基于KD树与八叉树索引相结合的LiDAR点云数据索引建立方法.docx
《基于KD树与八叉树索引相结合的LiDAR点云数据索引建立方法.docx》由会员分享，可在线阅读，更多相关《基于KD树与八叉树索引相结合的LiDAR点云数据索引建立方法.docx（82页珍藏版）》请在冰豆网上搜索。
基于KD树与八叉树索引相结合的LiDAR点云数据索引建立方法
编号：
（）字号
本科生毕业设计（论文）
基于KD树与八叉树索引相结合的
LiDAR点云数据索引建立方法
张哲霄07113032
测绘11-3班
题目：
姓名：
学号：
班级：
二〇一五年六月
中国矿业大学
本科生毕业设计
姓名：
张哲霄学号：
07113032
学院：
环境与测绘学院
专业：
测绘工程
设计题目：
基于KD树与八叉树索引相结合的
LiDAR点云数据索引建立方法
指导教师：
王永波职称：
副教授
2015年6月徐州
中国矿业大学毕业设计任务书
学院环境与测绘学院专业年级测绘11-3班学生姓名张哲霄
任务下达日期：
2015年3月23日
毕业设计日期：
2015年3月23日至2015年6月15日
毕业设计题目：
基于KD树与八叉树索引相结合的LiDAR点云数据索引建立方法
毕业设计专题题目：
毕业设计主要内容和要求：
1回顾LiDAR技术的发展，归纳LiDAR技术获取的点云数据的特点；
2回顾点云数据组织与管理方法的发展，研究KD树与八叉树这两种常用的空间索引方式在对LiDAR点云数据管理时的特点；
3编程实现KD树与八叉树索引，进行算法测试比较两种算法之间的优劣；
4将两种索引方式进行结合，探索有着更高效率的LiDAR点云数据组织与管理方式，并编码实现算法。
比较结合后的算法与单独使用一种索引方式时的效率；
5得出最后的结论，指出研究中的不足及下步的研究方向。
院长签字：
指导教师签字：
中国矿业大学毕业设计指导教师评阅书
指导教师评语（①基础理论及基本技能的掌握；②独立解决实际问题的能力；③研究内容的理论依据和技术方法；④取得的主要成果及创新点；⑤工作态度及工作量；⑥总体评价及建议成绩；⑦存在问题；⑧是否同意答辩等）：
成绩：
指导教师签字：
年月日
中国矿业大学毕业设计评阅教师评阅书
评阅教师评语（①选题的意义；②基础理论及基本技能的掌握；③综合运用所学知识解决实际问题的能力；③工作量的大小；④取得的主要成果及创新点；⑤写作的规范程度；⑥总体评价及建议成绩；⑦存在问题；⑧是否同意答辩等）：
成绩：
评阅教师签字：
年月日
中国矿业大学毕业设计答辩及综合成绩
答辩情况
提出问题
回答问题
正确
基本
正确
有一般性错误
有原则性错误
没有
回答
答辩委员会评语及建议成绩：
答辩委员会主任签字：
年月日
学院领导小组综合评定成绩：
学院领导小组负责人：
年月日
摘要
由于迅速发展着的计算机技术和不断增加的社会需求，地面LiDAR作为一种三维空间信息的实时获取手段，集高效与高精度于一体，它也取得了长足的发展。
地面LiDAR的发展改变了传统的数据获取模式，拓宽了数据源范围，实现了快速获取高分辨率数字表面模型；但是点云数据的海量性成为了制约点云数据处理方法的发展的重要因素，急需寻找一种高效空间索引的方法来解决这个问题，高效地管理海量点云数据。
基于上述分析，对于研究点云数据的索引机制也就非常重要了，针对与点云索引建立过程中有涉及到的关键技术，论文的主要的研究内容和成果有：
1）回顾了三维空间信息获取技术、LiDAR技术和点云数据组织管理方法的发展和研究现状；
2）总结了点云数据的特点，例如有点云数据海量性、离散性、分布不均匀等特点，除此之外还介绍了八叉树索引和规则格网索引，同时分析了它们在组织和管理点云数据时存在的缺点和不足；
3）设计并编程实现了基于KD树与八叉树的点云索引，并进行了算法测试与比较，由获得的测试结果得出，在点云数据量相同的情况下，KD树的查询效率比八叉树索引更更高，对于点云数据的管理效率更加优秀；
4）探索了KD树索引与八叉树索引相结合的点云索引建立方法，分别形成了KDO与OKD等两种索引，利用C++语言对其编程实现，进行了算法测试，结果显示出OKD索引更适合于海量的点云数据管理。
关键词：
LiDAR；点云；空间索引；八叉树；KD树
ABSTRACT
Withadvancesin computertechnologyandthegrowing social demand, asareal-timethree-dimensionalinformationacquisitionmethodhastheadvantagesofhighefficiencyandprecisiongroundLiDARhasalsomadegreatstrides.DevelopmentsonthegroundLiDARhaschangedthetraditionaldataacquisitionmodes,broadenthescopeofthedatasourceandcanrapidlycapturehigh-resolutiondigitalsurfacemodel.Butthemassofthepointclouddatabecomeanimportantfactorrestrictingthedevelopmentofprocessingmethod,soweneedtofindanefficientspatialindexessolvethisproblem.Basedontheaboveanalysis,theindexingmechanismforthestudyofpointclouddataisveryimportant.Establishedinpointcloudfortheindexingprocessinvolvingkeytechnologies,themainresearchcontentandresultsofthepaperare:
1）Itdescribesthedevelopmentandresearchstatusofthethree-dimensionalinformationacquisitiontechnology,LiDARtechnologyandpointclouddataorganizationandmanagementmethods;
2）Itsummarizesthecharacteristicsofthepointclouddata,suchasthemassofalittleclouddata,discrete,unevendistribution.Inaddition,Itdescribestheoctreeindexandregulargridindex,andanalyzestheshortcomingsanddeficienciesoftheirexistenceintheorganizationandmanagementofpointclouddata;
3）DesignandprogrammingindexofpointcloudwhichbasedontheKDTreeandoctree,andtestedandcomparedthetwoofalgorithms.Accordingtothetestresults,atthesamepointclouddata,KDtreeefficiencyishigherthantheefficiencyoftheoctree;
4）ExplorethecompositeindexoftheKD-treeindexesandoctreeindex,andfoundtwomethodofindexesforpointcloudwhichnamedKDOindexandOKDindex.Aftertestingoftwonewindexes,theresultsshow,OKDindexismoresuitableformassivepointclouddatamanagement.
Keywords:
LiDAR;pointcloud;spatialindex;octree;KDtree
目录
摘要
ABSTRACT
目录
1绪论1
1.1研究背景与意义1
1.2国内外研究现状1
1.2.1三维空间数据的获取技术的研究现状1
1.2.2空间数据索引国内外研究现状4
1.3研究内容5
1.4论文结构安排5
2点云数据获取的理论和数据特点6
2.1机载LiDAR系统6
2.1.1系统的组成6
2.1.2工作原理7
2.1.3系统的特点10
2.2地面LiDAR系统11
2.2.1系统的组成11
2.2.2工作原理11
2.2.3系统的特点12
2.3点云数据结构14
2.4点云数据特点14
2.5本章总结15
3基于KD树的LiDAR点云数据组织与管理15
3.1引言15
3.2算法描述16
3.2.1分割规则16
3.2.2索引建立16
3.2.2K邻近查找17
3.3算法测试17
3.4本章小结19
4基于八叉树的LiDAR点云数据组织与管理19
4.1引言19
4.2算法描述19
4.3.1索引建立20
4.3.2K邻近查找20
4.3算法测试21
4.4本章小结21
5基于KD树和八叉树混合的LiDAR点云数据组织与管理22
5.1引言22
5.2算法描述22
5.2.1索引建立22
5.2.2查找23
5.3算法测试24
5.4本章小结26
6结论与展望26
6.1结论26
6.2展望26
参考文献28
附录29
英文原文49
中文翻译58
致谢64
1绪论
1.1研究背景与意义
在现在的测绘领域研究中，如何更加快速获取和更加智能化地处理地球空间信息是研究的热点，也是在比如“数字地球”、“数字城市”等领域中急需要解决的问题。
21世纪测绘技术必将实现高精度化、高速化、高效率化和标准化；空间数据处理必将实现智能化[4]。
所以，空间数据的重要获取手段也将变成不用近距离接触而且效率高的测量方法，而如何能够对海量的空间数据进行快速、可靠、自动化的处理也就成为了研究的核心问题。
LiDAR技术是在摄影测量与遥感领域中的一个巨大的成就。
它把激光测距、CCD摄像集于一身，根据载体的不同，可以组成车载、机载和星载LiDAR系统，能够直接获取大范围地表及地物三维数据，而且具有快速、高精度、高密集的特点，除此之外，它还能够全天候地、实时地、而且主动地进行数据获取。
另外，LiDAR也可单独拿出来组成地面三维激光扫描仪。
LiDAR系统通过扫描能够获得很多的数据点，被称为点云。
现在的点云数据获取技术有很大的发展，能够高速、高精度、高密度地获取点云数据，然而对于点云数据的处理技术并没有跟上获取技术的步伐。
这其中有三点原因：
（1）不同的应用对象，处理数据的方法不一样；
（2）载体不同，数据处理的方法也不同；（3）扫描产生的数据量非常大，也限制了点云数据处理的发展。
所以选择出一种能够高效地组织和管理点云数据的索引方式非常重要。
对于点云数据的组织与管理的目的是能够更好的、更高效地对点云数据进行处理，在所有针对点云数据进行的处理操作中，最基础的操作即是查询操作，若是对于点云数据的组织管理能在查询操作上更加高效，相信能极大地提高空间数据处理的效率，推动LiDAR技术的发展。
本文针对LiDAR系统所获取的点云数据在组织与管理效率的问题，研究工作具有重要的理论和实用意义。
1.2国内外研究现状
1.2.1三维空间数据的获取技术的研究现状
三维空间数据的获取技术主要研究怎样把真实的空间地物进行数字化变成计算机能够进行处理和存储的数据模型，通过获取的三维空间坐标以及其他的一些属性进行数字化建模。
这一技术被应用于社会生活的许多方面，比如逆向工程、精密工业测量、仿生训练系统、大型建筑物形变监测、医学检查与矫形、服装制鞋设计、文化遗产保护、3D动画游戏开发等等。
三维空间数据获取技术涉及到电子计算机、机械电子、现代光学、测量学等技术，是一门综合性技术，它的发展会直接或间接地使得上述各学科的技术发展，具有巨大的经济社会效益。
在长期的生产实践中，人们在不同的应用领域发明了许多三维空间数据获取的方法，比如接触式测量技术，它应用于传统工业生产领域中，采用机械手段与被测量物体接触，通过装在机械臂上的传感器，确定目标物体表面的相对三维坐标；还有一类非接触式的测量技术，它们利用到了声学、光学、电磁学等技术，在不与被测物体进行接触的前提之下，获取到物体的表面及内部的三维坐标信息，在如医学检查、水下勘探、文化遗产保护、逆向工程等许多的方面应用得很好。
值得一提的是计算机视觉的理论与方法，发展到现在已经成为了一种获取三维空间信息的非常重要的方法。
计算机视觉通过使用照相机或者摄像机和计算机从图像中重构并认知出三维世界的空间信息，就像给计算机装上了大脑（算法）和眼睛（相机），让计算机能够对周围的环境信息进行感知。
由于通过立体视差法对图像进行特征匹配在实际应用中有许多困难，于是使用主动光源对真实物体进行照射，通过使用编码光或者结构光的办法恢复三维空间的信息。
有的研究人员还通过在连续运动中的物体建立特征基元，从连续的图像序列中提取出特征点基元和线基元并进行匹配，最终达到恢复场景深度信息的目的。
又或者是使用人工标记的轮廓线来表达出三维场景中的物体与物体之间的关系，然后恢复相机参数或者求取表面方向的方法来估计出目标对象的深度，获得了很好的效果[5]。
除了对三维深度信息的获取外，还有一些利用三维立体成像或者多断面图像获取三维“体”数据的办法。
比如经常在医学中使用到的核磁共振成像技术、工业上使用的计算机断层成像技术、利用无线电波来确定地下介质分布情况的探地LiDAR等，它们都利用到了电磁波技术，电磁波技术能针对物体内部进行探测，可以在较短时间内不需要接触地对物体的内部结构和介质的分布情况进行获取，最近几年来，电磁测量技术在介质探测、三维形状与三维重构取等方面得到了长足的发展，测量精度和范围也在提高，在电力、采矿、航空、建筑、水利、公路、材料、铁路、考古、市政建设、医学、军工等许多的领域越来越广泛地被应用到。
还有一类来源于人类的设计与测量的三维空间数据，工程人员使用测量的二维坐标和高程数据重建三维场景，在三维模型制作与渲染软件中建立三维模型，比如3DMax、SketchUp等软件等都有这种功能；又或者通过对现有的设计资料进行数字化后重建三维模型，例如从XML格式的CAD平面图中恢复建筑的三维模型[14]。
在测绘学科中，如何去获取三维空间数据是基础和出发点，测绘学科的发展历史就是三维空间数据处理应用方法的与获取工具的发展历史。
从传统的大地、天文测量到三维激光测量系统（LIDAR）、惯性导航系统（INS）、全球卫星定位系统（GNSS）应用，从“解析摄影测量”、“模拟摄影测量”到现在的“数字摄影测量”，从测绘学发展到现在的地球空间信息学，都标志着测绘学科由单一的学科向多学科交叉的发展，数据获取手段的多样化；从只能利用地面测量仪器对局部的地面数据进行采集到现在能够利用各种机载、星载和舰载传感器实现了采集地球表面和环境的几何、物理等LiDAR数据、影像；从单纯提供静态空间测量数据到实时提供随时空变化的地球空间信息[6]。
空间数据获取手段正在向多样化、自动化、高精度化、便捷化发展，例如研究开发更高精度的测量仪器，把测量的精度由毫米向纳米发展；通过自动化技术和计算机技术的融合发展向智能化、一体化的测量设备及系统，以提高测量的工作效率；把传统的对点测量数据采集技术发展成利用数字摄影或遥感卫星等获得的数字影像的面测量手段，提高了单点精度、数量和整体的模型精度。
尽管以上的三维空间信息获取技术正在不断的完善，但是它们都有与自身相适用的范围与使用条件，不存在哪一种测量手段能适应所有的情况，这也使得测量仪器的不断推陈出新。
通常来说，接触式的测量方式大部分应用在工业生产的领域，受到它的测量原理的限制，测量速度相对较慢，而且可能损伤被测量的物体，基本上不能测量柔软易变形的物体，测量范围较窄，测量效率比较低；非接触式测量应用于各行各业，测量速度相对较快，而且能够不接触物体而进行无损测量，但是它总是存在固有缺陷，即是对物体的边界或者轮廓经常测不准，从而测量误差较大，而且有许多的测量方法对与物体的倾斜度比较敏感，特别是光学测量手段，倾斜度过大会造成反射率降低，数据获取的精度也会降低，非接触式测量很难解决物体间的遮挡问题，容易使得测量数据缺失。
为了解决物体边界的测量误差过大的问题，使用数字图像处理技术或者近景摄影测量技术能很好地去解决，通过提取获取物体的边界和图像边界的特征匹配，用三维坐标来表达高精度的边界信息。
虽然摄影测量与遥感技术能够大范围获取航空、航天和地面的摄影影像，并且运用透视几何定位原理能够解算出地物三维坐标，但是解算出来的结果果精度相对较低，而且受到图像像素的限制，分辨率也只能达到亚像素级，并不能满足现代国家信息化的情况下对于测绘行业获取到更精细数据的要求，经常是匹配的特征点越多的地方点就会越密集，反之则三维坐标越少，有的地方甚至出现没有点的情况，还会受到自然环境、拍摄条件的影响，而且并不能进行穿透测量。
由于这些原因，必须做出一套能全天候主动去获取高精度空间数据的系统，LiDAR测量系统便出现了。
LiDAR系统利用极坐标几何定位的原理，可以直接得到目标地物表面的三维坐标信息，从而实现了真实三维世界到数字化三维世界的转换。
经过了这些年的发展，LiDAR系统的精度、效率、测量范围都有了很大的提高，更多的领域开始运用LiDAR技术。
相对于传统摄影测量技术，LiDAR技术有许多的更优秀的地方，例如：
LiDAR获取的点云数据密度非常高，获取的三维点之间的间距可以从米级到毫米级乃至更小的级别；获取到的数据精度很高，由于激光有很高的方向性，一般很少因环境而影响；由于光波的一些特性，有部分LiDAR还能够穿透地物，可透过非常狭小的空隙，探测到那些被遮挡的物体；不仅可以获取到三维空间的几何数据，还可以获取到地物反射率等其他信息，某些LiDAR经过加装配准了得高分辨率相机，可以完成对彩色纹理自动匹配，而且精度很高，还可以通过加装感应位置与姿态的装置，完成多站的点云自动配准，在最后形成整体是彩色的点云模型等等。
展望未来，LiDAR系统必定会成为获取三维空间数据的重要设备，它会同其他数据获取技术，例如全球卫星定位、控制测量、近景摄影测量等技术一起促进空间信息技术向前发展。
1.2.2空间数据索引国内外研究现状
点云数据是一种三维空间坐标数据。
经过了多年对空间数据库的研究，涌现出了许多的空间数据索引方法。
最传统的索引方法有B树、B+树、二叉树等等，但是对于点云数据这些索引方法都有一定的局限性，点云数据是三维的空间数据，而这些索引方法都只能对一维属性数据进行索引，难以有效地对点云数据进行索引。
随着应用需求的发展以及研究的深入，索引的维度也开始从传统的一维、二维索引向多维发展，出现了一些三维空间数据库的索引方法，比如R树索引、KD树索引、四叉树索引等，索引的空间对象也由“点、线、面”发展到“点、线、面、体”。
R.A.Finkel和J.L.Bentley在1974年提出了四叉树索引用于存储空间多维点；KD树在1975年由J.L.Bentley提出，这种索引方式对于精确点查找有很好的性能；在1984年，GUTTMAN提出了R树，是一种支持扩展对象存取的索引方法，同时也是现阶段应用最广泛的一种空间索引结构。
对于点区域的空间索引常见的有KD树、B树、KDB树和点四叉树等，对于面区域的空间索引有区域四叉树、二维R树系列和网格索引等，对于三维的体区域的空间索引有八叉树索引、三维R树等。
每种索引都有自己的应用特点。
下表是前人对常用的索引方式研究的基础上得出的综合性能表错误!
未找到引用源。
：
表1常用索引方式基础性能表
索引名称
划分区域方法
适合对象
优点
缺点
KD树
根据点二分
点对象
查询效率高，存储要求低
对于海量数据管理困难，主要对点对象索引
八叉树
对空间八分
空间对象
算法简单，比较适应空间对象
深度较大，可能对各种操作有不利影响
R树
矩形或其他不规则多边形
空间对象
比较适应空间对象
算法复杂，区域重叠
KDB树
根据点二分
点对象
查询效率高，动态索引
删除困难，主要用于点对象索引
BSP树
对空间二分
空间对象
容易控制切割面以及树的深度，检索速度也快
算法较为复杂，要预先生成，动态维护性能较差
规则网格
等分面域或不等分
空间对象
查询效率高，算法简单，跟编码相结合
分辨率单一，难以维护，数据冗余
实际上，现在出现的多种索引方式都是针对于不断出现的新需求而出现的，对于在实际应用中选择哪种索引方式作为空间数据库的索引，要从实际出发。
就目前来说，很多相关的软件都是采用几种索引方式都使用、取长补短的策略。
1.3研究内容
海量的点云数据索引是困扰点云数据快速处理的瓶颈，大部分的点云数据处理都包含查询的操作，查询操作的效率也就直接影响到了点云快速处理的效率。
本文针对点云数据处理效率的问题进行了研究，主要研究那种索引方法能够实现更加高效的查询效率，以达到提高点云数据处理效率的方式。
主要的研究内容有：
1）点云数据获取的理论研究，对机载LiDAR和车载LiDAR的系统组成、原理和特点进行分析；
2）研究基于KD树和八叉树的LiDAR点云数据的组织与管理，通过C++语言进行实现，完成了算法测试，规律分析和对比。
3）研究了KD树和八叉树的结合方式，并使用C++语言具体实现了算法，进行了算法测试，将两种单个索引方式和结合后的索引方式测试结果进行了对比分析。
4）由几种索引方式的对比得出了OKD索引更适合于作为海量点云数据管理的方法。
1.4论文结构安排
本文共分成六章，相应章节的内容安排如下：
第一章，绪论。
此章节介绍了本文的研究背景和空间数据索引在国内外的发展现状，分析了在现在点云数据组织管理中存在的问题，提出了本文所研究的内容。
第二章，点云数据结构和特点。
此章节主要介绍了点云数据的结构以及点云数据自身的特点，基于点云数据的特点提出组织管理的需求。
第三章，基于KD树索引的点云数据组织与管理。
此章节主要介绍了KD树索引的概念原理、建立算法以及查询算法，进行算法测试得出结果及分析。
第四章，基于八叉树索引的点云数据组织与管理。
此章节主要介绍了八叉树索引的概念原理、建立算法以及查询算法，进行了算法测试得出了结果及对比分析。
第五章，基于KD树和八叉树索引混合的点云数据组织与管理。
此章节主要介绍了两种索引混合的方式原理及建立方式，进行算法测试，得出了结果和对比分析
第六章，结论与展望。
总结了本文的研究内容，并指出进一步研究的问题。
2点云数据获取的理论和数据特点
2.1机载LiDAR系统
2.1.1系统的组成
机载LiDAR测量系统
升级会员 