试谈Qsplat激光雷达点云数据点绘制策略
最后更新时间:2024-03-01
作者:用户投稿本站原创
点赞:4361
浏览:11221
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
3.
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13-191.1 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19-272.1 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21-252.1 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27-373.1 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29-373.