试谈Qsplat激光雷达点云数据点绘制策略

论文导读：
摘要：随着激光扫描仪软硬件技术的不断进展,激光数据的精度越来越高,最直观的体现就是单位面积上获取的点数量越来越多,点密度越来越大,这样一来我们获取到的三维点云数据量也越来越大,特别是卫星、机载、车载激光扫描仪获取的数据,甚至能达到百G以上.对于这种数量级的数据文件。传统的绘制策略为将大文件分解为若干小文件来进行处理,这样绘制速度慢,且不能得到直观的整体点云形态；同样也有LOD绘制策略,即对点云数据生成若干不同分辨率的文件,根据视点远近来调用不同的LOD层来进行绘制,这样速度有所提升,但是生成的LOD文件大大占用了存储空间。基于点的绘制策略以牺牲很有限的一部分显示效果为代价,大大加速了模型的绘制策略,并且不需要产生很多的预处理文件。本论文根据机载点云与Qsplat的特点,提出了一种新的大规模点云快速显示策略。该策略对机载点云进行四叉树与八叉树相结合的分块,结合Qsplat的数据特点与点云的特点进行数据存储,并采取了Qsplat的显示思想。这种新策略有以下特点：1、四叉树与八叉树相结合,分块速度和读取更快,且分块层级能尽量缩至最小,耗费代价低；2、预处理文件不需要很大的存储空间；3、不损失点云的显示精度；4、视角转换时显示效果流畅；5、整个策略采取内存映射技术,对计算机内存要求不高。关键词：大规模点云论文基于点论文Qsplat论文八叉树论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要4-5
Abstract5-8
绪论8-13

1.选题背景8-9

2.国内外探讨近况9-10

3.主要探讨内容与工作流程10-11

4.论文结构安排11-13

第一章 三维激光数据采集原理及数据格式13-19

1.1 机载激光雷达数据特点13-14

1.2 Las文件格式及读取14-19

1.2.1 las文件格式14-16

1.2.2 las文件读取策略16-19

第二章 常用大数据点云数据管理策略19-27

2.1 四叉树结构19-21

2.

1.1 四叉树构建19-21

2.

1.2 四叉树在三维场景管理中的运用21

2.2 八叉树结构21-25

2.1 八叉树生成22-23

2.2 八叉树遍历23-24

2.3 八叉树在三维场景管理中的运用24-25

2.3 四叉树与八叉树结构的结合25-27

第三章 基于点绘制的QSplat策略27-37

3.1 QSplat数据结构、构建及存储27-29

3.

1.1 构建27

3.

1.2 数据结构组成及文件存储27-29

3.2 点云QSplat数据结构构建29-37
3.

2.1 QSplat结构在点云数据上的拓展29-30

3.

2.2 构建对策30-34

3.

2.3 结点文件与点数据文件存储34-37

第四章 QSplat绘制策略具体实现37-49

4.1 内存映射原理及分块映射37-40

4.2 OpengGL调度对策40-49

4.

2.1 OpenGL介绍40

4.

2.2 OpenGL矩阵变换、投影计算及视域裁剪40-45

4.

2.1 视锥体设置40-41

4.

2.2 OpenGL中的坐标变换与矩阵计算41-42

4.

2.3 视域裁剪42-45

4.

2.4 投影计算45

4.

2.3 调度对策45-49

第五章 QSplat与常见LOD策略比较49-52

5.1 LOD思想49-50

5.2 QSplat与LOD策略比较50-52

第六章 结论与展望52-54

6.1 结论52

6.2 展望52-54

主要参考文献书目54-55