选耗时，得到多个候选耗时；

从所述多个候选耗时中选取小于所述计算机的刷新耗时的至少一个目标候选耗时；所述刷新耗时根据所述实时的帧率确定；

从所述至少一个目标候选耗时对应的目标候选加载权重中，插值得到当前的实际加载权重；

根据所述实际加载权重、所述目标距离和所述第二数量，确定所述计算机能够加载的所述第二点云网格中的实际点云数量。

可选的，所述根据所述实际加载权重、所述目标距离和所述第二数量，确定所述计算机能够加载的所述第二点云网格中的实际点云数量，包括：

根据所述目标距离和距离系数，得到目标关系距离；

确定所述目标关系距离和所述实际加载权重的乘积；

取所述乘积和1两者中的较小值，得到增量期望；

根据所述第二数量和所述增量期望的乘积，得到所述计算机能够加载的所述第二点云网格中的实际点云数量。

可选的，所述将所述实际点云数量的点云数据，按照所述同心圆环分层次依次加载到计算机的内存中，包括：

确定所述目标同心圆环中包括的各个第二点云网格的第二网格编号；

确定所述第二网格编号对应的目标索引信息，并按照所述目标索引信息从点云存储文件中获取所述实际点云数量的点云数据在所述点云存储文件中的目标位置；

将所述目标位置的点云数据加载到所述计算机的内存中。

可选的，所述根据待处理的点云数据的属性信息确定所述点云数据对应的视景体，包括：

从点云索引文件中获取待处理的点云数据的属性信息，所述属性信息包括所述点云数据对应的网格坐标系的原点坐标、点云网格边长、平面点云网格的最大编号、所述点云数据的最大Z轴坐标；

根据所述网格坐标系的原点坐标、所述点云网格边长、所述平面点云网格的最大编号、所述最大Z轴坐标和预设的视点的Z坐标的相对高度，确定所述点云数据的视点的初始坐标；

以所述视点的初始坐标作为坐标系原点，构建视点坐标系；

将所述视点坐标系下的X轴和Y轴方向的张角形成的视野窗口确定为视口；

将所述视点到所述视口的中心的连线向量的方向确定为视向；

将所述视点与所述视口在所述视向方向上构成的立体图形，确定为所述点云数据对应的视景体。

可选的，在对已加载的所述点云数据逐个进行渲染处理之前，还包括：

对当前视图下可视区域以外的点云数据进行剔除。

可选的，若所述当前视图为正交视图，则所述当前视图下可视区域以外的点云数据至少包括：

所述视景体的奥卡托投影区域外的点云网格包括的点云数据、所述视景体与窗口视图比例大于第一预设比例且视角中心至所述点云网格的中心的距离大于第一预设距离的点云数据、所述视景体与窗口视图比例大于第二预设比例的点云网格包括的点云数据。

可选的，若所述当前视图为自由视图，则所述当前视图下可视区域以外的点云数据至少包括：

所述视景体以外区域的点云网格包括的点云数据、所述点云网格的中心到所述视点的距离大于第三距离的点云网格包括的点云数据、所述视点至所述视景体的中心的距离大于第二预设距离时全部的点云数据；所述第三距离为所述视景体的中心到所述视点的距离与预设参考距离的和。

可选的，所述对已加载的所述点云数据逐个进行渲染处理，包括：

利用顶点着色器和片段着色器对所述点云数据逐个进行渲染处理。

可选的，在得到所述待处理的点云数据的可视化展示结果之后，还包括：

当检测到所述视口的朝向和所述视点到所述视景体中的点云的距离发生变化时，重新获取所述点云数据的属性信息，得到新属性信息；

根据所述新属性信息确定所述点云数据对应的新视景体，并确定所述新视景体在所述点云数据对应的平面点云网格上的投影，得到所述点云数据对应的新视界；

获取所述新视界覆盖范围内的点云网格，得到第三点云网格集合；

将所述第三点云网格集合中新增的点云数据加载到所述内存中。

可选的，所述将所述第三点云网格集合中新增的点云数据加载到所述内存中，包括：

获取所述第一点云网格集合中的点云网格的第一网格编号，和所述第三点云网格集合中的点云网格的第三网格编号；

获取在所述第一网格编号中存在、而在所述第三网格编号中不存在的差异网格编号，获取在所述第一网格编号中不存在，而在所述第三网格编号中存在的新增网格编号，并获取在所述第一网格编号和所述第三网格编号中均存在的相同网格编号；

从已加载到所述内存中的点云数据中，删除所述差异网格编号对应的点云数据，保留所述相同网格编号对应的点云数据，并加载所述新增点云数据。

本发明第二方面提出一种点云数据的可视化处理装置，所述装置包括：

视界确定模块，用于根据待处理的点云数据的属性信息确定所述点云数据对应的视景体，并确定所述视景体在所述点云数据对应的平面点云网格上的投影，得到所述点云数据对应的视界；

第一点云网格集合获取模块，用于获取所述视界覆盖范围内的点云网格，得到第一点云网格集合；

同心圆环划分模块，用于将所述视界包含的区域划分为第一数量层同心圆环，所述同心圆环以所述视界的中心为圆心；

分层加载模块，用于基于计算机实时的帧率，确定各个所述第一点云网格当前能够加载的实际点云数量，并将所述实际点云数量的点云数据，按照所述同心圆环分层次依次加载到计算机的内存中；

渲染处理模块，用于对已加载的所述点云数据逐个进行渲染处理，得到所述待处理的点云数据的可视化展示结果。

可选的，所述分层加载模块具体用于：

确定当前待加载的目标同心圆环所在层对应的期望加载权重和与所述期望加载权重对应的多个候选加载权重；

分别获取所述目标同心圆环中包括的各个第二点云网格与所述视点之间的距离，得到目标距离；

获取各个所述第二点云网格中包括的点云数量，得到第二数量；

基于所述期望加载权重、所述候选加载权重、所述目标距离、所述第二数量以及所述计算机实时的帧率，确定所述计算机能够加载的所述第二点云网格中的实际点云数量。

可选的，所述分层加载模块进一步用于：

根据当前层的点云的总数量和所述候选加载权重，确定每个所述候选加载权重对应的点云的显示数量，得到多个候选加载数量；

根据所述计算机实时的加载速度确定加载所述候选加载数量个点云数据对应的候选耗时，得到多个候选耗时；

从所述多个候选耗时中选取小于所述计算机的刷新耗时的至少一个目标候选耗时；所述刷新耗时根据所述实时的帧率确定；

从所述至少一个目标候选耗时对应的目标候选加载权重中，插值得到当前的实际加载权重；

根据所述实际加载权重、所述目标距离和所述第二数量，确定所述计算机能够加载的所述第二点云网格中的实际点云数量。

可选的，所述分层加载模块进一步用于：

根据所述目标距离和距离系数，得到目标关系距离；

确定所述目标关系距离和所述实际加载权重的乘积；

取所述乘积和1两者中的较小值，得到增量期望；

根据所述第二数量和所述增量期望的乘积，得到所述计算机能够加载的所述第二点云网格中的实际点云数量。

可选的，所述分层加载模块进一步用于：

确定所述目标同心圆环中包括的各个第二点云网格的第二网格编号；

确定所述第二网格编号对应的目标索引信息，并按照所述目标索引信息从点云存储文件中获取所述实际点云数量的点云数据在所述点云存储文件中的目标位置；

将所述目标位置的点云数据加载到所述计算机的内存中。

可选的，所述视界确定模块具体用于：

从点云索引文件中获取待处理的点云数据的属性信息，所述属性信息包括所述点云数据对应的网格坐标系的原点坐标、点云网格边长、平面点云网格的最大编号、所述点云数据的最大Z轴坐标；

根据所述网格坐标系的原点坐标、所述点云网格边长、所述平面点云网格的最大编号、所述最大Z轴坐标和预设的视点的Z坐标的相对高度，确定所述点云数据的视点的初始坐标；

以所述视点的初始坐标作为坐标系原点，构建视点坐标系；

将所述视点坐标系下的X轴和Y轴方向的张角形成的视野窗口确定为视口；

将所述视点到所述视口的中心的连线向量的方向确定为视向；

将所述视点与所述视口在所述视向方向上构成的立体图形，确定为所述点云数据对应的视景体。

可选的，所述装置还包括：

剔除模块，用于对当前视图下可视区域以外的点云数据进行剔除。

可选的，若所述当前视图为正交视图，则所述当前视图下可视区域以外的点云数据至少包括：

所述视景体的奥卡托投影区域外的点云网格包括的点云数据、所述视景体与窗口视图比例大于第一预设比例且视角中心至所述点云网格的中心的距离大于第一预设距离的点云数据、所述视景体与窗口视图比例大于第二预设比例的点云网格包括的点云数据。

可选的，若所述当前视图为自由视图，则所述当前视图下可视区域以外的点云数据至少包括：

所述视景体以外区域的点云网格包括的点云数据、所述点云网格的中心到所述视点的距离大于第三距离的点云网格包括的点云数据、所述视点至所述视景体的中心的距离大于第二预设距离时全部的点云数据；所述第三距离为所述视景体的中心到所述视点的距离与预设参考距离的和。

可选的，所述渲染处理模块具体用于：

利用顶点着色器和片段着色器对所述点云数据逐个进行渲染处理。

可选的，所述装置还包括：

新属性信息获取模块，用于当检测到所述视口的朝向和所述视点到所述视景体中的点云的距离发生变化时，重新获取所述点云数据的属性信息，得到新属性信息；

新视界确定模块，用于根据所述新属性信息确定所述点云数据对应的新视景体，并确定所述新视景体在所述点云数据对应的平面点云网格上的投影，得到所述点云数据对应的新视界；

第三点云网格集合获取模块，用于获取所述新视界覆盖范围内的点云网格，得到第三点云网格集合；

新点云数据加载模块，用于将所述第三点云网格集合中新增的点云数据加载到所述内存中。

可选的，所述新点云数据加载模块具体用于：

获取所述第一点云网格集合中的点云网格的第一网格编号，和所述第三点云网格集合中的点云网格的第三网格编号；

获取在所述第一网格编号中存在、而在所述第三网格编号中不存在的差异网格编号，获取在所述第一网格编号中不存在，而在所述第三网格编号中存在的新增网格编号，并获取在所述第一网格编号和所述第三网格编号中均存在的相同网格编号；

从已加载到所述内存中的点云数据中，删除所述差异网格编号对应的点云数据，保留所述相同网格编号对应的点云数据，并加载所述新增点云数据。

本发明第三方面提出一种电子设备，所述电子设备包括处理器和存储器，所述存储器种存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面所述的点云数据的可视化处理方法。

本发明第四方面提出一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如第一方面所述的点云数据的可视化处理方法。

本发明实施例具有以下有益效果：

在本发明实施例中，根据待处理的点云数据的属性信息确定所述点云数据对应的视景体，并确定所述视景体在所述点云数据对应的平面点云网格上的投影，得到所述点云数据对应的视界；获取所述视界覆盖范围内的点云网格，得到第一点云网格集合；将所述视界包含的区域划分为第一数量层同心圆环，所述同心圆环以所述视界的中心为圆心；基于计算机实时的帧率，确定各个所述第一点云网格当前能够加载的实际点云数量，并将所述实际点云数量的点云数据，按照所述同心圆环分层次依次加载到计算机的内存中；对已加载的所述点云数据逐个进行渲染处理，得到所述待处理的点云数据的可视化展示结果。上述方案基于计算机实时的帧率，确定第一点云网格能够加载的实际点云数量，并且按照同心圆环分层次进行加载和渲染，可以保证在不超出计算机当前处理能力的情况下，安全的加载和渲染点云数据，不会出现延时、卡顿和运行崩溃现象，提高了点云数据的处理能力。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明的技术方案，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的介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，还能够根据这些附图获得其它附图。

图1为本发明实施例提供的第一种点云数据的可视化处理方法的步骤流程图；

图2为本发明实施例提供的点云网格的示意图；

图3为本发明实施例提供的视点坐标系下的视景体示意图；

图4为本发明实施例提供的P0坐标系下的点云网格、视景体和视界的示意图；

图5为本发明实施例提供的同心圆环的示意图；

图6为本发明实施例提供的确定视景体的方法的步骤流程图；

图7为本发明实施例提供的确定当前能够加载的实际点云数量的方法的步骤流程图；

图8为本发明实施例提供的目标距离的示意图；

图9为本发明实施例提供的第二种点云数据的可视化处理方法的步骤流程图；

图10为本发明实施例提供的一种点云数据的可视化处理装置的结构框图。

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。

本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或无创造性的劳动可以包括更多或者更少的操作步骤。在实际中的系统或服务器产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行（例如并行处理器或者多线程处理的环境）。

图1为本发明实施例提供的第一种点云数据的可视化处理方法的步骤流程图。该方法可以包括如下步骤：

步骤101、根据待处理的点云数据的属性信息确定所述点云数据对应的视景体，并确定所述视景体在所述点云数据对应的平面点云网格上的投影，得到所述点云数据对应的视界。

待处理的点云数据是指存储在点云存储文件中、待进行可视化处理的点云数据。点云存储文件对应有点云索引文件，点云索引文件用于指示点云存储文件中各个点云数据的存储位置，以及标示点云数据的各种属性信息。

点云数据以点云网格的形式存储，点云网格的划分方法可以为：首先确定点云数据的几何边界，根据几何边界得到覆盖点云数据的外包框，然后选取合适的第一边长，将第一边长作为正方形网格的边长，将外包框划分为多个点云网格，从而得到点云数据对应的多个点云网格，各个点云网格中存储有大量的点云数据。

从点云索引文件中获取点云数据的属性信息，通过属性信息可以确定相机所在的视点坐标，通过视点坐标得到视点坐标系，进而得到视点坐标系下X轴和Y轴坐标轴方向的张角形成的视野窗口，即视口，由视口进一步得到视向，进一步将由视点与视口在视向方向上构成的立体图形，确定为视景体。而视景体在平面点云网格上的投影为点云数据对应的视界。

图2为本发明实施例提供的点云网格的示意图。

参照图2，P0为边界基准点，由坐标系的X轴和Y轴围成覆盖所有点云数据的边界框。将边界框包含的区域按照第一边长划分为多个正方形网格，即得到图2中的多个点云网格。

图3为本发明实施例提供的视点坐标系下的视景体示意图。

参照图3，V为视点，在视点坐标系下X轴和Y轴坐标轴方向的张角和V的连线构成视野窗口ABCD，即视口。ABCD为圆形。视点V到ABCD圆的中心E的连线向量的方向为视向。根据视点V、视口ABCD和视向信息可以得到视景体V_ABCD。

图4为本发明实施例提供的P0坐标系下的点云网格、视景体和视界的示意图。

参照图4，P0为边界基准点，由坐标系的X轴和Y轴围成覆盖所有点云数据的边界框。视景体V_ABCD在平面点云网格上的投影为A’B’C’D’，即A’B’C’D’为点云数据对应的视界。在正交视图中，A’B’C’D’是圆形的，在自由视图中，A’B’C’D’是椭圆形的。

步骤102、获取所述视界覆盖范围内的点云网格，得到第一点云网格集合。

根据点云数据的坐标和视界的坐标范围，可以得到视界覆盖范围内的点云数据，进一步得到这些点云数据所属的点云网格，这些点云网格的集合组成第一点云网格集合。

步骤103、将所述视界包含的区域划分为第一数量层同心圆环，所述同心圆环以所述视界的中心为圆心。

视界包含的区域为圆形。具体地，在A’B’C’D’内创建第一数量层同心圆环，该同心圆环以视界的中心为圆心。

第一数量可以根据视界所包含的区域大小进行设置。例如，可以设置为10或30等。每一层同心圆环的半径或同心圆环的环宽可以根据点云数据的密度进行设置。

示例性地，将视界包含的区域划分为30层同心圆环。第一层同心圆环为半径为10米的圆形区域，第30层圆环外环为无限远区域，其他同心圆环的环宽均为30米。

图5为本发明实施例提供的同心圆环的示意图。

参照图5，视界被划分为7层同心圆环，每一层同心圆环均由s1所示的点云网格组成。在后续点云数据的加载和渲染过程中，将按照同心圆环分层次和梯度对各个同心圆环包含的点云网格内的点云数据进行处理。

步骤104、基于计算机实时的帧率，确定各个所述第一点云网格当前能够加载的实际点云数量，并将所述实际点云数量的点云数据，按照所述同心圆环分层次依次加载到计算机的内存中。

计算机的帧率，是指计算机显示器的刷新频率，帧率的单位为次/秒，即一秒内的画面刷新次数。帧率的倒数为计算机刷新一次所需要的耗时，即单次耗时。

计算机加载一批点云数据的耗时若小于单次耗时，则不会出现画面的卡顿现象。根据计算机当前性能，可得到计算机加载一个点云数据的耗时。因此，以单次耗时作为限制条件，可以得到计算机当前一次能加载的实际点云数量。

按照一次加载一个同心圆环的分层加载规则，则实际点云数量为当前待加载的同心圆环中可加载的点云数量。

按照当前同心圆环可加载的点云数量，分层次进行加载和渲染，可以保证在不超出计算机当前处理能力的情况下，安全的加载和渲染点云数据，不会出现延时、卡顿和运行崩溃现象，提高了点云数据的处理能力。

步骤105、对已加载的所述点云数据逐个进行渲染处理，得到所述待处理的点云数据的可视化展示结果。

在当前层次的同心圆环上的点云数据加载到计算机内存中之后，可以对新加载的点云数据进行逐个渲染处理，以得到可视化展示结果，供用户进行查看。

综上，在本发明实施例中，根据待处理的点云数据的属性信息确定所述点云数据对应的视景体，并确定所述视景体在所述点云数据对应的平面点云网格上的投影，得到所述点云数据对应的视界；获取所述视界覆盖范围内的点云网格，得到第一点云网格集合；将所述视界包含的区域划分为第一数量层同心圆环，所述同心圆环以所述视界的中心为圆心；基于计算机实时的帧率，确定各个所述第一点云网格当前能够加载的实际点云数量，并将所述实际点云数量的点云数据，按照所述同心圆环分层次依次加载到计算机的内存中；对已加载的所述点云数据逐个进行渲染处理，得到所述待处理的点云数据的可视化展示结果。上述方案基于计算机实时的帧率，确定第一点云网格能够加载的实际点云数量，并且按照同心圆环分层次进行加载和渲染，可以保证在不超出计算机当前处理能力的情况下，安全的加载和渲染点云数据，不会出现延时、卡顿和运行崩溃现象，提高了点云数据的处理能力。

图6为本发明实施例提供的确定视景体的方法的步骤流程图。该方法可以包括如下步骤：

步骤201、从点云索引文件中获取待处理的点云数据的属性信息，所述属性信息包括所述点云数据对应的网格坐标系的原点坐标、点云网格边长、平面点云网格的最大编号、所述点云数据的最大Z轴坐标。

点云索引文件中包括整个点云数据的索引信息和各个点云网格的索引信息，点云 数据的索引信息包括：网格坐标系的原点坐标

、点云网格边长h、点云数据在Z 轴上的最大坐标

、最大的网格编号

。

步骤202、根据所述网格坐标系的原点坐标、所述点云网格边长、所述平面点云网格的最大编号、所述最大Z轴坐标和预设的视点的Z坐标的相对高度，确定所述点云数据的视点的初始坐标。

具体地，视点V的初始坐标

的计算方法如下：

(1)

其中，

为网格坐标系的原点坐标P0、h为点云网格边长，

为平 面点云网格的最大编号，

为最大Z轴坐标，

为预设的视点的Z坐标的相对高度。

可 以根据人工经验设置，例如，

，

。

步骤203、以所述视点的初始坐标作为坐标系原点，构建视点坐标系。

将视点V的初始坐标

作为坐标系原点，根据自定义的X轴和Y轴方向 构建视点坐标系XVY。

如图3所示，XVY对应的坐标系为视点坐标系。

根据人工经验设置视口在视点V坐标系下的X轴和Y轴方向的长度分别为Lvx和Lvy（本专利中Lxv=Lvy）。视点V到ABCD圆的中心E的连线向量的方向称为视向，视向用V坐标系（X,Y,Z）坐标轴的旋转角度（roll,pitch,yaw）表示，初始视向设置为点云P0坐标系下沿着Z坐标轴的负方向。

步骤204、将所述视点坐标系下的X轴和Y轴方向的张角形成的视野窗口确定为视口。

步骤205、将所述视点到所述视口的中心的连线向量的方向确定为视向。

步骤206、将所述视点与所述视口在所述视向方向上构成的立体图形，确定为所述点云数据对应的视景体。

步骤204和步骤206可以参照图3。在图3中，V为视点，在视点坐标系下X轴和Y轴坐标轴方向的张角和V的连线构成视野窗口ABCD，即视口。ABCD为圆形。视点V到ABCD圆的中心E的连线向量的方向为视向。根据视点V、视口ABCD和视向信息可以得到视景体V_ABCD。

图7为本发明实施例提供的确定当前能够加载的实际点云数量的方法的步骤流程图。该方法可以包括如下步骤：

步骤301、确定当前待加载的目标同心圆环所在层对应的期望加载权重和与所述期望加载权重对应的多个候选加载权重。

根据近大远小的原理，接近于视点的同心圆环位于近处，其可显示的点云数据的密度可以设置的较大，而远离视点的同心圆环位于远处，其可显示的点云数据的密度可以设置的较小。

计算机在加载点云数据之后，对加载的点云数据进行显示。因此，可以预先设置每层同心圆环对应的期望加载权重，接近视点的同心圆环期望加载权重较大，而远离视点的同心圆环的期望加载权重较小。

期望加载权重是在假设计算机能够加载无限多个点云数据的前提下，然而实际情况下，计算机能够加载的点云数据的数量与计算机的内存和当前运行状况相关，因此，可以同时设置多个级别的候选加载权重，候选加载权重可以小于期望加载权重，也可以大于期望加载权重。根据计算机当前状况，利用候选加载权重，可以确定满足当前待加载的同心圆环最适合的加载权重。

示例性地，表1为本发明实施例提供的期望加载权重参数表。

表1 期望加载权重参数表

参照表1，同心圆环的层数为30层，min表示同心圆环的内圆距离视点的距离，max表示同心圆环的外圆距离视点的距离，quality表示期望加载权重，ModelCoeffs表示消耗系数的初始经验值。其中，消耗系数表示点云网格实际能够加载的点云数量与点云网格所包括的点云的总数量的商。

示例性地，表2为本发明实施例提供的多级别的候选加载权重表。

表2 多级别的候选加载权重参数表

参照表2，候选加载权重的级别分为5级，quality表示期望加载权重。其中，前3级候选加载权重比期望加载权重小，第4级与期望加载权重相同，第5级为期望加载权重的2倍。

目标同心圆环指当前待加载的同心圆环。假设目标同心圆环为第5层同心圆环，则根据表1得到目标期望加载权重为0.00625，其对应的五级的候选加载权重分别为：0.00625/20,0.00625/8,0.00625/2,0.00625,0.00625*2。

步骤302、分别获取所述目标同心圆环中包括的各个第二点云网格与所述视点之间的距离，得到目标距离。

目标同心圆环中包括多个点云网格，将这些点云网格称为第二点云网格。获取各个第二点云网格的中心和视点之间的距离，视点即同心圆环的圆心，得到多个目标距离。

图8为本发明实施例提供的目标距离的示意图。参照图8，Dist对应的长度表示点云网格中心与视点之间的目标距离。

步骤303、获取各个所述第二点云网格中包括的点云数量，得到第二数量。

点云网格的索引信息为[(m,n), N]，其中，(m,n)表示网格编号，N表示点云网格中的点云数量。因此，可以从点云网格的索引信息中获取各个第二点云网格中包括的点云数量，得到第二数量。

步骤304、基于所述期望加载权重、所述候选加载权重、所述目标距离、所述第二数量以及所述计算机实时的帧率，确定所述计算机能够加载的所述第二点云网格中的实际点云数量。

计算机加载一批点云数据的耗时若小于单次耗时，则不会出现画面的卡顿、延时现象。根据计算机当前性能，可得到计算机加载一个点云数据的耗时。因此，以单次耗时作为限制条件，可以得到计算机当前一次能加载的实际点云数量。

可以根据期望加载权重和第二数量得到期望的加载数量；以单次耗时为限制条件，得到计算机当前一次能加载的实际点云数量，根据实际点云数量反推对应的候选加载权重，

在一种可能的实施方式中，所述基于所述期望加载权重、所述候选加载权重、所述目标距离、所述第二数量以及计算机实时的帧率，确定所述计算机能够加载的所述第二点云网格中的实际点云数量，包括以下步骤3041-步骤3045：

步骤3041、根据当前层的点云的总数量和所述候选加载权重，确定每个所述候选加载权重对应的点云的显示数量，得到多个候选加载数量。

示例性地，对于第5层同心圆环，期望加载权重为0.00625，则候选加载权重分别为0.00625/20,0.00625/8,0.00625/2,0.00625,0.00625*2。

若第5层的点云总数量为10*105个,则候选加载数量分别为10*105*0.00625/20,10*105*0.00625/8,10*105*0.00625/2,10*105*0.00625,10*105*0.00625*2。

步骤3042、根据所述计算机实时的加载速度确定加载所述候选加载数量个点云数据对应的候选耗时，得到多个候选耗时。

根据计算机实时的加载速度可以得到加载一个点云所需要的耗时，假设该耗时为t，则加载候选加载数量个点云数据对应的候选耗时分别为：10*105*0.00625/20*t,10*105*0.00625/8*t,10*105*0.00625/2*t,10*105*0.00625*t,10*105*0.00625*2*t。

步骤3043、从所述多个候选耗时中选取小于所述计算机的刷新耗时的至少一个目标候选耗时；所述刷新耗时根据所述实时的帧率确定。

假设计算机的实时帧率为20次/秒，则计算机刷新一次的耗时为1/20秒。从上述5个候选耗时中选取小于1/20秒的候选耗时，得到至少一个目标候选耗时。

步骤3044、从所述至少一个目标候选耗时对应的目标候选加载权重中，插值得到当前的实际加载权重。

假设目标候选耗时对应的目标候选加载权重分别为0.00625/20,0.00625/8，则采用传统线性插值的方式计算0.00625/20,0.00625/8之间的实际加载权重，例如得到的实际加载权重为0.00625/15。

步骤3045、根据所述实际加载权重、所述目标距离和所述第二数量，确定所述计算机能够加载的所述第二点云网格中的实际点云数量。

根据近大远小的原则，将目标距离也作为考虑因素纳入实际点云数量的计算中。具体地，可以基于实际加载权重和目标距离的乘积与1两者中的较小值，得到增量期望，根据增量期望和第二数量得到实际点云数量。

在一种可能的实施方式中，所述所述根据所述实际加载权重、所述目标距离和所述第二数量，确定所述计算机能够加载的所述第二点云网格中的实际点云数量，包括步骤30451-步骤30454：

步骤30451、根据所述目标距离和距离系数，得到目标关系距离；

步骤30452、确定所述目标关系距离和所述实际加载权重的乘积；

步骤30453、取所述乘积和1两者中的较小值，得到增量期望；

步骤30454、根据所述第二数量和所述增量期望的乘积，得到所述计算机能够加载的所述第二点云网格中的实际点云数量。

步骤30451-步骤30454实际对应如下的式(2)、式(3)：

(2)

(3)

其中，Dist表示点云网格中心与视点之间的距离，即目标距离；

表示实际加载 权重，

表示

的1次方；

表示实际加载权重和

的1次方的乘积；

表示取1.0和上述乘积两者中的较 小值，Frac表示增量期望，pointsize表示点云网格中的点云数量，即第二数量；Inc表示计 算机能够加载的第二点云网格中的实际点云数量。

此外，可以根据最新的20组实际加载权重、增量期望来优化消耗系数，即优化期望加载权重和候选加载权重。具体地，采取队列管理的方式，保存最近20次的加载耗时和点云增量，用于进行消耗系数的优化。优化模型为“弱保守正则化”的原则。

在将当前的目标同心圆环中的点云数据全部加载完成后，可以将目标同心圆环中的点云数据置底，并等待下一个同心圆环中的点云数据的加载。

图9为本发明实施例提供的第二种点云数据的可视化处理方法的步骤流程图。该方法可以包括如下步骤：

步骤401、根据待处理的点云数据的属性信息确定所述点云数据对应的视景体，并确定所述视景体在所述点云数据对应的平面点云网格上的投影，得到所述点云数据对应的视界。

在本发明实施例中，步骤401可以参照步骤101，此处不再赘述。

步骤402、获取所述视界覆盖范围内的点云网格，得到第一点云网格集合。

在本发明实施例中，步骤402可以参照步骤102，此处不再赘述。

步骤403、将所述视界包含的区域划分为第一数量层同心圆环，所述同心圆环以所述视界的中心为圆心。

在本发明实施例中，步骤403可以参照步骤103，此处不再赘述。

步骤404、基于计算机实时的帧率，确定各个所述第一点云网格当前能够加载的实际点云数量。

在本发明实施例中，步骤404可以参照步骤104，此处不再赘述。

步骤405、确定所述目标同心圆环中包括的各个第二点云网格的第二网格编号。

目标同心圆环指当前待加载的圆环，目标同心圆环中包括的多个点云网格为第二点云网格，确定各个第二点云网格的网格编号，得到第二网格编号。

步骤406、确定所述第二网格编号对应的目标索引信息，并按照所述目标索引信息从点云存储文件中获取所述实际点云数量的点云数据在所述点云存储文件中的目标位置。

从点云索引文件中查找第二网格编号对应的索引信息，得到目标索引信息。目标索引信息为[(m,n), N]，其中，(m,n)表示第二网格编号，N表示第二点云网格中的点云数量。根据目标索引信息，在点云存储文件中找到每个第二点云网格对应的点云数据位置。

步骤407、将所述目标位置的点云数据加载到所述计算机的内存中。

从目标位置获取点云数据，并将该点云数据加载到计算机内存中。

步骤408、对当前视图下可视区域以外的点云数据进行剔除。

在将点云数据加载到内存中后，需要对内存中的点云数据进行渲染。

在每一次渲染前，随着漫游状态和其他渲染指令的变化，要根据相应原则将不需要渲染或需要更新渲染的数据节点进行剔除，从而避免不必要的渲染开销。具体地，可视区域以外的点云数据为不需要渲染的数据，可进行剔除。

在一种可能的实施方式中，若所述当前视图为正交视图，则所述当前视图下可视区域以外的点云数据至少包括：

所述视景体的奥卡托投影区域外的点云网格包括的点云数据、所述视景体与窗口视图比例大于第一预设比例且视角中心至所述点云网格的中心的距离大于第一预设距离的点云数据、所述视景体与窗口视图比例大于第二预设比例的点云网格包括的点云数据。

具体地，奥卡托投影是正轴等角圆柱投影。第一预设比例、第一预设距离、第二预设比例均可以根据点云数据的实际情况进行预设。

例如，第一预设比例可以为1/24，第一预设距离可以为50米，第二预设比例可以为1/6。这样，视景体与窗口视图比例大于1/24且视角中心至所述点云网格的中心的距离大于50米的点云数据需要被剔除，视景体与窗口视图比例大于1/6的点云网格包括的点云数据需要被剔除。

在一种可能的实施方式中，若所述当前视图为自由视图，则所述当前视图下可视区域以外的点云数据至少包括：

所述视景体以外区域的点云网格包括的点云数据、所述点云网格的中心到所述视点的距离大于第三距离的点云网格包括的点云数据、所述视点至所述视景体的中心的距离大于第二预设距离时全部的点云数据；所述第三距离为所述视景体的中心到所述视点的距离与预设参考距离的和。

具体地，自由视图是指正交视图以外的其他任意视图。第二预设距离可以设置为50米。

此外，无论是正交视图还是自由视图，在触发更新渲染指令时需要剔除所有第二点云网格中包括的点云数据。

步骤409、利用顶点着色器和片段着色器对所述点云数据逐个进行渲染处理，得到所述待处理的点云数据的可视化展示结果。

点云渲染利用了顶点着色器和片段着色器来对点云进行逐点的渲染处理，具体包括以下几个步骤：

（1）顶点着色器的处理：顶点着色器中通过对点云信息的判断，对点云顶点的相关属性进行修改，并将三维点云坐标转换为NDC坐标（标准化设备坐标），以供后续处理。

（2）片段着色器的处理：片段着色器接收经过图元装配和光栅化后的光栅片段，并赋予片段颜色值。

（3）测试混合与显示：最后进行深度测试、模板测试、混合等渲染操作，得到最终片段的颜色值，并完成显示。

其中，顶点着色器和片段着色器的处理操作如表3所示。

表3 顶点着色器和片段着色器处理操作表

步骤410、当检测到所述视口的朝向和所述视点到所述视景体中的点云的距离发生变化时，重新获取所述点云数据的属性信息，得到新属性信息。

步骤411、根据所述新属性信息确定所述点云数据对应的新视景体，并确定所述新视景体在所述点云数据对应的平面点云网格上的投影，得到所述点云数据对应的新视界。

步骤412、获取所述新视界覆盖范围内的点云网格，得到第三点云网格集合。

步骤413、将所述第三点云网格集合中新增的点云数据加载到所述内存中。

在步骤410-步骤413中，当通过计算机外部设备，如鼠标、键盘等改变视口的朝向和视点到点云的距离时，会重新执行步骤201-步骤205。即获取点云数据新的属性信息，根据新属性信息可以得到点云数据对应的新视景体，同时得到新视界。根据新视界确定视界覆盖范围内的点云网格，得到第三点云网格集合。第三点云网格集合与视口变化前的第一点云网格集合的数据有重合，可以直接将第三点云网格集合中新增的点云数据加载到内存中即可。

在一种可能的实施方式中，所述将所述第三点云网格集合中新增的点云数据加载到所述内存中，包括步骤4131-步骤4133：

步骤4131、获取所述第一点云网格集合中的点云网格的第一网格编号，和所述第三点云网格集合中的点云网格的第三网格编号；

步骤4132、获取在所述第一网格编号中存在、而在所述第三网格编号中不存在的差异网格编号，获取在所述第一网格编号中不存在，而在所述第三网格编号中存在的新增网格编号，并获取在所述第一网格编号和所述第三网格编号中均存在的相同网格编号；

步骤4133、从已加载到所述内存中的点云数据中，删除所述差异网格编号对应的点云数据，保留所述相同网格编号对应的点云数据，并加载所述新增点云数据。

在步骤4131-步骤4133中，对比第三点云网格集合和第一点云网格集合中的网格编号，在计算机内存中点云数据单元中删除在第一点云网格集合中存在而第三点云网格集合中不存在的网格和其中的点云数据；保留第一点云网格集合和第三点云网格集合中都存在的网格和其中的点云数据；新增加载第一点云网格集合中不存在而第三点云网格集合中存在的网格和其中的点云数据，从而实现计算机内存中点云数据单元的更新，此后用渲染引擎进行渲染可视化即可得到当前视口对应的可视化结果。

图10为本发明实施例提供的一种点云数据的存储处理装置的结构框图。该装置500包括：

视界确定模块501，用于根据待处理的点云数据的属性信息确定所述点云数据对应的视景体，并确定所述视景体在所述点云数据对应的平面点云网格上的投影，得到所述点云数据对应的视界；

第一点云网格集合获取模块502，用于获取所述视界覆盖范围内的点云网格，得到第一点云网格集合；

同心圆环划分模块503，用于将所述视界包含的区域划分为第一数量层同心圆环，所述同心圆环以所述视界的中心为圆心；

分层加载模块504，用于基于计算机实时的帧率，确定各个所述第一点云网格当前能够加载的实际点云数量，并将所述实际点云数量的点云数据，按照所述同心圆环分层次依次加载到计算机的内存中；

渲染处理模块505，用于对已加载的所述点云数据逐个进行渲染处理，得到所述待处理的点云数据的可视化展示结果。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本发明提供的又一实施例中，还提供了一种设备，所述设备包括处理器和存储器，所述存储器种存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现本发明实施例中所述的点云数据的可视化处理方法。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现本发明实施例中所述的点云数据的可视化处理方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质（例如固态硬盘Solid State Disk (SSD)）等。

需要说明的是，在本文中，诸如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。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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，均包含在本发明的保护范围内。

Claims (15)

1.一种点云数据的可视化处理方法，其特征在于，所述方法包括：

根据待处理的点云数据的属性信息确定所述点云数据对应的视景体，并确定所述视景体在所述点云数据对应的平面点云网格上的投影，得到所述点云数据对应的视界；

获取所述视界覆盖范围内的点云网格，得到第一点云网格集合；

将所述视界包含的区域划分为第一数量层同心圆环，所述同心圆环以所述视界的中心为圆心；所述第一数量根据所述视界包含的区域大小确定，每一层所述同心圆环的半径根据所述点云数据的密度确定；

基于计算机实时的帧率，确定各个所述第一点云网格当前能够加载的实际点云数量，并将所述实际点云数量的点云数据，按照所述同心圆环分层次依次加载到计算机的内存中；

对已加载的所述点云数据逐个进行渲染处理，得到所述待处理的点云数据的可视化展示结果；

其中，所述视景体为相机所在的视点坐标与视口在视向方向上构成的立体图形；所述视点坐标根据所述属性信息确定，所述视口由视点坐标系下的X轴和Y轴方向的张角形成，所述视向为所述视点到所述视口的中心的连线向量的方向。

2.根据权利要求1所述的方法，其特征在于，所述确定各个所述第一点云网格当前能够加载的实际点云数量，包括：

确定当前待加载的目标同心圆环所在层对应的期望加载权重和与所述期望加载权重对应的多个候选加载权重；

分别获取所述目标同心圆环中包括的各个第二点云网格与视点之间的距离，得到目标距离；

获取各个所述第二点云网格中包括的点云数量，得到第二数量；

基于所述期望加载权重、所述候选加载权重、所述目标距离、所述第二数量以及所述计算机实时的帧率，确定所述计算机能够加载的所述第二点云网格中的实际点云数量。

3.根据权利要求2所述的方法，其特征在于，所述基于所述期望加载权重、所述候选加载权重、所述目标距离、所述第二数量以及所述计算机实时的帧率，确定所述计算机能够加载的所述第二点云网格中的实际点云数量，包括：

根据当前层的点云的总数量和所述候选加载权重，确定每个所述候选加载权重对应的点云的显示数量，得到多个候选加载数量；

根据所述计算机实时的加载速度确定加载所述候选加载数量个点云数据对应的候选耗时，得到多个候选耗时；

从所述多个候选耗时中选取小于所述计算机的刷新耗时的至少一个目标候选耗时；所述刷新耗时根据所述实时的帧率确定；

从所述至少一个目标候选耗时对应的目标候选加载权重中，插值得到当前的实际加载权重；

根据所述实际加载权重、所述目标距离和所述第二数量，确定所述计算机能够加载的所述第二点云网格中的实际点云数量。

4.根据权利要求3所述的方法，其特征在于，所述根据所述实际加载权重、所述目标距离和所述第二数量，确定所述计算机能够加载的所述第二点云网格中的实际点云数量，包括：

根据所述目标距离和距离系数，得到目标关系距离；

确定所述目标关系距离和所述实际加载权重的乘积；

取所述乘积和1两者中的较小值，得到增量期望；

根据所述第二数量和所述增量期望的乘积，得到所述计算机能够加载的所述第二点云网格中的实际点云数量。

5.根据权利要求2所述的方法，其特征在于，所述将所述实际点云数量的点云数据，按照所述同心圆环分层次依次加载到计算机的内存中，包括：

确定所述目标同心圆环中包括的各个第二点云网格的第二网格编号；

确定所述第二网格编号对应的目标索引信息，并按照所述目标索引信息从点云存储文件中获取所述实际点云数量的点云数据在所述点云存储文件中的目标位置；

将所述目标位置的点云数据加载到所述计算机的内存中。

6.根据权利要求2所述的方法，其特征在于，所述根据待处理的点云数据的属性信息确定所述点云数据对应的视景体，包括：

从点云索引文件中获取待处理的点云数据的属性信息，所述属性信息包括所述点云数据对应的网格坐标系的原点坐标、点云网格边长、平面点云网格的最大编号、所述点云数据的最大Z轴坐标；

根据所述网格坐标系的原点坐标、所述点云网格边长、所述平面点云网格的最大编号、所述最大Z轴坐标和预设的视点的Z坐标的相对高度，确定所述点云数据的视点的初始坐标；

以所述视点的初始坐标作为坐标系原点，构建视点坐标系；

将所述视点坐标系下的X轴和Y轴方向的张角形成的视野窗口确定为视口；

将所述视点到所述视口的中心的连线向量的方向确定为视向；

将所述视点与所述视口在所述视向方向上构成的立体图形，确定为所述点云数据对应的视景体。

7.根据权利要求2所述的方法，其特征在于，在对已加载的所述点云数据逐个进行渲染处理之前，还包括：

对当前视图下可视区域以外的点云数据进行剔除。

8.根据权利要求7所述的方法，其特征在于，若所述当前视图为正交视图，则所述当前视图下可视区域以外的点云数据至少包括：

所述视景体的奥卡托投影区域外的点云网格包括的点云数据、所述视景体与窗口视图比例大于第一预设比例且视角中心至所述点云网格的中心的距离大于第一预设距离的点云数据、所述视景体与窗口视图比例大于第二预设比例的点云网格包括的点云数据。

9.根据权利要求7所述的方法，其特征在于，若所述当前视图为自由视图，则所述当前视图下可视区域以外的点云数据至少包括：

所述视景体以外区域的点云网格包括的点云数据、所述点云网格的中心到所述视点的距离大于第三距离的点云网格包括的点云数据、所述视点至所述视景体的中心的距离大于第二预设距离时全部的点云数据；所述第三距离为所述视景体的中心到所述视点的距离与预设参考距离的和。

10.根据权利要求1所述的方法，其特征在于，所述对已加载的所述点云数据逐个进行渲染处理，包括：

利用顶点着色器和片段着色器对所述点云数据逐个进行渲染处理。

11.根据权利要求6所述的方法，其特征在于，在得到所述待处理的点云数据的可视化展示结果之后，还包括：

当检测到所述视口的朝向和所述视点到所述视景体中的点云的距离发生变化时，重新获取所述点云数据的属性信息，得到新属性信息；

根据所述新属性信息确定所述点云数据对应的新视景体，并确定所述新视景体在所述点云数据对应的平面点云网格上的投影，得到所述点云数据对应的新视界；

获取所述新视界覆盖范围内的点云网格，得到第三点云网格集合；

将所述第三点云网格集合中新增的点云数据加载到所述内存中。

12.根据权利要求11所述的方法，其特征在于，所述将所述第三点云网格集合中新增的点云数据加载到所述内存中，包括：

获取所述第一点云网格集合中的点云网格的第一网格编号，和所述第三点云网格集合中的点云网格的第三网格编号；

获取在所述第一网格编号中存在、而在所述第三网格编号中不存在的差异网格编号，获取在所述第一网格编号中不存在，而在所述第三网格编号中存在的新增网格编号，并获取在所述第一网格编号和所述第三网格编号中均存在的相同网格编号；

从已加载到所述内存中的点云数据中，删除所述差异网格编号对应的点云数据，保留所述相同网格编号对应的点云数据，并加载所述新增的点云数据。

13.一种点云数据的可视化处理装置，其特征在于，所述装置包括：

视界确定模块，用于根据待处理的点云数据的属性信息确定所述点云数据对应的视景体，并确定所述视景体在所述点云数据对应的平面点云网格上的投影，得到所述点云数据对应的视界；

第一点云网格集合获取模块，用于获取所述视界覆盖范围内的点云网格，得到第一点云网格集合；

同心圆环划分模块，用于将所述视界包含的区域划分为第一数量层同心圆环，所述同心圆环以所述视界的中心为圆心；所述第一数量根据所述视界包含的区域大小确定，每一层所述同心圆环的半径根据所述点云数据的密度确定；

分层加载模块，用于基于计算机实时的帧率，确定各个所述第一点云网格当前能够加载的实际点云数量，并将所述实际点云数量的点云数据，按照所述同心圆环分层次依次加载到计算机的内存中；

渲染处理模块，用于对已加载的所述点云数据逐个进行渲染处理，得到所述待处理的点云数据的可视化展示结果；

其中，所述视景体为相机所在的视点坐标与视口在视向方向上构成的立体图形；所述视点坐标根据所述属性信息确定，所述视口由视点坐标系下的X轴和Y轴方向的张角形成，所述视向为所述视点到所述视口的中心的连线向量的方向。

14.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1-12任一项所述的点云数据的可视化处理方法。

15.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-12任一项所述的点云数据的可视化处理方法。

Images