基于八叉树迭代的边界散乱点云有序化方法技术

本申请公开了一种基于八叉树迭代的边界散乱点云有序化方法，包括以下步骤：步骤S1：读取边界点云数据；步骤S2：对边界拟合数据构建点云数据的八叉树空间索引；步骤S3：在点云索引数据中选定起始点；步骤S4：判断当前最接近点方位角与上一次所得最接近点方位角相比是否存在差异如果存在差异则当前最接近点处为转折迂回点云数据，采用局部优化跟踪方法，对所得转折迂回点云数据，进行再次排序，得到排序点云数据。采用该方法可快速对大量点云数据进行排序，排序结果对其中存在转折迂回的点云数据采用局部优化跟踪方法进行再排序，有效提高对此部分点云数据的排序准确度。高对此部分点云数据的排序准确度。高对此部分点云数据的排序准确度。

【技术实现步骤摘要】
基于八叉树迭代的边界散乱点云有序化方法


[0001]本申请涉及
，特别是一种基于八叉树迭代的边界散乱点云有序化方法，该方法具体为基于八叉树迭代最近点和局部优化跟踪技术的边界散乱点云有序化方法。

技术介绍

[0002]得益于三维信息技术的进步，取得了飞速的发展。三维信息数据可以记录物体空间的三维信息以及物体表面的几何信息。利用这些信息，不但可以对物体的三维几何形态进行相应的分析，同样在实际的应用当中可以多角度的去观察三维地物，以此获得更为详尽的地物信息。但随着网络技术与三维激光扫描技术飞速发展，点云数据量激增，大幅降低了存储效率与稳定度。
[0003]空间索引(也称为空间访问方法)，是指存储空间数据时依据于空间对象的形状和位置或空间对象之间的空间关系，按照一定的顺序排列的数据结构，它包含了空间对象之间的概要信息，如外接矩形、对象的标识及指向空间对象实体的指针。它作为
‑‑
种辅助的空间数据结构，通过筛选作用，可以排除大量与空间操作无关的空间对象，进而大大地提高了空间操作的效率以及速度。由此，空间索引技术是提高GIS中查询、空间数据检索以及空间分析操作等方面的关键技术之一。
[0004]大范围点云数据经过边界提取后，所得边界点成果数据散乱无序，类似随机点一样。利用这样的散乱点云，无法快速、准确地得到真实的大范围点云边界线和区域范围面积。大范围点云数据的范围在现实中是复杂多变的，很难按照常规图形形状来定义其点云数据范围的走向变化。
[0005]现有技术中主要依靠人工手动在点云数据边界提取结果中进行勾绘边界，工作量巨大，效率低下，且受制于操作人员的经验，准确率无法得到保证，只能获取粗略的范围线和面积。

技术实现思路

[0006]本申请提供了一种基于八叉树迭代的边界散乱点云有序化方法，用于解决现有技术中存在的点云数据边界提取及散乱的边界数据的处理均依靠人工勾绘，效率低、准确率低、结果不统一的技术问题。
[0007]本申请提供了一种基于八叉树迭代的边界散乱点云有序化方法，包括以下步骤：
[0008]步骤S1：读取边界点云数据后，进行边界点数据中心拟合，得到边界拟合数据；
[0009]步骤S2：对边界拟合数据构建点云数据的八叉树空间索引，得到点云索引数据；
[0010]步骤S3：在点云索引数据中选定起始点，遍历获取各点云数据的最接近点及其方位角；
[0011]步骤S4：判断当前最接近点方位角与上一次所得最接近点方位角相比是否存在差异，如果存在差异则当前最接近点处为转折迂回点云数据，采用局部优化跟踪方法，对所得转折迂回点云数据，进行再次排序，得到排序点云数据。
[0012]优选地，还包括：步骤S5：采用arcgis engine的计算机技术按排序点云数据的顺序逐个连接各点云数据构建shp面得到边界图像，计算所得shp面的面积。
[0013]优选地，步骤S2中八叉树空间索引构建方法包括以下步骤：
[0014]步骤S21：利用一个大的外包矩形包围待处理的整个空间目标，在逻辑上该立方体为根节点。而后沿着X，Y，Z三个方向对该立方体进行剖分，这样该立方体就被剖分为8个小的立方体，这8个小的立方体为该根节点8个叶节点；
[0015]步骤S22：当立方体被剖分成8个小的立方体时，空间物体分别位于这些子立方体的不同部分，处在不同的立方体之中。若该节点(立方体)完全被物体包围(FULL节点)或者该节点为空(NULL)，那么该节点无需进行剖分；
[0016]步骤S23：若该节点(立方体)部分被物体包围(PARTIAL)那么该节点仍然需要沿着X，Y，Z方向剖分成更小的8个立方体；
[0017]步骤S24：该PARTAL节点为中间节点，这8个更小的立方体为该中间节点的下一级叶子节点，它的级数需要增加1；
[0018]步骤S25：直到所有的节点完全被物体所填充或者完全为空或达到预设剖分精度时结束处理。
[0019]优选地，步骤S3包括：
[0020]步骤S31：设定4个搜寻参数：参数1
‑
搜索点；参数2
‑
最近点个数；参数3
‑
搜索结果的点索引值存放向量；参数4
‑
搜索结果点距离平方存放向量；
[0021]步骤S32：从待处理点云数据中选定任意1个点A0作为起点；
[0022]步骤S33：搜寻离起点A0最近的1个点A1，离点A1最近的1个点A2；
[0023]步骤S34：重复步骤S32～33遍历点云索引数据，得到初步排序的边界线点云数据；
[0024]步骤S4：采用局部优化跟踪法再次优化排序：每个点云数据分别与它最近的3个点连直线，获取各点连线的坐标方位角，取最小坐标方位角对应的最接近点及其方位角。
[0025]优选地，步骤S1中读取的点云数据包括：坐标位置、真色彩RGB、反射强度。
[0026]本申请的另一方面还提供了一种基于八叉树迭代的边界散乱点云有序化装置，包括：
[0027]读取模块，用于读取边界点云数据后，进行边界点数据中心拟合，得到边界拟合数据；
[0028]索引模块，用于对边界拟合数据构建点云数据的八叉树空间索引，得到点云索引数据；
[0029]最接近点获取模块，用于在点云索引数据中选定起始点，遍历获取各点云数据的最接近点及其方位角；
[0030]局部优化跟踪模块，用于判断当前最接近点方位角与上一次所得最接近点方位角相比是否存在差异，如果存在差异则当前最接近点处为转折迂回点云数据，采用局部优化跟踪方法，对所得转折迂回点云数据，进行再次排序，得到排序点云数据。
[0031]优选地，还包括：边界获取模块，用于采用arcgis engine的计算机技术按排序点云数据的顺序逐个连接各点云数据构建shp面得到边界图像，计算所得shp面的面积。
[0032]本申请能产生的有益效果包括：
[0033]1)本申请所提供的基于八叉树迭代的边界散乱点云有序化方法，该方法针对巨大
点云数据量下，对所有散乱点云数据排序，得到按照真实状况排序的点云数据。
[0034]2)本申请所提供的基于八叉树迭代的边界散乱点云有序化方法，从时间效益上来看，现有的方式采用人工为主，以百亿级别点云数据为测试对象，单次数据勾连边界的过程，1名熟悉内业的人员，需耗时约1小时以上；采用该方法，耗时在1分钟以内；因此，有效提高了针对此类数据的处理效率，从精度上来看，处理后数据结果完全满足生产实际运用的需要。
[0035]3)本申请所提供的基于八叉树迭代的边界散乱点云有序化方法，从经济效益来看，在大范围Lidar数据采集的情况下，数据量大，范围广，为了快速统计采集范围大小和工作量，同时便于后续工作开展，该技术成果可以快速高效获取有序的点云边界，并形成正确封闭的shp边界，得到区域范围的大小，及时反馈数据给项目，做出及时的应对措施，间接给项目和社会带来巨大的安全本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于八叉树迭代的边界散乱点云有序化方法，其特征在于，包括以下步骤：步骤S1：读取边界点云数据后，进行边界点数据中心拟合，得到边界拟合数据；步骤S2：对边界拟合数据构建点云数据的八叉树空间索引，得到点云索引数据；步骤S3：在点云索引数据中选定起始点，遍历获取各点云数据的最接近点及其方位角；步骤S4：判断当前最接近点方位角与上一次所得最接近点方位角相比是否存在差异，如果存在差异则当前最接近点处为转折迂回点云数据，采用局部优化跟踪方法，对所得转折迂回点云数据，进行再次排序，得到排序点云数据。2.根据权利要求1所述的基于八叉树迭代的边界散乱点云有序化方法，其特征在于，还包括：步骤S5：采用arcgis engine的计算机技术按排序点云数据的顺序逐个连接各点云数据构建shp面得到边界图像，计算所得shp面的面积。3.根据权利要求1所述的基于八叉树迭代的边界散乱点云有序化方法，其特征在于，步骤S2中八叉树空间索引构建方法包括以下步骤：步骤S21：利用一个大的外包矩形包围待处理的整个空间目标，在逻辑上该立方体为根节点。而后沿着X，Y，Z三个方向对该立方体进行剖分，这样该立方体就被剖分为8个小的立方体，这8个小的立方体为该根节点8个叶节点；步骤S22：当立方体被剖分成8个小的立方体时，空间物体分别位于这些子立方体的不同部分，处在不同的立方体之中。若该节点(立方体)完全被物体包围(FULL节点)或者该节点为空(NULL)，那么该节点无需进行剖分；步骤S23：若该节点(立方体)部分被物体包围(PARTIAL)那么该节点仍然需要沿着X，Y，Z方向剖分成更小的8个立方体；步骤S24：该PARTAL节点为中间节点，这8个更小的立方体为该中间节点的下一级叶子节点，它的级数需要增加1；步骤S25：直到所有的节点完全被物体所填充或者完全为空或达到预设剖分精度时结束处理。4.根据权利要求1所述...

【专利技术属性】
技术研发人员：保振永，陈科，郜士彬，毛云华，李曦凌，沈宗觊，汪诗奇，叶洪剑，陆大进，许兴贵，张正梅，王学辉，
申请(专利权)人：南方电网调峰调频发电有限公司鲁布革水力发电厂，
类型：发明
国别省市：