一种改进八叉树和自适应读取的大规模点云可视化方法技术

本发明专利技术公开了一种改进八叉树和自适应读取的大规模点云可视化方法，包括：步骤1，通过改进的基于OBB外包围盒的八叉树结构来建立点云空间索引；步骤2，对基于改进八叉树的空间索引结构构建LOD图形加速可视化模型；步骤3，基于视锥体和LOD模型的可视化点云节点的选择调度；步骤4，使用多线程与二级缓存方法将选择的点云节点进行快速读取和可视化渲染。本发明专利技术解决了现有技术中大规模点云可视化的数据载入慢、渲染效率低和运行硬件要求高的问题。渲染效率低和运行硬件要求高的问题。渲染效率低和运行硬件要求高的问题。

【技术实现步骤摘要】
一种改进八叉树和自适应读取的大规模点云可视化方法


[0001]本专利技术属于三维数据可视化领域
，具体涉及一种改进八叉树和自适应读取的大规模点云可视化方法。

技术介绍

[0002]随着激光雷达和各类三维数据扫描仪在各个应用领域的不断应用，同时三维点云的数据量也在此过程中的不断扩大，如何实现大规模点云的高效的存储结构和快速实时的可视化以及后续的处理应用成为急需解决的关键问题。尤其是在一些特定的领域如数字化古代文化建筑保护、数字城市管理、军工设备测量和数字孪生等，这些领域普遍具有亿量级点云的规模，数据量非常庞杂，如何实时的对大规模点云进行实时可视化显得尤为关键。
[0003]合理高效的数据结构、可视化策略和快速存取大规模点云，直接关系到点云数据在实际工程当中的可视化效果。而大规模点云的可视化的质量和实时性，又关系到大规模点云数据重建和处理等的效率，这也是三维激光技术能够得到广泛运用所必须要解决的问题。近年也提出了不少的点云可视化的方法，但对于大规模点云而言这类方法依然在可视化的渲染效率比较低、卡顿和运行的硬件要求高等问题上有着很多的不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进八叉树和自适应读取的大规模点云可视化方法，其特征在于，包括：步骤1，通过改进的基于OBB外包围盒的八叉树结构来建立点云空间索引；步骤2，对基于改进八叉树的空间索引结构构建LOD图形加速可视化模型；步骤3，基于视锥体和LOD模型的可视化点云节点的选择调度；步骤4，使用多线程与二级缓存方法将选择的点云节点进行快速读取和可视化渲染。2.如权利要求1所述的大规模点云可视化方法，其特征在于，步骤1具体包括：步骤11，根据点云总数量设定一个八叉树的基础层数，接着根据OBB法设定最小外包围盒，并根据点云总点数设定八叉树基本层数，将最小外包围盒进行划分成多个对应层数的子外包围盒，计算相应每个子包围盒的坐标位置；步骤12，将整个点云分为多个小批次读入，并根据点的坐标将点放入所对应的子外包围的八叉树叶节点中，若叶节点中的点数超过设定的节点最多存储点数阈值，则以当前叶节点为父节点，生成下一层新的叶节点，并将当前叶节点内的所有点云分配给下一层；完成每一个批次的处理，保存一次数据，以减少内存的占用；直到所有点云最终落入八叉树的叶节点当中；最后遍历叶节点，删除空节点，若其父节点的八个子节点全为空，也进行删除；步骤13，将最终八叉树结构中的点云数据进行存储。3.如权利要求2所述的大规模点云可视化方法，其特征在于，步骤11具体为，逐层将八叉树的包围盒的所有父节点按照长宽高对半均匀分成八个子外包围盒，并获得相应每个子包围盒的位置信息，用于下一步将点快速分配至对应叶节点。4.如权利要求1所述的大规模点云可视化方法，其特征在于，步骤2具体包括：步骤21，首先自下而上对叶节点的点云数据进行泊松圆盘下采样，将叶节点下采样的点云进行拼接放入上一层对应的父节点中，按照此规律逐层进行下采样和将点云放入父节点，直至根节点位置；步骤22，将点云传递后的八叉树进行存储，并按层设定LOD模型。5.如权利要求4所述的大规模点云可视化方法，其特征在于，步骤21包括，将每个从子节点采样并填入父节点中的点数据从当前子节点中删除，最终将原始点云分块存入八叉树各个节点中，将一个完整的扫描点云文件分割为不同的组成部分进行存储。6.如权利要求1所述的大规模点云可视化方法，其特征在于，步骤3包括：步骤31，基于视锥体视点远近选择需要可视化的LOD层级；步骤32，根据视锥体遮挡剔除的可见性判断来显示节点。7.如权利要求6所述的大规模点云可视化方法，其特征在于，步骤31包括，设定一个标准值S，定义为模型的外包围盒在屏幕上的投影面积ProjectionArea与模型距离视点的最小距离Dst
min
的比值来确定，公式如下：S＝Pr...

【专利技术属性】
技术研发人员：汪俊，黄安义，谢乾，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：