基于MongoDB的机载LiDAR点云数据的组织与管理

发布时间：2017-10-23 12:33

  本文关键词：基于MongoDB的机载LiDAR点云数据的组织与管理

  更多相关文章： 机载激光扫描系统 海量点云数据 空间索引 MongoDB 可视化

【摘要】：机载激光扫描系统(Light Detection and Ranging,LiDAR)作为一种主动式对地观测系统,具有自动化程度高、扫描速度快、受天气条件影响小等特点且能够获取到高密度、高精度的三维点云数据,因此在数字城市建设、地形测绘、海岸带监测等领域受到极大关注。而随着新应用领域的出现和新技术的快速发展,点云本身发生了巨大变化,主要体现在数据规模海量化、数据结构多样化等方面。现有的点云管理软件如Cyclone6.0、Polywork和Geomagic等,都侧重于解决点云建模问题,对于海量点云支持不足,主要原因是这些软件不具备高效的点云组织管理方法。针对以上问题,本文以海量非结构化机载LiDAR点云数据作为研究对象,以其存储方式为突破口,重点探索点云的组织管理。主要研究内容和创新点如下:(1)使用MongoDB管理机载LiDAR点云数据。以往基于文件和关系型数据库的点云管理系统,在海量数据的存储、访问、非结构化数据管理和扩展性等方面都存在难以克服的问题。本文应用MongoDB解决了海量机载LiDAR点云存储去结构化的问题,并充分挖掘其性能,以指导点云空间索引的设计工作。(2)设计了海量点云基于MongoDB的多层索引,其性能超越了多数基于内存的索引方法。首先以网格划分点云的二层空间并进行Hash编码,使用MongoDB的B树索引对二级索引码进行组织,形成基于空间网格的Hash码与B树的混合索引方法。考虑到应用中点云区域查询优先级高于单点查询的事实和Mongo DB的查询特性,利用JSON格式对点云建立了第三层存储结构,设计了点云基于MongoDB的多层索引方法,提高了区域查询效率。通过与传统索引方式的对比实验,证明此法具有更高的点云查找性能。(3)优化海量点云可视化性能。在完成了点云存储和索引的基础上,综合利用基于视点的数据裁剪、“5-5-5”动态调度策略、LOD技术、多线程和OpenGL等技术,实现了海量点云在普通PC上的高效检索和实时快速可视化,保证了海量点云漫游的流畅性和平滑性。在上述理论和实践研究的基础上,选择Linux Ubuntu14.04作为开发平台,利用C语言和Mongo-C-Driver1.2.1,结合OpenGL图形库,开发了海量机载LiDAR点云数据可视化系统,验证了本文点云数据组织管理方法的有效性和优越性。
【关键词】：机载激光扫描系统 海量点云数据 空间索引 MongoDB 可视化
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P237
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-17
• 1.1 选题背景及研究意义10-11
• 1.2 国内外研究现状综述11-14
• 1.2.1 点云数据存储与管理研究现状11-12
• 1.2.2 空间索引技术研究现状12-13
• 1.2.3 点云数据可视化研究现状13-14
• 1.3 研究目标及研究内容14-15
• 1.3.1 研究目标14
• 1.3.2 研究内容14-15
• 1.4 论文结构15-17
• 第二章 基于MongoDB的点云数据管理17-33
• 2.1 机载LiDAR系统工作原理17-18
• 2.1.1 机载LiDAR系统17-18
• 2.1.2 点云数据生成原理18
• 2.2 点云数据的存储方式18-20
• 2.3 机载LiDAR点云数据管理数据库选型20-25
• 2.3.1 MySQL数据库20-21
• 2.3.2 Oracle数据库21-22
• 2.3.3 Redis数据库22
• 2.3.4 MongoDB数据库22-25
• 2.3.5 几种数据库的对比25
• 2.4 MongoDB的应用及性能分析25-32
• 2.4.1 MongoDB在本文的应用25-27
• 2.4.2 MongoDB性能分析27-32
• 2.5 本章小结32-33
• 第三章 基于MongoDB的点云数据组织33-49
• 3.1 常用点云数据索引方法及评价33-39
• 3.1.1 基于八叉树的空间索引33-35
• 3.1.2 基于KD树的空间索引35-36
• 3.1.3 基于规则格网的空间索引36-38
• 3.1.4 各种索引方法的评价38-39
• 3.2 基于MongoDB的多层索引方法39-44
• 3.2.1 基于空间网格与目标排序的混合索引39-41
• 3.2.2 基于空间网格Hash码与B树的混合索引41-43
• 3.2.3 基于JSON的点云数据组织43-44
• 3.3 实验验证44-48
• 3.4 本章小结48-49
• 第四章 机载LiDAR点云数据的可视化49-56
• 4.1 可视化的关键技术49-53
• 4.1.1 数据裁剪技术49-50
• 4.1.2 基于视点的数据动态调度策略50-51
• 4.1.3 多细节层次技术51-52
• 4.1.4 多线程技术52-53
• 4.2 机载LiDAR点云数据的可视化流程53-55
• 4.3 本章小结55-56
• 第五章 机载LiDAR点云可视化系统设计与实现56-67
• 5.1 系统功能需求56
• 5.2 系统设计与实现56-61
• 5.2.1 系统总体设计56-57
• 5.2.2 系统模块实现57-61
• 5.3 系统运行实例与分析61-66
• 5.4 本章小结66-67
• 总结与展望67-69
• 工作总结67-68
• 工作展望68-69
• 参考文献69-73
• 附录1 OpenGL的具体应用73-75
• 攻读硕士学位期间取得的研究成果75-76
• 致谢76-77
• Ⅳ－2答辩委员会对论文的评定意见77

【相似文献】

中国期刊全文数据库 前10条

1 喜文飞;史正涛;;一种新的点云数据组合精简算法研究[J];科技通报;2014年03期

2 刘志军;;基于三坐标测量机的点云数据测量规划研究[J];黑龙江科技信息;2008年20期

3 张会霞;;基于八叉树的点云数据的组织与可视化[J];太原师范学院学报(自然科学版);2011年03期

4 方源敏;夏永华;陈杰;宋炜炜;杨永明;左小清;;基于改进的角度偏差法的采空区点云数据精简[J];地球科学与环境学报;2012年02期

5 徐伟恒;冯仲科;苏志芳;胥辉;焦有权;邓欧;;一种基于三维激光点云数据的单木树冠投影面积和树冠体积自动提取算法[J];光谱学与光谱分析;2014年02期

6 靳克强;龚志辉;汤志强;张斌;袁辉;;机载激光雷达点云数据质量评价体系分析与探讨[J];测绘与空间地理信息;2012年04期

7 刘亚文;庞世燕;左志奇;;蚁群算法的建筑立面点云数据提取[J];武汉大学学报(信息科学版);2012年11期

8 喜文飞;方源敏;李帅;李健;;一种新的激光点云数据精简方法[J];测绘工程;2012年04期

9 何丽;李嘉;郑德华;;基于栅格的点云数据的边界探测方法[J];测绘工程;2013年03期

10 刘尚蔚;朱小超;张永光;魏群;;多片点云数据拼接处理技术的研究[J];水利与建筑工程学报;2014年01期

中国重要会议论文全文数据库 前10条

1 闫龙;;摄影测量点云数据精简研究[A];第二十九届中国控制会议论文集[C];2010年

2 吴美金;;基于薄壁构件的点云数据提取[A];全国射线数字成像与CT新技术研讨会论文集[C];2009年

3 段文国;张爱武;蔡广杰;;基于VTK的点云数据绘制研究与实现[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

4 宋碧波;卢小平;卢遥;;基于点云数据的建筑物三维重建[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

5 张伟忠;张顺海;于德敏;;点云数据与建模软件的接口设计[A];全国第13届计算机辅助设计与图形学（CAD/CG）学术会议论文集[C];2004年

6 吕琼琼;杨晓晖;杨唐文;韩建达;庄严;;激光雷达点云数据的三维建模技术[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

7 刘佳;张爱武;杨丽萍;;室内场景激光点云数据的三维建模[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

8 隋立春;张熠斌;赵旦;;基于MicroStation的机载LiDAR点云数据分类处理软件[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

9 黄承亮;吴侃;刘虎;;基于三维TIN的格网化点云数据特征提取[A];数字测绘与GIS技术应用研讨交流会论文集[C];2008年

10 杨铭;陈建峰;;基于CUDA的海量点云数据kNN查询算法[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

中国博士学位论文全文数据库 前10条

1 赵江洪;古建筑散乱点云基准面的提取与拟合[D];武汉大学;2012年

2 谷晓英;三维重建中点云数据处理关键技术研究[D];燕山大学;2015年

3 胡峰俊;三维离散点云数据的预处理和配准技术研究[D];浙江工业大学;2015年

4 董秀军;三维空间影像技术在地质工程中的综合应用研究[D];成都理工大学;2015年

5 李晓捷;基于深度相机的三维人体重建及在服装展示方面的技术研究[D];天津工业大学;2016年

6 张坤;基于三维激光扫描的点云数据逆向重建算法研究[D];燕山大学;2016年

7 张学昌;基于点云数据的复杂型面数字化检测关键技术研究及其系统开发[D];上海交通大学;2006年

8 王果;不同平台激光点云数据面状信息自动提取研究[D];中国矿业大学（北京）;2014年

9 赵煦;基于地面激光扫描点云数据的三维重建方法研究[D];武汉大学;2010年

10 张会霞;三维激光扫描点云数据组织与可视化研究[D];中国矿业大学（北京）;2010年

中国硕士学位论文全文数据库 前10条

1 张磊;大型钢结构建筑安装质量检测与变形监测软件系统设计与实现[D];北京建筑大学;2015年

2 饶杰;基于激光点云数据的建筑物快速三维建模[D];中国地质大学(北京);2015年

3 李俊宝;TLS在古建筑物测绘及建模中的应用研究[D];长安大学;2015年

4 谢金坤;基于事故车辆车身变形的碰撞速度研究[D];长安大学;2015年

5 顾品荧;基于点云数据的基本款女西装样板生成系统研究[D];苏州大学;2015年

6 李国瑞;车载LiDAR点云中的车辆自动检测技术[D];长安大学;2015年

7 江静;建筑物LiDAR点云数据特征检测及配准关键技术研究[D];集美大学;2015年

8 梁子瑜;基于TLS点云数据的林分调查因子测定及收获估计[D];南京林业大学;2015年

9 喻W毶，

本文编号：1083459