一种联合瓦片索引的车载海量点云数据管理方法

doi:10.13474/j.cnki.11-2246.2017.0075

测绘通报 ›› 2017, Vol. 0 ›› Issue (3): 17-21,79.doi: 10.13474/j.cnki.11-2246.2017.0075

一种联合瓦片索引的车载海量点云数据管理方法

谢洪^1,2, 胡晓斌¹, 龚珣¹

1. 武汉大学测绘学院, 湖北武汉 430079;
2. 武汉市测绘研究院博士后创新实践基地, 湖北武汉 430022

收稿日期:2016-07-05 修回日期:2017-02-03 出版日期:2017-03-25 发布日期:2017-03-31
作者简介:谢洪(1987-),男,博士,讲师,研究方向为三维激光测量。E-mail:hxie@sgg.whu.edu.cn
基金资助:
国家自然科学基金（41401527）；测绘地理信息公益性行业科研专项（201512008）；武汉市测绘研究院博士后创新实践基地科研项目（WGF2016001）

An Organization Method of Vehicle-borne Massive Point Cloud Data Using Tile Indexing

XIE Hong^1,2, HU Xiaobin¹, GONG Xun¹

1. School of Geodesy and Geomatics of Wuhan University, Wuhan 430079, China;
2. Postdoctors Innovation and Practice Base of Wuhan Geomatics Institute, Wuhan 430022, China

Received:2016-07-05 Revised:2017-02-03 Online:2017-03-25 Published:2017-03-31

摘要/Abstract

摘要： 为了高效支持大范围车载移动激光扫描海量点云数据的可视化及后续处理，提出了一种联合全球统一划分瓦片索引的车载海量点云管理与调度方法。在分析车载点云空间分布特性基础上，有机联合瓦片索引及随机采样八叉树等空间索引结构，建立了一套面向海量车载移动扫描点云的高效管理及调度机制。试验证明，该方法能够高效支持大范围海量车载点云数据的调度、交互及动态更新等过程，并能够有效地支撑分割、分类等后处理过程。

关键词: 车载移动扫描, 海量点云数据, 瓦片索引, 管理与动态调度

Abstract: To improve the efficiency of visualization and processing for vehicle-borne mobile scanning point cloud data,combined with the global tile indexing, a novel organization and swapping approach is presented.Based on the spatial distribution analysis of concerning data,a novel mechanism is established to manage the massive data effectively,integrating the tile indexing and random sampling octree appropriately. The implemented experiments show it performs well in the process of data swapping,inquiring,dynamic updating for massive urban-block data,as well as the extended post-processing progress including segmentation,classification,et al.

Key words: vehicle-borne mobile scanning, massive point cloud data, tile indexing, organization and dynamic swapping

中图分类号:

P234.4

谢洪, 胡晓斌, 龚珣. 一种联合瓦片索引的车载海量点云数据管理方法[J]. 测绘通报, 2017, 0(3): 17-21,79.

XIE Hong, HU Xiaobin, GONG Xun. An Organization Method of Vehicle-borne Massive Point Cloud Data Using Tile Indexing[J]. 测绘通报, 2017, 0(3): 17-21,79.

参考文献

[1] 董震,杨必胜.车载激光扫描数据中多类目标的层次化提取方法[J].测绘学报,2015,44(9):980-987.
[2] GUAN H,LI J, YU Y, et al. Using Mobile LiDAR Data for Rapidly Updating Road Markings[J]. IEEE Transactions on Intelligent Transportation Systems, 2015,16(5):2457-2466.
[3] ARASTOUNIA M. Automated Recognition of Railroad Infrastructure in Rural Areas from LiDAR Data[J]. Remote Sensing,2015, 7(11):14916-14938.
[4] 樊琦,姚顽强,陈鹏.基于Cyclone的三维建模研究[J].测绘通报,2015(5):76-79.
[5] YANG B S,DONG Z,ZHAO G,et al. Hierarchical Extraction of Urban Objects from Mobile Laser Scanning Data[J]. ISPRS Journal of Photogrammetry and Remote Sensing,2015(99):45-57.
[6] 杨莎莎,李永强,李框宇.基于车载LiDAR数据的单株树提取[J].测绘工程,2014,23(8):23-27.
[7] NAN L L,SHARF A,ZHANG H,et al. SmartBoxes for Interactive Urban Reconstruction[J]. ACM Transactions on Graphics,2010,29(4):1-10.
[8] 戴彬,钟若飞,胡竞.基于车载激光扫描数据的城市地物三维重建研究[J].首都师范大学学报(自然科学版),2011,32(3):89-96.
[9] 王晏民,郭明.大规模点云数据的二维与三维混合索引方法[J].测绘学报,2012,41(4):605-612.
[10] KLEIN J,KROKOWSKI J,FISCHER M,et al.The Randomized Sample Tree:A Data Structure for Interactive Walkthroughs in Externally Stored Virtual Environments[J].Presence:Teleoperators and Virtual Environments,2004,13(6):617-637.
[11] BOUBEKEUR T,SCHLICK C.Interactive Out-of-core Texturing with Point-Sampled Textures[C]//Eurographics Symposium on Point-Based Graphics. AirelaVille:Eurographics Association,2006.
[12] WAND M,BERNER A,BOKELOH M,et al.Processing and Interactive Editing of Huge Point Clouds from 3D Scanners[J].Computers&Graphics,2008, 32(2):204-220.
[13] 黄先锋,陶闯,江万寿,等.机载激光雷达点云数据的实时渲染[J].武汉大学学报(信息科学版), 2005,30(11):975-978.
[14] 谢洪,吴博义,赵展.一种新的海量点云数据管理方法研究[J].遥感信息,2013,28(6):26-32.
[15] 龚俊,柯胜男,朱庆.一种八叉树和三维R树集成的激光点云数据管理方法[J].测绘学报,2012, 41(4):597-604.

一种联合瓦片索引的车载海量点云数据管理方法

An Organization Method of Vehicle-borne Massive Point Cloud Data Using Tile Indexing

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	闻平, 赵飞, 吴小东, 王莹, 王冲. 利用原始激光雷达点云数据提取渐进式建筑物轮廓线[J]. 测绘通报, 2020, 0(9): 80-84.
[2]	段月辉. 徕卡P50三维激光扫描仪在建筑地形图测绘中的应用[J]. 测绘通报, 2020, 0(6): 158-162.
[3]	苗亚哲, 李胜波, 邓安仲, 乐观, 戴作球. 三维激光点云数据在既有地下人防工程BIM模型重建中的应用[J]. 测绘通报, 2019, 0(6): 100-104.
[4]	王艳军, 李凯, 路立娟. 多尺度邻域特征下的机载LiDAR点云电力线分类[J]. 测绘通报, 2019, 0(4): 21-25.
[5]	刘洋, 杨必胜, 梁福逊. 机载激光点云中高压电塔自动识别方法[J]. 测绘通报, 2019, 0(1): 34-38.
[6]	赵夫群. 由粗到细的颅骨点云模型配准方法[J]. 测绘通报, 2018, 0(12): 26-29,35.
[7]	韩旭, 梁新美. 车载激光扫描数据的结构化道路要素自动提取方法[J]. 测绘通报, 2018, 0(12): 87-90,100.
[8]	陆建华, 刘闯, 吕志才. 最优邻域二次误差曲面的点云简化算法[J]. 测绘通报, 2018, 0(12): 101-104,113.
[9]	张文涛, 张伟红, 王留召. 利用无人机LiDAR完善车载移动测量系统数据的研究与应用[J]. 测绘通报, 2018, 0(10): 98-101.
[10]	范雯, 何鄂龙, 李天琪, 孙杰. 融合空谱特征的车载LiDAR点云道路标识线提取[J]. 测绘通报, 2018, 0(8): 97-101.
[11]	马东岭, 王晓坤, 李广云. 一种基于高度差异的点云数据分类方法[J]. 测绘通报, 2018, 0(6): 46-49.
[12]	徐辛超, 徐爱功, 于丹. 地面三维激光扫描点云拼接影响因素分析[J]. 测绘通报, 2017, 0(2): 14-18.
[13]	林卉, 王李娟, 康志忠, 田艳凤, 邵聪颖. 三维激光扫描建筑物立面数据的自动提取[J]. 测绘通报, 2016, 0(10): 25-30.
[14]	谢宏全, 厉堃, 周立, 卢霞. 平坦区域等密度激光点云数据获取方法[J]. 测绘通报, 2016, 0(10): 69-72.
[15]	魏国忠, 侯飞, 张衡, 吴学超. 高速公路勘测中车载激光点云高精度校正可行性分析[J]. 测绘通报, 2016, 0(8): 20-24.