没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
题目:基于 KD-tree 的点云数据空间
索引
摘要
随着计算机技术的进步以及社会需求的不断增加,激光雷达技术作为一种
三维空间信息的实时获取手段,正以日新月异的速度向前发展。激光雷达技术
有效地拓宽了数据源范围,改变了数据获取模式,能够快速获取高分辨率数字
表面模型。然而,点云数据的海量性一直是制约点云数据处理方法的重要因素,
迫切需要寻找一种高效空间索引方法来管理海量点云数据。因此,研究点云数
据的管理和处理方法,形成点云的数据处理理论显得十分重要。
本文主要的讨论内容有:
1.系统回顾激光雷达技术及点云数据处理的发展历程和相关研究现状及应用现
状。
2.从点云数据的结构特点出发,研究常用的规则格网和八叉树索引方法在管理
点云数据时存在弊端。
3.分析 KD 树索引结构及其检索效率,得出 KD 树是一种合管理点云数据的索
引方法。
通过上述研究, KD 树是一种适宜于地面点云数据的空间索引机制。
关键词: KD 树;空间索引;点云
1 背景与研究现状
激光雷达系统扫描获得数以万计的激光点,被形象地称之为点云。与点云
数据获取技术相比较,点云的数据处理技术还相对滞后。究其原因:一是,针
对不同的应用对象数据处理流程和方法不同;二是,地面三维激光雷达数据处
理的方法与机载三维激光雷达数据处理的方法有所不同;三是,激光雷达扫描
产生了超大规模的三维数据,“海量”已经成为点云数据处理的瓶颈。面对如此
海量的、没有拓扑关系的点云数据,对于有限的内存及运算速度,如果没有一
个高效的数据存取结构,这样海量的数据有时是无法一次加载及显示的,必须
选择和使用合理的数据调度方式才能完成相应的数据处理及操作。
鉴于此本文对点云空间索引机制进行研究,以寻找到一种较为理想的存储
点云数据的数据结构。这种数据结构能够针对海量的点云数据进行很好的数据
存储和建立很好的拓扑关系,为后续的点云数据 K 邻域查找和滤波方面的研究
工作带来方便。这足以说明本项研究工作具有重要的理论和现实意义
虽然最近几十年,激光雷达技术取得了长足的进步。但在数据处理方面仍
然存在很多问题,需要我们进一步研究解决。在点云数据索引方面,很多研究
者提出了一些数据结构。路月明提出“规则空间八叉树+平衡二叉树”的复合嵌套
结构对三维海量点云数据进行组织。罗德安于 2005 年提出基于四叉树划分的地
面激光雷达数据简化方案。
2 点云数据特点
点云是在同一空间参考系下表达目标空间分布和目标表面光谱特性的海量
点集合。地面 LiDAR 系统扫描获取的数据,从严格意义上讲,包括位置、方位
/角度、距离、时间、强度等各种数据。与影像数据相比,点云数据在内容、形
式等方面具有很多自身的特点。
1)从内容上讲,点云数据是分布于目标表面的一系列三维点坐标。由于激
光穿透力有限,激光雷达扫描获得的点云反映的基本上是目标表面情况,几乎
没有目标的内部信息。
2)点云数据在形式上呈离散分布。“离散”是指数据点的位置、间隔等在三
维空间中的不规则分布,与数字影像像元问彼此独立的概念有所不同。这就意
味着点云数据的相同平面坐标可以对应几个不同的高程值,从而有利于表现细
节信息和变化剧烈的地形和地物。另一方面,这种形式也有自身的不足,如同
名点难以选取。
剩余21页未读,继续阅读
freebog
- 粉丝: 3
- 资源: 1
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
- 1
- 2
前往页