海量点云数据的内外存组织调度方法研究

发布时间：2018-04-15 22:31

本文选题：海量点云 + 数据库　；参考：《北京建筑大学》2017年硕士论文

【摘要】：三维激光扫描(LIDAR)作为目前快速发展的一种新兴大规模数据采集测量技术,在日常的工程应用中,发挥着越来越积极的作用。由于其本身具有快速大规模获取三维空间信息的特性,三维激光扫描所生成的点云数据往往包含了丰富的信息资源,数据量十分的庞大。如果不能有效的对海量点云数据进行组织,管理,调度,将严重制约其在实际工程当中的应用,扼制其的发展。为了解决海量数据纷繁复杂,可用率不高的问题,将原始的点云数据,根据一定的规则进行管理组织,并按照一定的判别方法对其进行选择性应用,成为目前为止,最为有效提高点云数据利用效率的关键。因此,海量点云的组织管理调度成为激光扫描领域亟待解决的问题,许多专家学者也对此问题进行了研究。针对此问题,本文在充分借鉴了前人在海量点云管理,组织,调度等领域的研究成果的基础上,提出了一种结合数据库技术,构建存储点云的空间组织索引和LOD结构模型,并结合可见性判断来进行内外存有序调度的的海量点云管理组织方法,以此来实现点云的有效调度和高效可视化,本文的主要工作涉及到以下几个方面:1.海量点云的数据组织与存储:通过对前人研究成果的总结,在数据存储方式上决定采用一种开源的第三代数据库Postgresql来对数据进行存储管理;在点云组织索引构建中,首先通过比较分析不同的空间索引方式,最终选择空间八叉树的索引方式对点云数据进行组织,其次决定采用一种始终逼近数据模型真实几何外形最小外包围盒OBB来建立树的根节点,并由此构建八叉树索引结构;最终根据本文工作的实际要求,在数据库中设置了合适的表结构,实现了对点云数据和索引结构的有效存储和管理。2.海量点云的数据LOD模型建立:提出了一种基于八叉树空间索引结构分层次采样来构建LOD层次模型结构的方法。其中,通过比较分析,最终决定采用随机采样法来对不同层级节点内的点云数据进行精度采样,并以此使整个树结构充满点云。同时根据不同的节点层级,进行LOD模型层级的划分。最后对其实现了数据库存储管理。经过对点云数据的分块分层再组织,点云分成了不同的深度层次,再结合一定的判别调度方法,来减少一次性的点云绘制数量,从而可以达到提高点云显示速度的目的。3.海量点云的内外存调度:使用了一种基于视点远近选择LOD层级与根据遮挡剔除的可见性判断来显示节点两种调度策略相结合的方法。首先通过前一种方法判别此时该选取的的LOD层级,在此基础上再根据可见性判断,选择性的读入一部分节点内的数据进入内存。这样减少了从数据库读入内存的数据量,提高了数据进出内外存的效率,减少了数据内存的占用率,最终实现了提高海量点云数据内外存调度效率的目标。4.点云管理调度试验系统建立:对一种三维激光点云建模平台进行数据库模块的二次开发,设计了系统原型并进行了实验,最终论证了本文方法的可行性。
[Abstract]:......
【学位授予单位】：北京建筑大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：P225.2

【参考文献】