專利名稱：海量機載LiDAR點云Delaunay三角網并行構建方法和裝置的制作方法
技術領域：
本發明涉及測繪技術領域,更具體地，涉及ー種海量機載LiDAR點云Delaunay三角網并行構建方法和裝置。
背景技術：
激光雷達在地形測繪領域中已經得到廣泛的應用。使用機載激光雷達進行地形掃描，可以獲得海量機載LiDAR點云數據。基于點云數據中所包含的高精度的三維空間坐標信息，能夠精細地表現出掃描對象的 表面空間特征，是實現等各類測繪應用的基礎，在地理空間信息研究、城市規劃、國土管理等方面也具有重要的意義。但是，LiDAR點云數據通常具有海量的點數，各點空間分布有一定的離散性，所以需要科學高效的方法進行LiDAR數據的后處理。在LiDAR數據后處理中，Delaunay三角網是重要手段之一，被廣泛應用于點云數據的平差、自動/手動濾波、邊界線的提取、地形可視化、DEM生成等處理過程中，對LiDAR點云的數據后處理處理有著舉足輕重的重要性，是實現LiDAR點云的數據的可視化、DEM生成等實際應用的必要步驟。眾多學者已經對Delaunay三角網的構建算法進行了大量研究。Lawson于1977年提出了一種通過逐點插入的方式構建Delaunay三角網的方法，我們稱之為逐點插入算法。1978年Green和Sibson提出了一種新的Delaunay三角網構建算法,根據其計算過程我們稱之為生長算法。在生長法的基礎上，許多學者又提出了改進算法，對生長算法第三點搜尋策略提出了不同的改進。另ー種被廣泛應用的構網算法——分治算法由Lewis和Robinson提出，采用分割-合并的方式構建散亂點集的De Iaunay三角網。該方法的時間效率較高，后來被眾多學者改進并應用，是如今常用的構網方法之一。上述的三大構網方法基本上概括了主流的Delaunay三角網生成算法，并行算法也是基于上述三種算法的思想進行研究。Christos等人于2005年提出采用多粒度的并行算法，并對這些粒度分級性能進行了分析。NIKOS和ANDREY于2006年提出一種基于Bowyer-Watson算法的并行ニ維多邊形的Delaunay剖分方法。在約束邊的處理上采用了二分法，獲得了很好的效果。易法令等人2001年提出了ー種提出了一種基于網格的Delaunay三角剖分并行算法。該算法基于分治法針對四點共圓的不唯一性及并行處理邊界的任意性問題進行了探討，在任務分配上較好地保證了負載的均衡。雖然這些算法已經比較成熟，但是處理對象一般只是少量離散點云。而LiDAR獲取的數據為了保證高密度和高精度，點云的數目往往都很大。當點云的數目較大時，構建Delaunay三角網過程中Delaunay三角剖分計算量大,現有的算法執行速度很慢、效率低，已經不能滿足目前海量數據的構網應用。因此，高效、快速，面向大數據量的Delaunay三角網構建方法和相關裝置是目前LiDAR數據處理中急需解決的關鍵技術之一。
發明內容
針對現有技術的上述需求,本發明_在提高海量機載LiDAR點云Delaunay三角網的構建速度，提高構網效率，解決海量機載LiDAR點云的構網問題，從而為機載激光雷達地形掃描所形成的LiDAR點云數據的后處理提供一種高效、快速、適于大數據量處理的新方法和新裝置。本發明所述的海量機載LiDAR點云Delaunay三角網并行構建方法，其特征在干，包括以下步驟步驟1，對海量機載LiDAR點云數據進行數據塊劃 分和任務分配，將所述海量機載LiDAR點云數據劃分為等數據量的均勻條帶數據塊；步驟2，對所述各數據塊分別應用逐點插入算法并行構建子三角網，獲得子三角網集合;步驟3，采用合并算法對相鄰的兩個子三角網進行連接生成合并的三角網；步驟4，采用優化算法對新生成的三角形以及其鄰接三角形進行優化，得到符合Delaunay規則的合并的三角網；步驟5，重復步驟3、4，將所有子三角網合并得到完整的Delaunay三角網。其中，優選地，所述步驟3的合并算法具體包括步驟3A :通過遍歷所述子三角網，找到所有鄰接三角形數量為I的邊界，并將這些邊界的端點作為三角網邊界點，提取所述相鄰的兩個子三角網的邊界；步驟3B :采用三角網的生長算法將兩塊相鄰三角網進行連接，所述生長算法包括首先在邊界點集中利用余弦定理尋找最優點構建三角形，然后將新生成兩條有向邊加入待擴展邊，最后，直到所有待擴展邊都完成最優點的選取。其中，優選地，所述步驟4的優化算法為LOP算法。本發明基于上述方法還提供了ー種海量機載LiDAR點云Delaunay三角網并行構建裝置，其特征在于，包括以下模塊數據分塊単元，對海量機載LiDAR點云數據進行數據塊劃分和任務分配，將所述海量機載LiDAR點云數據劃分為等數據量的均勻條帶數據塊；多個計算単元，對所述各數據塊分別應用逐點插入算法并行構建子三角網，獲得子三角網集合；合并單元，采用合并算法對相鄰的兩個子三角網進行連接生成合并的三角網；優化單元，采用優化算法對新生成的三角形以及其鄰接三角形進行優化，得到符合Delaunay規則的合并的三角網；所述合并単元和優化單元重復執行合并算法和優化算法，將所有子三角網合并得到完整的Delaunay三角網。本發明實現了 LiDAR點云的Delaunay三角網并行構建方法和裝置。該方法大大提高了海量機載LiDAR點云在數據量較大的情況下構建Delaunay三角網的速度，經實驗測試速度最高可以達到毎秒處理約110萬個點，遠遠高于現有的相關方法(目前最快方法處理速度約為40-50萬個點每秒)，大幅度的提高了機載LiDAR點云后處理效率。
圖I是本發明實施例的合并相鄰三角網邊界的過程示意圖；圖2是本發明實施例的局部優化算法示意圖；圖3是本發明實施例對狹長三角形進行優化的實驗結果示意圖；圖4是本發明實施例的子三角網合并的實驗結果示意圖；圖5是本發明實施例的所有子三角網合并后的實驗結果示意圖；圖6是本發明實施例的海量機載LiDAR點云Delaunay三角網并行構建裝置結構示意圖。
具體實施方式
為詳細說明本發明的技術內容、構造特征、所實現目的及效果，以下結合具體實施方式
并配合附圖詳予說明。本發明g在提高海量機載LiDAR點云Delaunay三角網的構建速度，提高構網效率，解決海量機載LiDAR點云的構網問題，為機載激光雷達掃描數據的后處理和相關應用提供高效、快速的新方法和新裝置。本發明的實施步驟可以概括為任務劃分、子任務三角網構建、合井子三角網和優化等步驟。下面對各實施步驟進行進ー步的闡述I)任務劃分本步驟對海量機載LiDAR點云數據進行數據塊劃分和任務分配，將所述海量機載LiDAR點云數據劃分為等數據量的均勻條帶數據塊；由于本發明的算法是基于數據量的并行算法，因此在任務的劃分上采用等數據量均勻條帶劃分，這樣能夠盡量的保證各個處理單元計算時間的一致性，從而提高計算效率。2)子三角網的構建對所述各數據塊分別應用逐點插入算法并行構建子三角網，獲得子三角網集合；本發明采用了單機多線程的并行方式，建立多個計算単元，在每個計算單元中應用逐點插入算法分別對各數據塊構建子三角網，一個計算単元處理ー塊數據，運用經典Delaunay構建算法，從而并行構建子三角網。當所有計算單元完成計算之后，我們就得到了ー個子三角網集合。3)合并子三角網在完成子三角網的構建后，需要對兩個相鄰的子三角網進行拼接處理。拼接算法可以分為以下兩個步驟(I)提取三角網邊界如圖I中(a)，(b)所示，首先需要提取兩個相鄰子三角網的邊界。通過遍歷子三角網，找到所有鄰接三角形數量為I的邊界，這些邊界的端點就是三角網邊界點，從而提取所述相鄰的兩個子三角網的邊界。(2)合并相鄰邊界我們用第(I)步得到的邊界點集P，采用三角網的生長算法將兩塊相鄰三角網進行連接。所述生長算法的過程如下首先在邊界點集P中利用余弦定理尋找最優點構建三角形，然后將新生成兩條有向邊加入待擴展邊，最后，直到所有待擴展邊都完成了最優點的選取，算法結束，如圖1(C)，(d)，(e)所示。
最優點的選取規則為i.該點與待擴展邊的兩個端點構成的新三角形滿足空圓特性即根據余弦定理，如公式l，cosC值最小的點即為滿足Delaunay規則的點；其中公式I中的a，b，c分別表示圖I的(c)所示角A、B、C所對的邊ii.新生成的待擴展邊不與任意一條現有邊界邊相交(不包含相切)。cosC= (a2+b2_c2)/2*a*b (公式 I)4)優化接邊處的三角形采用優化算法對新生成的三角形以及其鄰接三角形進行優化，得到符合Delaunay規則的合并的三角網。由上一步我們得到了ー張由相鄰的兩張子三角網合并的三角網。在生成的邊界處的三角形多為狹長三角形，它們與邊界以內原有的三角形并不滿足Delaunay三角網的規則。因此，我們應用優化算法對新生成的三角形以及其鄰接三角形進行了優化， 這樣就得到了一個合并后的、符合Delaunay規則的三角網；優化算法可以采用本領域公知的由Lawson提出的LOP算法。圖2為局部優化的算法示意圖，圖3為對狹長三角形進行優化的實驗結果圖。5)在對上述兩個相鄰的子三角網進行的合并和優化完成后，重復步驟3)和4)，將所有子三角網合并得到完整的Delaunay三角網，最終就得到了一張完整的Delaunay三角網。圖4是子三角網合并的實驗結果示意圖，圖5是本發明實施例的所有子三角網合并后的實驗結果示意圖。本發明基于上述方法還提供了ー種海量機載LiDAR點云Delaunay三角網并行構建裝置，其結構如圖6所示。其中，數據分塊単元10，對海量機載LiDAR點云數據進行數據塊劃分和任務分配，將所述海量機載LiDAR點云數據劃分為等數據量的均勻條帶數據塊。多個計算単元20A-D，對所述各數據塊分別應用逐點插入算法并行構建子三角網，獲得子三角網集合；ー個計算單元處理ー塊數據，運用經典Delaunay構建算法,從而并行構建子三角網。對于由各計算單元所形成的子三角網集，合并單元30采用合并算法對相鄰的兩個子三角網進行連接生成合并的三角網；優化單元40采用優化算法對新生成的三角形以及其鄰接三角形進行優化，得到符合Delaunay規則的合并的三角網，從而完成對上述兩個相鄰子三角網的合并。然后，所述合并単元30和優化單元40重復執行合并算法和優化算法，直至將所有子三角網合并得到完整的Delaunay三角網。綜上所述，本發明實現了 LiDAR點云的Delaunay三角網并行構建方法和裝置。本發明大大提高了海量機載LiDAR點云在數據量較大的情況下構建Delaunay三角網的速度，經實驗測試速度最高可以達到毎秒處理約110萬個點，遠遠高于現有的相關方法(目前最快方法處理速度約為40-50萬個點每秒)，大幅度的提高了機載LiDAR點云后處理效率。以上所述僅為本發明的實施例，并非因此限制本發明的專利范圍，凡是利用本發明說明書及附圖內容所作的等效結構或等效流程變換，或直接或間接運用在其他相關的技術領域，均同理包括在本發明的專利保護范圍內。
權利要求
1.一種海量機載LiDAR點云Delaunay三角網并行構建方法，其特征在于，包括以下步驟 步驟1，對海量機載LiDAR點云數據進行數據塊劃分和任務分配，將所述海量機載LiDAR點云數據劃分為等數據量的均勻條帶數據塊； 步驟2，對所述各數據塊分別應用逐點插入算法并行構建子三角網，獲得子三角網集合； 步驟3，采用合并算法對相鄰的兩個子三角網進行連接生成合并的三角網； 步驟4，采用優化算法對新生成的三角形以及其鄰接三角形進行優化，得到符合Delaunay規則的合并的三角網； 步驟5，重復步驟3、4，將所有子三角網合并得到完整的Delaunay三角網。
2.根據權利要求I所述的方法，其特征在于，所述步驟3的合并算法具體包括 步驟3A :通過遍歷所述子三角網，找到所有鄰接三角形數量為I的邊界，并將這些邊界的端點作為三角網邊界點，提取所述相鄰的兩個子三角網的邊界； 步驟3B :采用三角網的生長算法將兩塊相鄰三角網進行連接，所述生長算法包括首先在邊界點集中利用余弦定理尋找最優點構建三角形，然后將新生成兩條有向邊加入待擴展邊，最后，直到所有待擴展邊都完成最優點的選取。
3.根據權利要求I所述的方法，其特征在于，所述步驟4的優化算法為LOP算法。
4.一種海量機載LiDAR點云Delaunay三角網并行構建裝置，其特征在于，包括以下模塊 數據分塊單元，對海量機載LiDAR點云數據進行數據塊劃分和任務分配，將所述海量機載LiDAR點云數據劃分為等數據量的均勻條帶數據塊； 多個計算單元，對所述各數據塊分別應用逐點插入算法并行構建子三角網，獲得子三角網集合； 合并單元，采用合并算法對相鄰的兩個子三角網進行連接生成合并的三角網； 優化單元，采用優化算法對新生成的三角形以及其鄰接三角形進行優化，得到符合Delaunay規則的合并的三角網； 所述合并單元和優化單元重復執行合并算法和優化算法，將所有子三角網合并得到完整的Delaunay三角網。
全文摘要
本發明涉及一種海量機載LiDAR點云Delaunay三角網并行構建方法，包括以下步驟對海量機載LiDAR點云數據進行數據塊劃分和任務分配；對所述各數據塊分別應用逐點插入算法并行構建子三角網，獲得子三角網集合；采用合并算法對相鄰的兩個子三角網進行連接生成合并的三角網；采用優化算法對新生成的三角形以及其鄰接三角形進行優化，得到符合Delaunay規則的合并的三角網；重復合并和優化直至將所有子三角網合并得到完整的Delaunay三角網。本發明還提供了執行上述方法的相應裝置。本發明大大提高了海量機載LiDAR點云的后處理速度，對實際應用具有重要意義。
文檔編號G06T17/20GK102629390SQ201210041689
公開日2012年8月8日 申請日期2012年2月23日 優先權日2012年2月23日
發明者劉正軍, 左志權, 張繼賢, 梁靜 申請人:中國測繪科學研究院