一種基于海量三維激光掃描點云數據的處理方法
【專利摘要】一種基于海量三維激光掃描點云數據的處理方法，涉及數據處理、三維數字化領域，具體步驟包括分站點加載采集到的點云數據到3D顯示平臺中，并根據需要調整加載的點密度；采用觀檢查法、線檢查法和弦高差方法，除去那些誤差大的噪聲點和找出可能存在的失真點；在保證后繼曲面構建精度的前提下，對點云數據進行精簡；以均值濾波和高斯濾波法，對點云數據進行平滑濾波處理；把各分站測量對應的局部坐標系統一到同一坐標系，并消除相鄰2次測量間的重疊部分，將分站測量所得到的多片點云數據拼合在一起，以得到被測物體表面的完整數據。通過采用本發明的點云處理方法，加快了海量點云數據的處理速度，提高了點云數據的精確度和精簡度。
【專利說明】一種基于海量三維激光掃描點云數據的處理方法
【技術領域】:
[0001]本發明涉及到數據處理、三維數字化領域，屬于三維數據處理算法中的一部分，對采集到海量數據進行進一步處理數據，以提高數據處理速度和數據精確度，為方便后期數據調用奠定基礎。
【背景技術】:
[0002]三維激光掃描技術又被稱為實景復制技術，是測繪領域繼GPS技術之后的一次技術革命。它突破了傳統的單點測量方法，具有高效率、高精度的獨特優勢。三維激光掃描技術能夠提供掃描物體表面的三維點云數據，它通過高速激光掃描測量的方法，大面積高分辨率地快速獲取被測對象表面的三維坐標數據，可以快速、大量的采集空間點位信息，因此可以用于獲取高精度高分辨率的數字模型。在測繪工程、文物數字化保護、土木工程、工業測量、自然災害調查、數字城市地形可視化、城鄉規劃等領域有廣泛的應用
[0003]對于模型的構建，數據采集后的處理算法起到關鍵的作用。數據采集過程易受環境和系統的影響，掃描數據量相當大，點云數據過度密集，不可避免的會有一些冗余信息和干擾噪聲點，會嚴重地影響模型的構建的速度和精度。所以，采集后海量數據的處理算法可以保證得到可靠精選的點云數據，以提高數據處理速度和數據精確度，降低后期數據調用、使用的難度。
【發明內容】
:
[0004]為解決現有數據處理能力不足問題，本發明的目的在于提供大場景海量三維點云數據后處理算法，針對海量三維激光掃描數據特征，降低大數據量加載對硬件的要求，剔除噪聲數據點，進行點云數據的精簡并平滑處理，最后把所有分站數據拼合對齊，提高數據處理速度和數據精確度，更方便后期數據的調用。
【專利附圖】
【附圖說明】:
[0005]圖1為本發明專利的三維點云數據后處理算法流程圖 【具體實施方式】:
[0006]分站點加載采集到的點云數據到3D顯示平臺中，并根據需要調整加載的點密度；采用觀檢查法、線檢查法和弦高差方法，除去那些誤差大的噪聲點和找出可能存在的失真點；在保證后繼曲面構建精度的前提下，對點云數據進行精簡；以均值濾波和高斯濾波法，對點云數據進行平滑濾波處理；把各分站測量對應的局部坐標系統一到同一坐標系，并消除相鄰2次測量問的重疊部分，將分站測量所得到的多片點云數據拼合在一起，即點云數據的拼合對齊，以得到被測物體表面的完整數據。
[0007]噪聲點的剔除和失真點的查找。在非接觸三維掃描測量過程中，受測量方式、被測量物體材料性質、外界干擾等因素的影響，不可避免地會產生誤差很大的點(噪聲點)和失真點(跳點)。因此在數據處理的第一步，就應利用相關專用軟件所提供的去噪聲點功能除去那些誤差大的噪聲點和找出可能存在的失真點。
[0008]①觀檢查法。通過圖形顯示終端，用肉眼直接將與截面數據點集偏離較大的點或存在于屏幕上的孤點剔除。這種方法適合于數據的初步檢查，可從數據點集中篩選出一些比較大的異常點。
[0009]②線檢查法。通過截面的首末數據點，用最小二乘法擬合得到一條樣條曲線，曲線的階次可根據曲面截面的形狀決定，通常為3?4階，然后分別計算中間數據點pi到樣條曲線的距離I |e| |，如果I |e| I大于等于[ε]([ε]為給定的允差)，則認為pi是壞點，應予以剔除。
[0010]③弦高差方法。連接檢查點的前后2點，計算中間數據點Pi到弦的距離I Iel I，如果I Iel I大于等于[ε ] ([ ε ]為給定的允差)，則認為pi是壞點，應予以剔除。這種方法適合于測量點均勻且較密集的場合，特別是在曲率變化較大的位置。
[0011]數據精簡。非接觸三維掃描測量的突出特點是點云十分密集，數據量極其龐大(在lm2的范圍內有數十萬個點)。若將如此龐大的數據量直接用于曲面構建不僅需要巨大的計算機資源(普通微機可能無法勝任)和很長的計算時間，而且整個處理過程也將變得難以控制，更何況并非所有的測試數據對曲面的構建都有用。因此，有必要在保證一定精度的前提下，對測試數據進行精簡。數據精簡的原則是在掃描曲率較大的地方保持較多的數據點，在曲率變化較小的地方保持較少的數據點。不同類型的點云采用不同的精簡方式。散亂點云可通過隨機采樣的方法來精簡，而對于掃描線點云和多邊形點云可采用等間距、倍率、等量及弦偏差等方法進行精減。
[0012]數據的平滑處理。點云數據中的隨機誤差將影響到后續曲面的構建及生成三維實體模型的質量，因此在構建曲面之前需對點云數據進行平滑濾波處理。平滑濾波處理有如下2種方式:
[0013]①值濾波。取濾波窗口內各數據點的統計平均值來取代原始點，從而改變點云的位置，使點云平滑。假設相鄰的3點分別為，x0，xl和x2，通過平均值濾波法平滑得到新點，X' l，x' 1=(χ0+χ1+χ2) / 3，直線所連的新點代表平滑后的點。
[0014]②高斯濾波。高斯濾波是一種在指定域內濾除高頻噪聲的濾波方法，其特點是在指定域內的權函數為高斯分布。由于高斯濾波的平均效果較小，因此它能較好地保持測試數據的原貌。
[0015]數據拼合對齊。為完成對整個實體模型的非接觸三維掃描測量,需要對實體模型從各個視覺進行分站測量。由于在測量不同區域時，都是在測量位置對應的局部坐標系下進行的，因此多次測量所對應的局部坐標系并不一致，所以必須把各次測量對應的局部坐標系統一到同一坐標系，并消除相鄰2次測量間的重疊部分，以得到被測物體表面的完整數據。這就需要將分站測量所得到的多片點云數據拼合在一起，即點云數據的拼合對齊，其處理方法有2種。一是通過專用的測量裝置實現數據的拼合對齊，它要求設計一個自動工件移動轉換平臺，用來直接記錄工件在測量過程的移動量和轉動角度；二是用專門設計的計算機軟件實現多片塊點云數據的拼合對齊，從而實現原型的再構，這是現在非接觸三維掃描測量最常用的多片塊點云數據拼合對齊方法。分站測量得到的點云數據常可看作是一個剛體。數據對齊可以歸結為三維剛體的坐標轉換問題，即根據一些預先指定的最佳匹配規則，通過坐標變換，把部分重疊的兩片點云最優地對齊。在工程中較常用的是基于3個基準點的對齊方法。由于3點可以確定一個平面，因此在測量時，可在不同視圖中建立用于對齊的3個基準點，通過對齊這3個基準點，就能實現三維測量數據的多視點統一。
【權利要求】
1.一種大場景海量三維點云數據后處理算法，其特征是，依次包括下列步驟:分站點加載采集到的點云數據到3D顯示平臺中，并根據需要調整加載的點密度；采用觀檢查法、線檢查法和弦高差方法，除去那些誤差大的噪聲點和找出可能存在的失真點；在保證后繼曲面構建精度的前提下，對點云數據進行精簡；以均值濾波和高斯濾波法，對點云數據進行平滑濾波處理；把各分站測量對應的局部坐標系統一到同一坐標系，并消除相鄰2次測量間的重疊部分，將分站測量所得到的多片點云數據拼合在一起，即點云數據的拼合對齊，以得到被測物體表面的完整數據。
2.根據權利要求1所述的一種彩色三維點云數據前期處理算法，其特征是，所述的線檢查法是通過截面的首末數據點，用最小二乘法擬合得到一條樣條曲線，曲線的階次可根據曲面截面的形狀決定，通常為3?4階，然后分別計算中間數據點pi到樣條曲線的距離|e| |，如果I |e| I大于等于[ε]([ε]為給定的允差)，則認為pi是壞點，應予以剔除。
3.根據權利要求1所述的一種彩色三維點云數據前期處理算法，其特征是，所述的弦高差方法是連接檢查點的前后2點，計算中間數據點pi到弦的距離I |e| |，如果I |e| I大于等于[ε]([ε]為給定的允差)，則認為pi是壞點，應予以剔除。
4.根據權利要求1所述的一種彩色三維點云數據前期處理算法，其特征是，所述的均值濾波方法是取濾波窗口內各數據點的統計平均值來取代原始點，從而改變點云的位置，使點云平滑。假設相鄰的3點分別為，xO，xl和χ2，通過平均值濾波法平滑得到新點，X' 1，Xr I=(x0+xl+x2) / 3，即平滑后的點。
5.根據權利要求1所述的一種彩色三維點云數據前期處理算法，其特征是，所述的高斯濾波是一種在指定域內濾除高頻噪聲的濾波方法，其特點是在指定域內的權函數為高斯分布，由于高斯濾波的平均效果較小，因此它能較好地保持測試數據的原貌。
【文檔編號】G06T5/00GK103886555SQ201410088878
【公開日】2014年6月25日 申請日期:2014年3月12日 優先權日:2014年3月12日
【發明者】徐欣, 陳槐, 郭英才 申請人:北京昊峰東方科技有限公司