专利名称：激光雷达点云数据的快速分块与栅格化算法的制作方法
技术领域：
本发明是一项对地观测领域的技术，本发明降低了海量激光雷达点云数据的栅格化过程 中对计算平台硬件的要求，减少了对计算资源的消耗，能够实现激光雷达点云数据的快速分 块与栅格化，本发明是一 项具有应用价值的信息处理技术。
背景技术：
激光雷达(Light Detection And Ranging,简称LiDAR)是一种集激光、全球定位系统 (GPS)和惯性导航系统(Inertial Navigation Systems, INS)技术于一身的用于快速获取 地面及地面目标三维高空间分辨率信息的主动式观测系统，LiDAR技术与成像光谱、合成孔 径雷达(SAR) —起被列为对地观测系统(EOS)计划最核心的信息获取与处理技术。在近十 年内，机载LiDAR技术作为一种精确、快速获取地表三维信息的方法在世界发达国家已经被 普遍接受，在地形测绘、环境监测、三维城市建模等诸多领域有广阔的发展前景和应用需求 (Ackemann F, et al, Airborne laser scanning _ present status and future expectation. ISPRS JPRS， 1999 (54): 64 - 67)。然而，激光雷达获取的海量点云数据为不规则的离散点数 据集，数据点间的几何关系不规则，利用这些离散点数据生成栅格化的数字产品的过程中需 要进行栅格点的邻域搜索与排序，而激光雷达数据在获取高分辨率地面信息的过程中产生的 数据量达到GB甚至TB级别，常规分块与栅格化算法的排序与邻域搜索使得算法的空间和时 间的复杂度很高，相关研究人员探索使用大量的计算机联网形成分布式计算环境来解决这个 问题(http: 〃www. geongrid. org/science/lidar. html ),但是针对于常规的数据处理和数据 产品生产而言，数据分块与栅格化成为 一个瓶颈问题。发明内容*本发明提出 一种针对激光雷达点云数据快速分块与栅格化算法，本发明提出的算法包括激光雷达点云数据存储组织模式与相对定位方法、激光雷达点云数据目标位置前向搜索 与自动分块方法、基于三维存储矩阵的插值与后处理。本发明避免了常规栅格化算法中点云数据的邻域搜索过程，并且在计算过程中对数据进 行自动分块，降低了海量激光雷达点云数据处理过程中对计算平台的要求，减少了栅格化过程中的邻域搜索过程，节省了计算资源，能够在较低的计算平台上实现激光雷达点云数据的 快速分块与栅格化。
图1是本发明的技术路线流程图具体实施方式
如图1所示，本发明提出一种激光雷达点云数据分块快速与栅格化算法，它包括激光 雷达点云数据的三维存储;f莫式，在点云数据地理坐标的基础上自适应的选择合适的数据子块 大小，利用前向位置搜索和相对定位的策略实现激光雷达点云数据的压缩，从而减少离散点 云数据分块与栅格化过程中的邻域搜索与1/0过程，实现激光雷达点云数据的快速分块与栅 格化。完整的技术流程如下*建立激光雷达点云数据的三维存储矩阵每个激光雷达点数据包含着一定空间参照系下 的三维空间位置坐标(X,Y，Z)以及反射强度(density )、回波次数等附加信息，其中三维 空间坐标位置为激光雷达点云数据必须具有的信息，建立三维存储矩阵M，采用矩阵的行 序表示激光雷达数据点的X方向，矩阵的列序表示激光雷达数据点的Y方向，而矩阵的 波段序则代表每个小数据区域内的所有点云的Z信息以及附加信息，其中X、 Y平面上每 个像元的空间分辨率为用户需要输出栅格化数据的像元(Pixel)大小，假设每个激光雷达 数据点包括X,Y，Z, density等i个记录，激光雷达数据点的平均密度为j' points/pixel, 三维存储矩阵的波段数为n*(i-2)，当j小于3时，n等于3，当j大于或者等于3时，n 为j向上取整得到的正整数。
激光雷达点云数据前向位置搜索和自适应数据分块存储假设当前计算设备的可用内存 为M，对于平均密度为n points/pixel的激光雷达数据，则数据分块的大小为 Max (n* (i+1) *D*D) < M，考虑到插值过程中需要为目标影像分配存储空间，因而这里将波 段数设置为三维存储矩阵波段数加上三个目标影像波段，D为三维存储矩阵的在X Y平面 上的采样数，Max表示取最大值函数。根据激光雷达点云数据原始坐标系统与用户定义的 坐标系统之间转换关系，由用户定义栅格化过程中的搜索半径R和数据坐标原点[X。, Y。], 该点坐标作为待处理激光雷达数据的标准原点，所有三维存储块相对原点确定为[X。 ± NX* (D-R) *PRes, Y。±NY*(D-R) *PRes],这里的R由用户指定，表示在插值过4呈中的邻域 搜索半径，NX, NY为....-2,-1, 0,1,2....序列的整数，表示以标准原点所在存储块为中心(O, O)数据存储块所在的行序和列序，Pres表示像元分辨率。对于任意激光雷达数 据点，根据坐标系统的转换规则，可以获得数据点所在的数据存储矩阵的行列序以及在 存储矩阵中的位置.* 激光雷达点云数据相对定位与数据压缩在三维矩阵的数据存储模式下，对于激光雷达点云数据而言，每个数据点都属于存储矩阵 中的一个栅格，但是它并不一定就处在栅格的中心位置，因而对于每个激光雷达数据点采用 栅格内相对定位的策略，即以每个栅格的左上角的交点坐标作为栅格原点，根据待定位的激 光雷达数据点的空间坐标，计算该点相对于4册格原点所在的位置作为该点的坐标，在平均密 度为n points/pixel的激光雷达数据，存储矩阵中每个栅格的数据点并不一定是n个，因而 对于栅格内的激光雷达数据点大于n时就需要剔除数据点，剔除的规则是在一个栅格单元 中，除了高程最大和最小值的其他数据点高程的算术平均和的差值绝对值最小的数据点被剔 除。这样保证了既不会删除栅格内的高值点和低值点，同时减少了数据点的冗余。 基于三维存储矩阵的插值与后处理建立矩阵存储栅格化后的目标影像，其大小为[(D-2R), (D-2R)],插值过程中，从三维 存储矩阵的[R, R]点处开始处理，搜索待插点周边指定邻域范围内每个存储单元内的高程最 大值、最小值和平均值，分别插值获取最大值、最小值、平均值三个波段的栅格数据并输出， 至此对于单个区域的激光雷达点云数据栅格化过程结束，判断是否已经完成了所有的分块区 域的栅格化，未完成则继续完成其他区域激光雷达数据的栅格化过程，否则算法结束。以上说明对针对激光雷达点云数据的自动快速分块与栅格化算法进行了详细的描述，但 本领域的技术人员都能够意识到，在本发明范围和精神内的各种改进、添加和替换都是可能 的，并且都在本发明的权利要求所限定的保护范围内。
权利要求
1.激光雷达点云数据的快速分块与栅格化算法，它包括激光雷达点云数据存储组织模式；激光雷达点云数据前向位置搜索和自适应数据分块存储；激光雷达点云数据相对定位与数据压缩；基于三维存储矩阵的插值与后处理。
2. 根据权利要求1所述的方法，激光雷达点云数据存储组织一莫式其特征在于激光雷达点云 数据坐标暗含的三维分块结构；激光雷达点云数据分层存储;漠式。
3. 根据权利要求1所述的方法，激光雷达点云数据前向位置搜索和自适应数据分块存储特征 在于根据计算机的硬件情况，自适应计算三维存储块大小；利用初始化的数据原点与用 户需要的分辨率进行激光雷达数据分块坐标解算与数据点前向定位。
4. 根据权利要求1所述的方法，激光雷达点云数据相对定位与数据压缩其特征在于利用三 维存储矩阵中坐标暗含的特征，对每个激光雷达点采用相对定位的方式记录其空间位置， 并且在同一个像素之内采取一定的数据压缩方法进行数据压缩，减少数据存储中的冗余。
5. 根据权利要求1所述的方法，基于三维存储矩阵的插值与后处理其特征在于利用三维存 储矩阵中存储的激光雷达点数据进行邻域搜索，然后直接插值输出最大值、最小值、平均 值三个波段的栅格化影像，减少栅格化过程中的位置排序与邻域搜索。
全文摘要
激光雷达点云数据的快速分块与栅格化算法是一项对地观测领域的技术，本发明提出一种针对激光雷达点云数据快速分块与栅格化方法，包括激光雷达点云数据存储组织模式与相对定位方法；激光雷达点云数据目标位置前向搜索与自动分块方法；基于三维存储矩阵的插值与后处理。本发明降低了海量激光雷达点云数据的栅格数据产品生产过程中对计算平台硬件的要求，减少了海量激光雷达点云数据栅格化过程中对计算资源的消耗，实现激光雷达点云数据的快速分块与栅格化。
文档编号G01S17/00GK101324663SQ20081000093
公开日2008年12月17日 申请日期2008年1月8日 优先权日2008年1月8日
发明者铮 牛, 覃驭楚 申请人:覃驭楚;牛 铮