论文部分内容阅读
三维激光扫描技术是一种先进的全自动高精度立体扫描技术，高精度三维模型已在各行各业中取得了广泛应用，因此对于点云数据处理方法的研究尤为重要。本文在对三维激光扫描技术的原理以及点云数据处理技术研究的基础上，对点云数据索引以及点云数据压缩的经典算法进行改进，以获得高效的点云数据查询效率以及高精度的点云数据压缩质量。
点云数据索引主要有格网索引、KD树索引、R树索引、八叉树索引、四叉树索引等方法，其中四叉树索引具有较好的索引效率，但是在索引过程中存在树深较大、四叉树存储冗余、堆栈溢出等问题。因此本文对四叉树索引进行改进，首先根据点云数据的跨度对点云数据进行分块，然后对分块后的点云数据进行四叉树索引，在四叉树索引时，引入自定义堆栈以及最小外包矩形的概念，从而对点云数据的四叉树索引结构进行良好的改进，经与传统的四叉树结构进行实验对比分析，改进的点云数据索引具有良好的建树效率以及查询效率。
点云数据压缩方法主要有曲率采样法、随机采样法、均匀网格采样法、坐标增量法、区域重心法等方法，其中区域重心法具有较好的压缩精度，但是在压缩过程中会造成一些物体表面细节特征丢失，因此本文对区域重心法进行改进，首先对点云数据进行包围盒的构建，再根据划分阈值将包围盒划分为若干个子包围盒，然后对子包围盒内的点云数据求取代重心点，再对其余点根据点到最近邻平面的阈值进行删除，然后对保留的点根据点到重心的距离进行二次删除，最终完成点云数据压缩，经过与区域重心采样以及其他压缩算法进行对比，改进算法改善了压缩质量，保证了数据简度，提高了三维模型构建精度。
点云数据索引主要有格网索引、KD树索引、R树索引、八叉树索引、四叉树索引等方法，其中四叉树索引具有较好的索引效率，但是在索引过程中存在树深较大、四叉树存储冗余、堆栈溢出等问题。因此本文对四叉树索引进行改进，首先根据点云数据的跨度对点云数据进行分块，然后对分块后的点云数据进行四叉树索引，在四叉树索引时，引入自定义堆栈以及最小外包矩形的概念，从而对点云数据的四叉树索引结构进行良好的改进，经与传统的四叉树结构进行实验对比分析，改进的点云数据索引具有良好的建树效率以及查询效率。
点云数据压缩方法主要有曲率采样法、随机采样法、均匀网格采样法、坐标增量法、区域重心法等方法，其中区域重心法具有较好的压缩精度，但是在压缩过程中会造成一些物体表面细节特征丢失，因此本文对区域重心法进行改进，首先对点云数据进行包围盒的构建，再根据划分阈值将包围盒划分为若干个子包围盒，然后对子包围盒内的点云数据求取代重心点，再对其余点根据点到最近邻平面的阈值进行删除，然后对保留的点根据点到重心的距离进行二次删除，最终完成点云数据压缩，经过与区域重心采样以及其他压缩算法进行对比，改进算法改善了压缩质量，保证了数据简度，提高了三维模型构建精度。