基于三维R树的大规模点云数据管理和自适应可视化方法

With the increasing popularization of mobile laser scanning systems and multi-ray photogrammetry systems, efficient management and adaptive visualization of large-scale point cloud data becomes one of key bottlenecks. Taking into account the irregular distribution of point cloud and the good adaptability of 3D R-Tree, this study proposes related researches on large-scale point cloud data management and adaptive visualization, which include: 1) 3d R-tree generation method concerning levels of detail(LoD), which integrates dynamic and static mechanisms; 2) point cloud simplification method based on R-Tree; 3) LoD point cloud data organization method based on R-Tree balanced structure; 4) adaptive visualization method for large-scale point cloud; 5) prototype system development and experiments. This proposal aims at providing theoretical and methodological support for ubiquitous applications of large-scale 3d point cloud models.

随着多平台（车载、机载、舰载）激光扫描系统和多基线数字摄影测量网格系统的日益普及，大规模点云数据的高效管理与自适应可视化成为关键瓶颈问题之一。立足于点云的不规则离散分布特点和三维R树良好的适应性，本申请提出基于三维R树的大规模点云数据高效管理和自适应可视化方法，主要研究内容包括：1）动静结合的多细节层次三维R树生成方法；2）基于R树的点云数据简化方法；3）基于R树平衡结构的多细节层次点云数据组织方法；4）大规模点云自适应可视化方法；5）原型系统开发和应用实验。本项目的研究旨在为大范围三维点云模型的普及应用提供有效的理论和方法支持。

基于三维R树的大规模点云数据管理和自适应可视化方法旨在解决点云等复杂时空数据管理和可视化效率低下难题。点云、轨迹点、三维城市模型和地理视频等新兴时空数据具有异构、巨量、递增和富语义等特征，使得时空数据管理困难进而导致其应用停滞不前。本课题通过一系列科学实践发现R树可以扩展到高维空间，适合应用于三维空间信息应用甚至高维时空信息应用。点云数据三维空间分布极不均匀，且数量巨大，采用传统R树逐点插入方法构建点云数据索引将导致索引创建效率极其低下。本课题采用八叉树和R树相结合的方法，用八叉树均匀划分三维空间，将离散点云快速划归到相应格网中，逐级细分直至格网中的点云数目达到阈值以内，然后将八叉树格网作为叶节点插入到三维R树中。本方法利用了八叉树高效构建方法和三维R树高效查询能力，使得三维R树索引首次成功应用于大规模点云数据管理中。同时，课题组关注顾及用户体验的大规模三维城市模型自适应组织方法，从用户体验的操作特点和视觉感知两方面组织数据，保证固定帧率下的三维城市模型自适应传输和可视化。随着存储能力和网络传输能力的提升，实时视频应用近年来呈飞速发展，地理视频是包含地理时空信息的视频数据，和点云数据经常集成使用，因此对地理视频数据管理成为本课题的研究内容，提出一种表达视频内容变化的多层次地理视频语义模型，在各数据层次内容语义的基础上引入统一时空框架下的地理语义，支持复杂地理环境中不同地理视频的关联表示与推理。轨迹点是位置服务产生的时空数据，持续递增、语义丰富的特点使得轨迹数据集合通常是大数据，课题组也针对该数据类型的管理展开了攻关。轨迹数据管理实时性要求高，实时轨迹索引是其中关键技术。本课题研发一种采用集成R树、哈希表和B*树的混合索引方法HBSTR-tree，可利用哈希表通过对象标识符查找对象的最新轨迹节点，也可借助B*树的一维查询能力高效定位某对象在某时刻的轨迹节点，也可凭借时空R树完成多种时空查询任务。实践证明，本课题的研究成果不仅具有坚实的理论基础，还有良好的应用前景。.本课题组公开发表论文10篇，其中SCI期刊论文3篇，EI期刊论文4篇，中文核心期刊论文3篇，会议论文4篇，原型系统获得软件著作权1项，并获得3项科技进步奖。