面向海量精细点图像和散乱点云的多级混合空间索引机制

The design of spatial index for huge fine point cloud is not only an important part of the organization and management work,but also the basis of efficient processing, analysis and visualization.Aiming to the international forefront academic issue for large-scale point-cloud data,an approach of multi-level hybrid spatial index is proposed in this proposal.For large-scale scattered point-cloud, a three dimensional integrated spatial index which are compose of octree spatial index and three-dimensional k-d tree index is used. Multi-station point image data and scattered point-clouds are organized by three-dimensional R-tree spatial index which are constituted by their MBBs. Combined with the view-window cutting and multi-resolution level of detail(LOD) technology, the database data retrieval and fast visualization of huge point-cloud will be implemented. The ground-based three-dimensional laser scanning data from Forbidden City are used to validate the feasibility and the effectiveness of management theory and methods above by the prototype system, using .net and OpenGL development tools. The results is expected to form a set of relevant theories, methods and key algorithms for large-scale point-cloud data organization.Effective support for management and application of point cloud data will be provided, while promoting the applications of T-LIDAR technology in digital heritage protection.

海量精细点云数据的空间索引设计不仅是点云组织和管理研究的主要内容，也是海量点云数据高效处理、分析与可视化的基础。本申请针对这一国际前沿的学术热点问题，以地面激光雷达获取的原始点图像和经预处理后大规模散乱点云为研究对象，提出了一套海量精细点云数据的多级分类空间索引方法，主要包括：基于八叉树空间索引和三维k-d 树的大规模散乱点云索引方法；针对两类海量点云数据的三维R 树多级混合空间索引方法；基于多分辨率细节层次和视窗裁剪技术的数据库数据检索和快速可视化算法。以.Net 和OpenGL 为开发工具，应用故宫博物院等实验区的海量多测站点图像和大规模散乱点云数据，设计开发实验原型系统进行算法验证。本研究成果有望形成一套海量精细点云数据组织的有效方法与关键算法，为点云数据的处理和分析提供技术支撑，同时推动地面激光雷达技术在文化遗产保护等领域的相关应用。

本课题在总结空间索引技术的研究现状及空间索引设计因素、目前三维点云数据的组织和管理所面临的问题的基础之上，针对海量精细点云数据获取速度与数据处理和管理效率之间的矛盾，以地面激光雷达获取的原始点图像和经预处理后大规模散乱点云为研究对象，提出了一套海量精细点云数据的多级分类空间索引方法，主要包括基于八叉树空间索引与三维 k-d 树的大规模散乱点云索引方法-OctKDTree 树和针对两类海量点云数据的三维 R树多级混合空间索引方法。在此基础上，研究了三维空间数据模型自动提取与构建算法，研究了基于GPU曲面细分及实例化技术、多分辨率细节层次和视窗裁剪技术的数据库快速可视化算法。以.Net 和OpenGL 为开发工具，应用故宫博物院、国家体育场、天津西站等实验区的海量多测站点图像和大规模散乱点云数据，设计开发实验原型系统进行算法验证。在应用中根据空间索引叶子节点在点云分割上的特点，以具有可编程的DirectX 11作为三维图形引擎，通过GPU物理层的曲面细分技术，实现旋转体建筑构件的精细表达，利用实例化技术，通过一次性创建构件几何缓存，实现大规模点云中重复空间对象的高速绘制，并且绘制帧率不受空间数据量的限制。. 本项目共发表有关论文13篇，其中SCI源刊论文3篇，EI 源刊2篇，EI 检索2篇，中文核心期刊5篇。在国家一级出版社撰写出版专著3部，其中专著《海量精细点云数据组织与管理》获得了“测绘地理信息科技出版基金”的资助。取得相关软件著作权3个：多源数据融合三维交互可视化引擎系统[简称：L&P_3DIVE]V1.0 (国家版权局登记号：2015SR161293)等.获得已授权的发明专利《一种面向海量激光雷达点云模型的三维空间索引方法》等3项，获得已公开的发明专利6 项，荣获中国地理信息科技进步奖等省部级一等奖3项。本项目研究成果形成的这套海量精细点云数据组织方法与关键算法，不仅能为大规模点云数据的组织、处理、分析和可视化提供技术支撑，同时能够有效推动地面激光雷达技术在文化遗产保护和特大异形钢结构检测与检测等领域的相关应用。