[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

说明书

本发明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。

技术领域

本发明属于三维数据可视化领域技术领域，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。

背景技术

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。

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足。

针对现有技术中大规模点云可视化的渲染效率低和运行硬件要求高等问题，目前尚未提出有效的解决方案。

发明内容

本发明针对现有技术中的不足，提供一种改进八叉树和自适应读取的大规模点云可视化方法，解决现有技术中大规模点云可视化的渲染效率低和运行硬件要求高等问题。

为实现上述目的，本发明采用以下技术方案：提供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。

为优化上述技术方案，采取的具体措施还包括：

进一步地，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，用于下一个步骤点云的快速分配；以OBB法获取最小正方体外包围盒。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，即逐层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；

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，将最终的八叉树结构中的点云数据进行存储。

进一步地，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；