机载高密度激光点云的压缩方法、存储设备及激光雷达技术

本发明专利技术公开了机载高密度激光点云的压缩方法、存储设备及激光雷达，通过预设的索引方式将离散分布的点云数据建立空间索引；通过离散曲面的相关理论获取特定区域点云的空间分布特性，计算激光点云的局部曲面特征；根据具体应用所需的数据特征，提取并保留包含所述数据特征的一定数量的点云作为全局特征；在普遍适用的离散数据下采样算法中筛出匹配应用需求的压缩算法并改进，使其应用于密集点云数据的压缩；通过点云压缩算法评估，指导压缩算法的选择与设计。本发明专利技术通过采用高效的层次分割算法，使用保留边界点的策略对大量密集点云进行快速压缩，实现了保持地形特征的高密度三维激光点云数据的快速高效压缩。

Compression method, storage device and laser radar for airborne high density laser point cloud

The invention discloses a compression method, high density Airborne LIDAR point cloud storage equipment and laser radar, the point cloud data is discrete distribution of spatial index by index preset; to obtain the specific regional spatial distribution characteristics of point cloud through the relevant theory of discrete surfaces, calculating the local surface characteristics of laser point cloud based on the data; the characteristics required for the specific application, extraction and retention of a certain number of data including the characteristics of the point cloud as a global feature; in the discrete data generally applicable under sampling algorithm in sift compression algorithm and improve the matching application requirements, compression makes its application in dense point cloud data through the point cloud compression algorithm; evaluation selection and design of instruction compression algorithm. The invention adopts efficient hierarchical segmentation algorithm, using the strategy of preservation of boundary points dense point cloud fast compression, realize high density 3D laser point cloud data to maintain topographic characteristics of the fast and efficient compression.

【技术实现步骤摘要】
机载高密度激光点云的压缩方法、存储设备及激光雷达
本专利技术涉及机载激光点云数据处理
，具体涉及一种机载高密度激光点云的压缩方法、存储设备及激光雷达。
技术介绍
随着激光雷达技术的发展，其获取的点云数据密度越来越大。机载激光雷达（LiDAR）是一种主动式对地观测系统，它集成激光测距技术、计算机技术、惯性测量单元(IMU)/DGPS差分定位技术于一体，该技术在三维空间信息的实时获取方面产生了重大突破，为获取高时空分辨率地球空间信息提供了一种全新的技术手段，具有自动化程度高、受天气影响小、数据生产周期短、精度高等特点。但随着硬件获取技术的不断更新，采样点的精度不断提高（已经可以达到亚毫米级），采样点数据量也急剧增大，使用这些数据点来进行曲面重建及后续处理工作将会消耗大量的时间和空间。因此，在确保能为一定精度要求的模型重建提供必需信息的前提下，简化原始的点云数据变得十分必要。点云数据是由物体表面三维采样点组成的点的集合，这种数据在空间上没有任何可用的拓扑信息，而对点云数据的各种处理一般都建立在数据点间的相互关系之上，所以在进行点云数据处理前都需要通过如空间栅格、八叉树、KD树等方法，本文档来自技高网...

【技术保护点】
一种机载高密度激光点云的压缩方法，其特征在于，包括以下步骤：步骤A：通过预设的索引方式将离散分布的点云数据建立空间索引，用于快速访问与三维点或二维点的邻域点集；步骤B：通过离散曲面的相关理论获取特定区域点云的空间分布特性，计算激光点云的局部曲面特征，用于判断所述特定区域内的点云数据是否需要进一步压缩；步骤C：根据具体应用所需的数据特征，提取并保留包含所述数据特征的一定数量的点云作为全局特征，所述全局特征用于先验知识输入和作为重要信息的原始数据进行保留；步骤D：在普遍适用的离散数据下采样算法中筛出匹配应用需求的压缩算法并改进，使其应用于密集点云数据的压缩；步骤E：通过点云压缩算法评估，分析压缩算...

【技术特征摘要】
1.一种机载高密度激光点云的压缩方法，其特征在于，包括以下步骤：步骤A：通过预设的索引方式将离散分布的点云数据建立空间索引，用于快速访问与三维点或二维点的邻域点集；步骤B：通过离散曲面的相关理论获取特定区域点云的空间分布特性，计算激光点云的局部曲面特征，用于判断所述特定区域内的点云数据是否需要进一步压缩；步骤C：根据具体应用所需的数据特征，提取并保留包含所述数据特征的一定数量的点云作为全局特征，所述全局特征用于先验知识输入和作为重要信息的原始数据进行保留；步骤D：在普遍适用的离散数据下采样算法中筛出匹配应用需求的压缩算法并改进，使其应用于密集点云数据的压缩；步骤E：通过点云压缩算法评估，分析压缩算法的数据量、压缩率、执行速率和精度损失的关系评估算法的效率，指导压缩算法的选择与设计。2.根据权利要求1所述的机载高密度激光点云的压缩方法，其特征在于，所述预设的索引方式包括：规则格网索引、KD树空间索引、R树空间索引。3.根据权利要求2所述的机载高密度激光点云的压缩方法，其特征在于，所述步骤A具体包括：步骤A1：预先判断点云数据大小和坐标范围；步骤A2：将点云数据规则地分割成多个子块，避免一次性处理过大的数据量；步骤A3：通过规则格网、KD树空间索引，R树空间索引为点云建立空间索引，实现点云k邻域的快速获取；步骤A4：进行点云的空间插值快速获取二维空间中的最邻近点。4.根据权利要求1所述的机载高密度激光点云的压缩方法，其特征在于，所述步骤B中的局部曲面特征包括：局部点密度，用于表示特定区域内采样点分布的密集程度；局部表面曲率和法向量，用于表示局部表面的变化程度和变化方向，通过点集的特征值和特征向量获得；局部离散程度或误差，用于表示采样点分布的一致程度，通过最小二乘拟合获取。5.根据权利要求4所述的机载高密度激光点云的压缩方法，其特征在于，全局特征保留的存在形式包括：事先提取地形特征...

【专利技术属性】
技术研发人员：王双龙，宋军，杨啸宇，朱家松，汪驰升，
申请(专利权)人：深圳市建设综合勘察设计院有限公司，
类型：发明
国别省市：广东,44