CN117009411A - 一种基于点云数据网格化空间存储与索引方法、装置及计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种基于点云数据网格化空间存储与索引方法、装置及计算机可读存储介质，涉及数据处理的技术领域，该方法包括以下步骤：第一步：获取存储的历史激光雷达数据，基于所述历史激光雷达数据获取海量的点云数据；第二步：对海量所述点云数据进行网格化存储，并构建网格化的四叉树模型，定位投影网格范围；第三步：构建激光点云分区，并构建激光点云分区局部索引。通过本发明的方法，可进行海量点云数据高效存储和读取，利用激光点云技术对输电线路走廊进行快速调查流程，实现与电力行业业务系统、专业应用间的无缝集成。

Description

一种基于点云数据网格化空间存储与索引方法、装置及计算 机可读存储介质

技术领域

本发明涉及数据处理的技术领域，尤其涉及一种基于点云数据网格化空间存储与索引方法、装置及计算机可读存储介质。

背景技术

点云数据(Point Cloud Data)是三维(或三维以上)几何模型表面采样点的集合，是分散在三维空间中的离散点集。每一个点都包含该点的三维坐标信息以及其它属性信息，但不包含任何拓扑信息。点云之间相互独立，可根据调用规则，组合成任意形状的几何模型，不需要受曲面连续性的约束。型地形影像采集方式能获取高精度地形影像高程信息的同时，也能直接获取地物的高精度三维空间信息。结合电力行业的实际应用，激光点云的数据处理仍存在问题与挑战。

在激光雷达点云数据中，可能包含海量的点，要获取到某个区域内的点的空间关系，直观上来讲，需要对这些海量的点逐个遍历，但是这无疑会耗费大量时间，点云数据网格化空间存储，可以将点云中的点以一定的方式存储，给每个点赋值一个区域索引，方便在查找获取空间关系的过程中，可以通过索引快速的得到点云中点的空间关系和信息，极大的缩短了查询时间，减少了查询耗费的资源。同时也可以满足快速显示，降低对硬件的需求。

发明内容

本部分的目的是在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述背景技术描述中存在的问题，提出了本发明，因此，本发明目的是提供一种基于点云数据网格化空间存储与索引方法、装置及计算机可读存储介质。

为解决上述技术问题，本发明采用的技术方案是：一种基于点云数据网格化空间存储与索引方法，其特征在于：包括以下步骤；

第一步：获取存储的历史激光雷达数据，基于所述历史激光雷达数据获取海量的点云数据；

第二步：对海量的所述点云数据进行网格化存储，并构建网格化的四叉树模型，定位投影网格范围；

第三步：构建激光点云分区，并构建激光点云分区局部索引。

进一步的，在所述第二步中，所述点云数据进行网格化的操作是首先统计点云数据的x、y、z坐标值的最大值与最小值，根据划分的格网大小L确定格网的行号、列号、层号，对于每个点P(x，y，z)，依据其x、y、z坐标将该点划入到相应的格网。

进一步的，根据激光点云密度和单条点云数据占用的存储空间大小，确定网格大小，根据激光点云覆盖范围和网格大小L，计算各所述激光点云分区的覆盖范围，实现对应激光点云分区的快速划分。

进一步的，在定位投影网格范围时，需将扫描点云投影到XY的网格平面中，通过统计网格平面中的极差，判断网格中的点是否为剔除物点。

进一步的，在网格化存储之前，通过筛选算法对获取的海量的点云数据进行筛选，得到可用于网格化存储的合格点云数据。

与现有技术相比，本发明具有的优点和积极效果如下：开展海量点云数据高效存储、读取研究，探索如何利用激光点云技术对输电线路走廊进行快速调查流程与方法，实现与电力行业业务系统、专业应用间的无缝集成，进一步利用高精度数据。

进一步的，在所述第三步中，在四叉树模型的节点内嵌套网格标识，基于四叉树构建激光点云分区局部索引。

进一步的，采用四叉树对激光点云分区中的激光点进行二维剖分，对二维剖分得到的四叉树网格进行一维排序，然后对排序后的四叉树网格构建R树，完成激光点云分区的局部索引构建，并将激光点云分区的激光点数据和局部索引序列进行保存；其中R树是用于以有效方式存储空间数据索引的树数据结构，R树由单个根、内部节点和叶节点组成，根包含指向空间域中最大区域的指针；父节点包含指向其子节点的指针，其中子节点的区域与父节点的区域完全重叠；叶节点包含有关当前对象的最小外接矩形数据，R树常用作高维空间数据的索引结构，用以加快空间数据的查询。

本发明还提供一种基于点云数据网格化空间存储与索引装置，可执行基于点云数据网格化空间存储与索引方法。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时以执行基于点云数据网格化空间存储与索引方法。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的限定。

在附图中：

图1为本发明提供的基于点云数据网格化空间存储与索引方法的流程图；

图2为对点云进行空间网格化存储后的效果示意图；

图3为网格结构图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明的具体实施例做详细说明。

参照图1至图3，本实施例提供一种基于点云数据网格化空间存储与索引方法，包括以下步骤；

第一步：获取存储的历史激光雷达数据，基于所述历史激光雷达数据获取海量的点云数据；

第二步：对海量的所述点云数据进行网格化存储，并构建网格化的四叉树模型，定位投影网格范围；

具体的，四叉树是一种数据结构，每个节点最多有4个子树的数据结构，通常用来在数据库中放置和定位文件，二维碰撞检测等功能。这一算法通过不停的把要查找的记录分成4部分进行匹配查找直到仅剩一条记录为止。四叉树每个节点都可以分成4个子节点，每个节点都有一个最大的点容量，当节点里面的点云点个数大于最大容量时，这个节点会被分为4个子节点，本节点的点云点数据也会传导到4个子节点中。

第三步：构建激光点云分区，在四叉树模型的节点内嵌套网格标识，基于四叉树构建激光点云分区局部索引。

进一步的，采用四叉树对激光点云分区中的激光点进行二维剖分，对二维剖分得到的四叉树网格进行一维排序，然后对排序后的四叉树网格构建R树，完成激光点云分区的局部索引构建，并将激光点云分区的激光点数据和局部索引序列进行保存。

具体的，设置R树节点的子节点数值N，计算整个激光点云的MBR，根据长边在哪个坐标轴方向，确定点云的大致走向，并将各激光点云分区的根节点为叶子节点构建索引。其中R树是用于以有效方式存储空间数据索引的树数据结构。R树由单个根、内部节点和叶节点组成。根包含指向空间域中最大区域的指针；父节点包含指向其子节点的指针，其中子节点的区域与父节点的区域完全重叠；叶节点包含有关当前对象的最小外接矩形数据。R树常用作高维空间数据的索引结构，用以加快空间数据的查询。参照图2，图层包含16个点云点，将整个空间分成4个节点，每个节点的最大点云点容量是3，那么初始状态下，整个区域被分成了4个节点，01，02，03，04。

02，03，04的目前包含的点云点容量都只有3个，没有超过最大容量限制。则无需再细分，由于01中包含了7个点，大于最大容量，则还要将01细分，01细分成011，012，013，014后，每个节点包含的点云点都不大于3.则无需再细分。最终生成的节点结构图如图3所示。

假如我们要查询在绿色圆范围内的点，则只需要先大概获取到03，013，014三个节点所包含的点云点，然后再对这三个节点包含的所有点云点逐个进行判断，011，012，02，04里面的点就不需要参与判断，缩小了查询范围，节约了大量时间。

本实施例中，在网格化存储之前，通过筛选算法对获取的海量的点云数据进行筛选(如噪声或滤波处理)，得到可用于网格化存储的合格点云数据。

具体的，点云进行网格化一般采用以下方法：插值法，即重建的曲面都是通过原始的数据点得到的；逼近法，用分片线性曲面或其他曲面来逼近原始数据点，得到的重建曲面是原始点集的一个逼近。

在第二步中，点云数据进行网格化的操作是首先统计点云数据的x、y、z坐标值的最大值与最小值，根据划分的格网大小L确定格网的行号、列号、层号，对于每个点P(x，y，z)，依据其x、y、z坐标将该点划入到相应的格网。

进一步的，根据激光点云密度和单条点云数据占用的存储空间大小，确定网格大小L，根据激光点云覆盖范围和网格大小，计算各所述激光点云分区的覆盖范围，实现对应激光点云分区的快速划分。

具体的，根据激光点云密度和单条点云数据占用的存储空间大小，确定虚拟网格大小，保证单个HDFS文件块可以存储虚拟网格范围内的激光点云数据和对应的局部索引信息；根据激光点云覆盖范围和虚拟网格大小，计算各激光点云分区的覆盖范围，利用激光点云的平面坐标，实现其对应激光点云分区的快速划分。

其中，在定位投影网格范围时，需将扫描点云投影到XY的网格平面中，通过统计网格平面中的极差，判断网格中的点是否为剔除物点。

本实施例中，在网格化存储之前，通过筛选算法对获取的海量的点云数据进行筛选(如噪声或滤波处理)，得到可用于网格化存储的合格点云数据。

本实施例还提供一种基于点云数据网格化空间存储与索引装置，可执行前述实施例的方法。

本实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时以执行前述实施例的方法。

上述计算机程序可以存储在一个计算机可读取存储介质中。上述存储在一个存储介质中，包括若干指令用于使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)或处理器(英文：processor)执行本发明各个实施例方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种基于点云数据网格化空间存储与索引方法，其特征在于：包括以下步骤；

第一步：获取存储的历史激光雷达数据，基于所述历史激光雷达数据获取海量的点云数据；

第二步：对海量的所述点云数据进行网格化存储，并构建网格化的四叉树模型，定位投影网格范围；

第三步：构建激光点云分区，并构建激光点云分区局部索引。

2.根据权利要求1所述的一种基于点云数据网格化空间存储与索引方法，其特征在于：在所述第二步中，所述点云数据进行网格化的操作是首先统计点云数据的x、y、z坐标值的最大值与最小值，根据划分的格网大小L确定格网的行号、列号、层号，对于每个点P(x，y，z)，依据其x、y、z坐标将该点划入到相应的格网。

3.根据权利要求2所述的一种基于点云数据网格化空间存储与索引方法，其特征在于：根据激光点云密度和单条点云数据占用的存储空间大小，确定网格大小L，根据激光点云覆盖范围和网格大小，计算各所述激光点云分区的覆盖范围，实现对应激光点云分区的快速划分。

4.根据权利要求1所述的一种基于点云数据网格化空间存储与索引方法，其特征在于：在定位投影网格范围时，需将扫描点云投影到XY的网格平面中，通过统计网格平面中的极差，判断网格中的点是否为剔除物点。

5.根据权利要求1所述的一种基于点云数据网格化空间存储与索引方法，其特征在于：在网格化存储之前，通过筛选算法对获取的海量的点云数据进行筛选，得到可用于网格化存储的合格点云数据。

6.根据权利要求1所述的一种基于点云数据网格化空间存储与索引方法，其特征在于：在所述第三步中，在四叉树模型的节点内嵌套网格标识，基于四叉树构建激光点云分区局部索引。

7.根据权利要求6所述的一种基于点云数据网格化空间存储与索引方法，其特征在于：采用四叉树对激光点云分区中的激光点进行二维剖分，对二维剖分得到的四叉树网格进行一维排序，然后对排序后的四叉树网格构建R树，完成激光点云分区的局部索引构建，并将激光点云分区的激光点数据和局部索引序列进行保存；其中R树是用于以有效方式存储空间数据索引的树数据结构，R树由单个根、内部节点和叶节点组成，根包含指向空间域中最大区域的指针；父节点包含指向其子节点的指针，其中子节点的区域与父节点的区域完全重叠；叶节点包含有关当前对象的最小外接矩形数据，R树常用作高维空间数据的索引结构，用以加快空间数据的查询。

8.一种基于点云数据网格化空间存储与索引装置，其特征在于：可执行权利要求1-7任一项所述的方法。

9.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时以执行权利要求1-7中任一项所述的方法。