[发明专利]一种改进八叉树和自适应读取的大规模点云可视化方法

权利要求书

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，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；

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＝ProjectionArea/Dst_min

该投影面积定义为去除距离视点距离最远和最近的包围盒顶点后，剩余的六个顶点在视椎体近平面上的投影面积Area与每个三维点云在屏幕视椎体近平面上的投影大小PointProjectionArea，以及一个权重w的乘积来表示，具体公式如下：

ProjectionArea＝w·PointProjectionArea·Area

权重w是各个点在屏幕上所占大小的定权因子，Dst_min定义为距离视点最近的包围盒顶点与视点之间的距离；

标准值S与LOD层i的对应公式如下：

S∈[(i-1)·(S_max-S_min)/n,i·(S_max-S_min)/n]

其中S_max,S_min分别为S的最大最小值，n为LOD总层数；

在对LOD模型进行显示时将根据公式对应LOD层进行检索，根据当前S值来确定需要加载的LOD层级，假设S值处于第2层的值，则需要加载绘制LOD模型的1，2两级数据，如果此时S值变大到下一个范围，则加载LOD第3层级的数据，如果S值缩小到上一个范围，则删除第3层级数据点即可；

步骤32，根据视锥体遮挡剔除的可见性判断来显示节点；

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。