[发明专利]大规模三维点云数据的高效邻域搜索方法

摘要

一种大规模三维点云数据邻域搜索处理方法，解决搜索效率低、减少硬件资源占用，方法是：1依据点集在三个坐标方向设置分层厚度,2确定点集在三个坐标方向上的布大小,3比较点集的大小，取最大值所在方向对点集进行分层，4根据分层厚度将点集分割为Nz个子集，5将层数沿两个方向个扩展一层，6确定给定点所在层数，建立给定点所在层及相邻三个空间的哈希表，7给定点在哈希表中的地址将点集中的点云数据分映射到哈希表，8利用三个哈希表对相应的点集内的所有点进行邻域搜索处理，9对点集内的所有点进行处理，10释放哈希表中的所有元素。有益效果为：消耗的资源减少、存储空间反复使用，资源使用率高，减小了哈希表数组的长度，提升了数据访问效率。

主权项

1.一种大规模三维点云数据邻域搜索处理方法，该方法基于哈希表实现对大规模三维点云数据搜索处理，其特征在于：该方法由以下步骤实现：步骤1.给定一组三维点集S＝{Xt＝(xt,yt,zt)∈R3|t＝1,…,N}；其中N为点的数量；依据点集S在三个坐标方向上的分布区间[xmin,xmax]、[ymin,ymax]、[zmin,zmax]，采用公式(1)获得自适应分层，设置每次厚度为L；步骤2.令点集在三个坐标方向上的分布大小为：步骤3.比较Dx、Dy、Dz的大小，选择Dx、Dy、Dz中的最大值所在方向对点集进行分层，如当Dx、Dy、Dz中的最大值为Dz时，选择Dz方向对点集进行分层，如当Dx、Dy、Dz中的最大值为Dy时，选择方向Dy对点集进行分层，如当Dx、Dy、Dz中的最大值为Dx时，选择方向Dx对点集进行分层；层数由下式计算：Nz＝Dz/L  (3)步骤4.根据分层厚度L将点集S分割为Nz个子集{Si,i＝1,...,Nz}；对于给定点集S中任意点的坐标(x,y,z)，其所在层数为：i＝z/L+1  (4)步骤5.将层数沿Z轴正负两个方向个扩展一层，则分层总数为Nz+2；扩展后原点集变设置为{Si,i＝0,1,...,Nz,Nz+1}；步骤6.若给定点(x,y,z)，给定点(x,y,z)所在层数为[1,Nz]区间内；设给定点(x,y,z)所在层数为k，则给定点(x,y,z)所在层与k‑1及k+1层在空间上邻接，对k‑1、k、k+1三层数据，建立三个空间的哈希表H0、H1、H2，其大小均为Nx×Ny；其中Nx、Ny为X和Y方向哈希表元素个数按公式(4)计算；步骤7.给定点(x,y,z)在哈希表中的地址由式(5)指定的哈希函数获得；依据该函数将点集S0、S1、S2中的点云数据分别映射到哈希表H0、H1、H2中；key＝n*Ny+m  (5)其中，m和n分别为该点所在哈希表元素在空间中的位置序号：步骤8.由于S0为空点集，因此将S1视为当前待处理点集，并记录层数k＝1，依据哈希表的访问原则，利用三个哈希表H0、H1、H2对相应的点集S1内的所有点进行邻域搜索处理；步骤9.将S2视为当前待处理点集，并记录k＝2，由于H0不参与将利用哈希表H1、H2分别替换H0、H1，利用点集S2重新初始化H2，对点集S2内的所有点进行处理，依次类推，直到k＝Nz，即所有包含点的子集都处理完毕；步骤10.释放哈希表H0、H1、H2中的所有元素。