[发明专利]基于异构并行计算的城市级海量点云坐标转换方法

说明书

本发明提供一种基于异构并行计算的城市级海量点云坐标转换方法，包括以下步骤：S1.扫描待转换点云文件加入待转换列表；S2.读取待转换点云文件到计算机主机内存中；S3.根据点云坐标系和最小外接矩形自适应选择平面、高程转换参数模型，将点云划分为多个第一点云子集；S4.根据点云数据量大小、计算环境能力将第一点云子集分解为多个第二点云子集并依次加载到GPU全局内存中；S5.调用CUDA核函数对加载到GPU全局内存中的第二点云子集进行平面、高程转换处理并回传到计算机主机内存环境；S6.将点云进行合并后从内存写入磁盘文件。本发明可以解决对城市级海量点云坐标进行转换时，转换运算速度慢、效率较低、耗时长、容易造成卡顿，不能批量自动化处理的技术问题。

技术领域

本发明涉及点云数据处理技术领域，具体涉及一种基于异构并行计算的城市级海量点云坐标转换方法。

背景技术

三维激光扫描技术利用激光测距的方法，对被测物体高速、高密度地发射激光，通过反射回来的回波信号快速获取目标空间实体表面的三维坐标、从而可以快速且直接地采集各种大型的、繁杂的、形态规则或不规则的空间实体的三维信息。近年来，车载和机载激光雷达平台的广泛使用，使得精确、快速地采集城市级大范围点云成为现实。车载移动三维激光扫描一天可以采集100千米的道路点云数据，无人机机载雷达飞行一个架次就可以采集0.5平方千米的地形点云数据，点云密度可以达到100-2000点/平方米。采集效率的提高，使得生产的点云数据量急剧增长，达到数百GB甚至TB级。

目前，移动三维激光扫描系统通过三维激光扫描设备获取获得空间实体的高精度测距信息后，计算出每个地面目标在世界坐标系中的坐标时，一般选用WGS84或者CGCS2000坐标系，高程为椭球高。在城市测量中为了控制投影变形，一般采用的是投影变形较小的当地独立坐标系，高程系统一般采用1985年国家高程基准或者1956年黄海高程系，因此需要将点云的坐标系转换到当地独立坐标系下，高程转换到1985年国家高程基准或者1956年黄海高程系。面对城市级海量的点云数据，若要对其进行坐标转换，快速、高效地进行读取是关键的步骤，同时为了满足工程需求，需要对城市级海量点云数据作坐标转换，如何提高转换效率是亟待解决的问题。

现有的点云数据读取方法一般是采用传统的I/O文件串行读取方式，即通过文件流的方式，逐行读取的方式遍历整个文本文件，将每一点的信息读取到内存中。点云的坐标转换则是通过利用测量同名点计算七参数或者四参数，得到旋转平移缩放矩阵，然后进行矩阵运算遍历所有点，将其转换到新的坐标系内，高程转换一般采用局部高程拟合的方式。但对于数十亿甚至数千亿的城市级海量点云数据来说，采用传统方法运算速度慢，效率较低，耗时长，容易造成卡顿，而且对于城市级海量点云数目前还未有批量自动化处理解决方案。

发明内容

针对现有技术存在的不足，本发明提出一种基于异构并行计算的城市级海量点云坐标转换方法，以解决现有技术中存在的对城市级海量点云坐标进行转换时，转换运算速度慢、效率较低、耗时长、容易造成卡顿，不能批量自动化处理的技术问题。

本发明采用的技术方案如下：

第一方面，提供了一种基于异构并行计算的城市级海量点云坐标转换方法，在第一种可实现方式中，包括以下步骤：

S1.扫描待转换点云文件，将待转换点云文件的路径信息加入待转换列表；

S2.采用内存映射和多进程方式，读取待转换列表中的待转换点云文件到计算机主机内存中；

S3.根据点云坐标系和最小外接矩形自适应选择平面、高程转换参数模型，并根据平面转换参数的范围将点云划分为多个第一点云子集；

S4.根据点云的数据量大小、计算环境能力将第一点云子集分解为多个第二点云子集，再将多个第二点云子集依次加载到GPU全局内存中；

S5.调用CUDA的核函数对加载到GPU全局内存中的第二点云子集进行平面、高程转换处理，处理完成后将数据回传到计算机主机内存环境；