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。     

基于自适应八叉树分割点云的表面模型重建

传统的三角网生长法进行点云数据表面模型重建时,搜索第三点耗时太长,导致重建效率很低。采用自适应八叉树划分算法将点云数据分割成相互覆盖的子域,在每个子域内进行三角网格重建,避免网格拼接的过程;采用最大角最小化原则进行三角网格优化;并运用三角面片定向的方法进行网格法向量一致化处理。实验结果表明,该方法极大地提高了表面模型重建的效率,形成的网格质量也很好,能够较好地体现模型的细节特征,鲁棒性好。     

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。     

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。     

基于改进的八叉树索引与分层渲染的海量激光点云可视化技术

近年来利用三维激光扫描技术进行的国内各地城市数字化发展迅速,随着硬件技术的升级和扫描范围的逐渐扩大,获得的相应的三维数据可达TB级。因此,如何合理的建立点云索引管理机制,是解决海量点云数据组织和管理的关键问题。本文首先对传统八叉树数据结构的索引方法进行了优化,然后对三维点云分块,建立八叉树索引数据文件,同时用LOD方法对其进行分层抽稀操作,通过建立改进的八叉树与LOD方法相结合的索引,来降低内存的消耗、提高查询的效率,最后根据屏幕显示范围与视角变化实时读取释放点云索引数据,从而实现海量点云数据的可视化。     

采用八叉树和OSG分页结点的海量点云三维可视化

针对现有海量点云可视化方法存在索引构建时间长、内存占用大等问题，研究一种八叉树索引结合OSG分页结点的快速可视化方法，可在占用较小内存的基础上快速建立点云索引并实时调度。采用八叉树索引结构对海量点云进行数据组织，建立各层级的八叉树结点并以文件映射的方式分块保存，对结点文件重组织转换为支持OSG渲染引擎的多分辨率点云数据。采用基于OSG分页结点的实时调度技术，对海量点云进行高质量可视化。与目前两款主流的点云数据处理商业软件进行实验对比分析，结果表明所提方法具有索引建立速度快、内存占用小等优点，同时可视化交互更加流畅，适用于各种配置计算机下海量点云数据的调度管理与实时可视化。     

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。     

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。     

基于八叉树的三维散乱数据点的法矢的估计

提出了一种基于八叉树的三维散乱数据点法矢估计的方法。该方法利用八叉树来建立散乱点之间的几何拓扑关系,从而可以方便,快速地搜索散乱点的ｍ领域点集。并引入阈值Ｔｈ来消除噪声的影响。计算这ｍ个领域点与该点组成的相交于该点的ｍ－１个三角形的法矢的均值,并作为该点法矢的估计。     

基于改进四叉树的LiDAR点云数据组织研究

分析了点云数据处理中常用数据组织方法,并指出方法的性能判定指标。对常用的构建四叉树方法进行了改进以提高建立四叉树索引的速度,分析及改进索引算法改进以增进数据筛选的速度,最后通过实验证明了该方法的有效性和可靠性。     

基于海量地震数据的多分辨率扩展八叉树模型

针对现有PC硬件条件的限制和地震数据的海量特征,提出一种基于扩展八叉树的分块多层多分辨率模型。该模型保存了叶节点属性和中间节点属性,实现多分辨率建模,采用基于Morton码的数据块索引方式来提高查询效率。实验结果表明,该模型是一种高效的海量地震数据组织方式,在地质建模领域具有较高的应用价值。     

基于八叉树邻域分析光线跟踪的云三维模拟

针对目前三维云模拟绘制效率低、计算资源消耗大、绘制效果差等问题,提出基于八叉树邻域分析的光线跟踪算法,并用于WRF模式云数据的三维模拟。使用八叉树结构优化传统光线跟踪算法的数据存储结构,通过存储节点编码和划分层次改进邻域分析算法,通过简化光线的折射公式优化Whitted光照模型,借助OpenGL和Vapor工具实现云数据的三维可视化。实验结果表明,该方法降低了绘制时间,提高了渲染效率,更好体现了云的真实物理特征。     

基于八叉树分解法的空间散乱点数据场可视化

八叉树分解法是空间散乱点数据场可视化的一种经典算法,它适用于地下岩体模型的可视化,得到的模型可以进行直接三维观察.文中对几种常见的建模方法进行了简单的分析比较,并着重对八叉树分解算法进行了深入研究,而且给出了实现散乱点数据场可视化的关键步骤.经过理论上的分析,八叉树分解法适用于空间散乱点数据场可视化.     

基于八叉树空间分割的k近邻搜索算法

以三维扫描得到的散乱点云为基础,提出了一种基于空间八叉树的快速k近邻搜索算法,通过对点集建立包围盒,利用八叉树记录分割过程,从而使近邻点的搜索只局限于采样点所在的包围盒及其周围的包围盒,并通过剪枝策略使搜索范围进一步缩小。大量真实数据的实验结果表明：该算法可以很好地提高近邻点的搜索速度。     

基于八叉树空间分割的NURBS曲面重构方法

对三维模型和点云曲面重构方法进行深入研究,根据应用特点提出八叉树空间分割和N U RBS曲面重构方法。利用八叉树的快速收敛特性对三维实体的点云数据进行分割、精简,采用N U RBS方法对局部网格曲面进行重构;采用八叉树和四叉树相混合的数据结构,渐进地进行网格曲面的重构。存储结构采用扩展式八叉树结构,编码采用8进制前缀编码方法。利用O penG L设计一个实验模型系统验证了该算法的可行性和有效性。