第7讲-地面三维激光雷达点云预处理.pdfVIP

第七讲 地面三维激光雷达点云预处理 主要内容 散乱点云数据组织 点云数据空洞修补 点云数据压缩与简化 散乱点云数据组织 散乱点云数据组织 点云邻域 邻域即是一种拓扑关系，是目标空间分布和结构信 息的局部表达。 一切复杂的空间实体，都可以通过一系列的邻域及 其邻域间的内在关联性进行表示。 点云的邻域实质上是三维空间点集的一个局部微小 区域。 散乱点云数据组织 散乱点云数据组织 点云邻域 对于三维散乱点云数据来说，点云的法向量，曲率， 微切平面等与后处理有关的计算都需要其周围临近 点信息。 散乱点云数据组织关键在于利用空间索引结构达到 点云中点邻域快速查询的目的。 散乱点云 散乱点云数据组织 散乱点云数据组织 点云邻域 根据点云邻域空间结构及查找方式，点云邻域可分 为： K-邻域：包括了KNN(K Nearest Neighbour)及FDN(Fixed Distance Neighbors)。KNN是K个到点p的欧氏距离最近 的点所组成的集合。FNN为点P的指定搜索范围的点所组 成的集合。 BSP邻域：基于BSP （Binary Space Partition- ing 二叉 空间划分法）树结构的点云邻域。 Voronoi邻域：基于Voronoi 图 （泰森多边形）的点云邻域。 散乱点云数据组织 散乱点云数据组织 三种不同的点云邻域比较 K-邻域：采用遍历搜索的方式来查找邻域。可通过建立不同 的空间索引结构来提高查找效率。查找方式灵活，是目前最 为常用的散乱点邻域类型。 BSP邻域：空间二叉划分，对大数据量点云BSP树深度较大。 常用于GIS空间数据库。 Voronoi邻域：构建过程复杂耗时。一般不用于点云邻域查询。 点云邻域 散乱点云数据组织 散乱点云数据组织 散乱点云空间索引结构 对于海量点云数据中点K-邻域的查找，一般需要对散 乱点云建立空间索引结构来提高邻域查找效率。常用 的散乱点云索引结构包括以下三种： 空间栅格结构 八叉树结构 k-d tree结构 散乱点云数据组织 点云邻域 空间栅格结构 空间栅格划分就是将点云所在的空间区域规则地划分 为有序排列的单元立方体，点云中的每个点都相应落 入由其三维坐标所确定的对应单位立方体中，利用单 元立方体的规则性和邻接性，建立点的K邻域拓扑关 系。 散乱点云数据组织 点云邻域 空间栅格结构 { } 对于点云数据，其外接包围盒为 xmin , xmax , y min , y max , z min , z max ， 给定的空间单元立方体边长为 r ，则点 (x , y , z ) 所在划 i i i 分单元的索引号 (i, j ,k ) 为：