论文部分内容阅读
车载LiDAR扫描测量系统作为一种非接触主动测量的新式测量技术，相比与传统的测量方法具有独特的优势，其具有作业速度快，受天气影响小等特征。车载LiDAR扫描系统扫描获取的点云数据具有数据精度高、数据量大、信息丰富、实时性强等特点。而点云数据的数据量大的特性给点云数据的后续的处理及应用带来了一定麻烦。本文就提高对大量车载点去数据的组织与管理方面进行了研究，主要贡献如下: 1、研究了流式处理理论与方法，并根据车载LiDAR扫描点云数据的强空间一致性特点，将流式处理方法应用于点云数据的处理，显著地提高了点云数据的读写与处理速度。2、研究了常规车载LiDAR扫描点云数据的一般处理方法，通过对八叉树结构的深入研究，提出了改进的八叉树模型，优化八叉树节点在内存中的数据结构，在提高海量点云数据处理时对内存的高效利用的同时，也极大地减小了处理后的点云数据的大小。 3、研究了流式处理与八叉树相结合的点云数据处理方法，使用C++语言实现了海量点云数据处理的原型系统，并通过实验与对比分析，验证了本文所提出方法的有效性。通过两者的结合使用，提高了海量点云数据处理时的速度，处理时的内存占用率以及减小了处理后的点云数据的空间占用率。 本文所提出的海量点云数据的处理组织方法具有处理速度快，生成数据量小等优点，为后续点云数据的三角网或格网的建立，以及三维建模等应用与处理奠定了基础。