基于三维点云数据的线性八叉树编码压缩算法

八叉树结构是三维数据建模中研究和应用最为广泛的栅格数据结构。由于三维扫描的点云数据是基于物体表面的，其空间离散程度远大于三维实体数据，一般的线性八叉树编码压缩方法都是基于实体数据的，不能直接应用于三维点云数据。提出的改进的线性八叉树地址码(Morton码)的方法可大大提高它的连续性，有效降低八叉树的深度，提高数据的压缩比，改进后的Morton码还可以应用多种编码压缩算法进一步压缩。     

基于八叉树模型的三维点云数据预处理研究

三维点云数据密度大,包含有大量的冗余数据,并不适合直接用于后续曲面重构。文中重点计论了基于八叉树模型的点云数据预处理的方法。实例表明,该方法对点云数据处理的灵活性和适应性都较好,能够满足曲线和曲面重构的要求。     

基于八叉树空间分割的三维点云模型密写

针对三维点云模型的信息隐藏,提出一种基于八叉树空间分割的空域密写算法。对经过主成分分析后的三维点云模型建立包围盒,利用八叉树空间分割得到小体元并记录分割过程,通过顶点位移将信息嵌入到小体元内的不同空间位置。实验结果表明,该算法在提取信息时不需要原始模型数据,具有嵌入量高、失真度低的特点,能够抵抗旋转、平移、均匀缩放和顶点重排序攻击,适合于任意网格的三维模型信息隐藏。     

基于八叉树编码的点云数据精简方法

针对逆向工程中的点云数据预处理,分析了现有数据精简方法的不足,提出了基于八叉树编码的均匀精简方法。应用八叉树编码法划分点云邻域空间为多个指定边长的子立方体,保留每个子立方体中距中心点最近的点,实现从空间整体角度对点云的精简。对涡轮叶片测量数据进行了精简测试,证明了该算法的有效性和实用性。     

用于建立三维GIS的八叉树编码压缩算法

复杂的空间数据结构在三维GIS领域中占有突出的地位,它直接关系到GIS的功能和效率,为了有效地进行三维GIS大量数据的存储和管理,重点讨论了三维GIS栅格数据结构中的八叉树编码压缩技术,由于Morton码值的排序是实现八叉树编码压缩的基础,为此,根据Morton码排序的特殊性,提出了采用时间复杂度为O（n）的计数排序算法,使排序速度大为撇提高,在此基础上进行压缩处理,并对算法的时间及空间复杂度进行了分析,在PC机上进行的模拟实验结果表明,在目标复杂度一定的前提下,八叉树存储数据占用空间小（当分割阶次为9阶时,八叉树存储量只占栅格存储量的4.32%）,是一种较为理想的描述复杂海量地理空间数据的压缩结构。     

点云曲面匹配的八叉树算法

针对用点云表示的数字曲面匹配问题,构造了一种采用八叉树和SEPMap匹配的新算法。匹配的最终结果是曲面刚体运动下的不变量。算法不需要待匹配曲面的任何先验知识,不需要进行初始位置猜测,过程中也无需任何交互干预,全部由计算机自动完成。     

三维激光点云数据的可视化研究

大量的点云数据是通过三维激光扫描得到的,而点云数据的显示快慢受到了数据索引的直接影响,这是一个基础性问题。经过研究,八叉树与叶节点KD树相结合的混合空间索引结构以及LOD构建的层次细节模型是用来解决点云数据管理与可视化效率不高的问题的有效方法。在局部,通过在叶子节点中构建的KD树实现高效的查询和显示;在全局,为了实现快速检索与调度使用了八叉树模型。采用这种混合数据模型进行点云组织,建立空间索引,并对点云数据进行LOD构建,实现了点云数据的高效检索以及可视化。     

基于深度八叉树的三维数据场LOD可视化

提出了广度八叉树、深度八叉树概念,分析了它们逻辑结构和存储结构,探讨了这两种数据结构在三维数据场可视化中的应用,把深度八叉树应用于三维数据场LOD体绘制算法中。算法在某三维震波数据场进行了体绘制实验,并与传统方法进行了比较分析。结果表明,该方法通过逐层简化细节来减少场景的复杂性,提高了渲染效率,将全局和局部体绘制相结合,既提高了绘制速度,又实现了精细观察。     

基于双目的三维点云数据的获取与预处理

在计算机辅助几何设计、医学诊断、物体识别与定位等领域的应用需求下,三维点云数据的获取与处理技术受到越来越多的关注。现在有多种不同的方式可以获取现实世界中物体的三维点云数据,并对数据进行相应处理。为了能够很好地对三维数据点云进行前期的预处理,首先通过双目摄像机获取物体的三维点云,并采用八叉树法对点云数据进行相应的预处理,然后在逆向工程软件中描述出来,从逆向工程软件中可以看出得到的物体与实际物体比较接近,从而可以证明所获取的点云数据可以用来描述物体,并且点云数据的处理技术是可行的。     

三维激光扫描点云数据的空间压缩

三维激光扫描获得的点云数据,其数据量比较大。采用点云数据建立物体模型,存在模型分辨率的问题。模型的多分辨率表示是指对于同一模型,存在着由简到繁、由粗到精的集中表示。本文分析激光扫描数据的特点,基于其线扫描的特点,提出了扫描线斜率变化为准则实施数据压缩,其次对于密集数据又给出格网数据压缩方法。最后通过实例给出了压缩结果,并对压缩率和压缩效果作了比较分析。     

三维点云中的二维标记检测

特征检测在物体识别、数据配准等应用中具有至关重要的作用。同一场景中不同采集数据的配准和融合,必须已知或者估算不同数据中的共同特征对应点。然而,许多场景缺少有效对应特征点。解决该问题的一种有效的方法是在场景中添加标记以增加特征。文章提出一种在只含有位置信息的三维点云中自动检测二维标记的方法。该方法首先在三维场景添加黑色圆形薄纸片作为二维标记,利用区域增长法将获取的三维场景的点云数据分割成不同类别,然后基于随机抽样一致性算法的扩展方法依次对分割后的点云进行形状拟合,最后通过检测形状检测该二维标记。该方法能够有效地检测出三维场景中的二维标记,并避免了遮挡、形变等问题,为缺少特征的场景提供了简单可行的特征,可广泛应用于数据配准、物体识别、物体追踪、三维重建等领域。     

基于八叉树及KD 树的混合型点云数据存储结构

通过对现有点云数据存储结构进行综合分析及比较,提出了一种基于八叉树及KD树的混合型点云数据存储结构模型,文中对该模型的基本原理、实现步骤及快速索引的建立等进行了全面的论述,最后以一组实测数据为例,比较了KD树、八叉树和本文提出的混合结构三种不同数据组织方式的检索效率,证明了所提出存储结构的有效性及实用性。     

向量相似度可复原三维点云压缩算法

针对三维点云数据压缩中细节特征不易保留,模型平缓部位存在过度压缩以及压缩后的点云模型不易复原等问题,提出一种基于向量相似度的三维点云压缩算法和复原算法CVS。向量相似性度量采用提出的L3A进行度量。CVS把每个三维坐标点看作是连接其坐标和原点的三维向量,按照三维坐标点的读入顺序选取参考向量,生成覆盖整个点云区域的采样区域,进行分区压缩。在采样区域中使用最小二乘曲面拟合算法对包含其中的点云进行曲面拟合,设置曲率阈值剔除坐标点,并存储曲面方程参数用于复原。通过控制L3A向量相似度中的长度和角度的变化阈值,使得密集点云区域的压缩率高于非密集区域的压缩率,通过控制曲率阈值,使得低曲率区域的压缩率高于高曲率区域的压缩率,最大程度保留模型细节特征。CVS使用压缩阶段产生的复原信息生成点云来恢复模型的细节特征,使得模型特征更加明显。     

一种基于非均匀网格的点云数据缩减算法

针对点云数据量大的特点,提出了基于非均匀网格的点云数据缩减算法。采用球面投影的方法建立规则网格,以网格内部点的法矢的标准差作为网格细分的依据,用中值滤波的方法确定每个网格内的保留点,通过实验验证了该算法的可行性,并取得了良好的效果。     

基于无人机的道路点云数据分割提取算法

针对机载LiDAR获得道路的数据信息精确度低问题,提出基于无人机的低空扫描三维点云数据,动态拟合提取分割道路信息的算法.首先使用主成分分析法获得道路点数据的法向量,之后将高程信息和法向量信息结合,利用聚类算法获得道路的高程和法向量的范围,提取道路点云数据;其次利用多项式拟合对道路数据进行数学建模;然后通过动态多项式拟合提取出所有路面数据和路面上的资产以及行人车辆数据;最后使用区域生长算法对路面上的资产以及行人车辆数据进行分割.实验表明算法对道路上的遮挡物有很强的抗干扰能力,可以将路面提取出来并将路面上的数据分割进行分割,将本文算法与区域生长算法进行对比,本文算法对路面数据更加敏感.