[发明专利]一种适用于高维散乱点云的索引查询方法

说明书

技术领域

本发明涉及空间索引技术领域，尤其涉及一种适用于高维散乱点云的索引查询方法。

背景技术

空间索引是一种依据空间对象的位置、形状或空间对象之间的某种空间关系而组织、排列的数据结构，其中包含空间对象的标识、外接矩形以及指向空间对象实体的指针等概要信息。高维散乱点云数据具有数据量大、空间分辨率高等特点，在后续的数据处理中需要对其进行频繁地范围查询。为此有必要预先对其进行有效的组织和索引，以提高后续的查询效率。目前针对点云数据采用较多的索引有2ⁿ叉树索引、格网索引、R树索引等。2ⁿ叉树索引实现简单，适用于分布相对均匀的数据；格网索引查询效率较高，但其分辨率单一，通用性不高；R树索引具有较高的通用性，但其中的最小外包矩形有可能交叠，造成一定的数据冗余，且随着空间维度的扩展，其查询用时显著增加。

发明内容

本发明的目的是克服现有高维点云数据索引方法存在的不足，根据降维、并行处理的思想，提供一种适用于高维散乱点云的索引查询方法。

适用于高维散乱点云的索引查询方法包括如下步骤：

1)根据给定的高维散乱点云数据(含m个点，维度为n)构建点集P＝{p₁,p₂,...,p_m}，点集中任意一点p_i的坐标为(a_i1,a_i2,...,a_in)，存于逻辑主节点；

2)一个逻辑主节点配套n个逻辑子节点(个数与点云维数相等)，前者将点集P中每一个点p₁,p₂,...,p_m的id及其第j(j＝1,2,...,n)维坐标信息(a_1j,a_2j,...,a_mj)分别发送至编号为j的逻辑子节点，后者接收后根据各点第j维坐标的大小顺序建立B⁺树索引；

3)对于n维查询区域R＝((s₁,t₁),(s₂,t₂),...,(s_n,t_n))，逻辑主节点将其在第j(j＝1,2,...,n)维上的投影(s_j,t_j)分别发送至编号为j的逻辑子节点，后者接收后基于之前创建的B⁺树索引查找位于范围(s_j,t_j)之内的点，并将点的id返回给逻辑主节点；

4)逻辑主节点计算所有逻辑子节点返回的点id的交集，该交集即为高维散乱点云针对范围R的查询结果。

步骤2)、3)和4)所述的n个逻辑子节点在物理上可部署于数量少于n个的机器上，即一台机器可部署多个逻辑子节点程序。

步骤3)所述逻辑子节点查找位于范围(s_j,t_j)之内点的方法为：获取关键字s_j在B+树索引中的位置，再顺着连接B+树叶子节点的双向链表向右扫描，直到关键字大于t_j为止，扫描所及的叶子节点对应位于范围(s_j,t_j)之内的点。

步骤4)所述逻辑主节点计算n个逻辑子节点返回点id交集的方法为：获取返回点个数最少的逻辑子节点返回的点id集合K，对于其中的每一个点id，判断它是否也在其它逻辑子节点返回的点id集合中出现。只要有一个逻辑子节点返回的点id集合不包含这个点id，就将它从K中删除，继续判断K中下一个点id。K中每一个点id都经过如此判断之后，最终剩下的点id即为n个逻辑子节点返回点id的交集。

本发明与现有高维点云数据索引方法相比具有的有益效果：

将n维空间的范围查询转换为n个并行的一维空间范围查询，大幅提高了高维散乱点云的查询效率，有效解决了现有索引方法存在的分辨率单一、通用性不高、数据冗余等问题。

附图说明：

图1为本发明索引创建阶段的流程图；

图2为本发明范围查询阶段的流程图。

具体实施方式：

适用于高维散乱点云的索引查询方法包括如下步骤：