[发明专利]一种三维激光扫描数据点云度压缩方法

说明书

技术领域

本发明属于三维激光扫描点云数据压缩方法，与图论中点连通度理论结合实现点云数据压缩。

技术背景

随着三维激光扫描技术的持续发展及扫描设备精度的大幅提升，釆样点的分布更加密集和精确，得到的点云数量会相当庞大，也就不可避免的产生了大量冗余数据点。这些冗余数据点给后期的点云数据的进一步应用带来了不便，并且在数据传输中占用大量空间和资源，压缩掉这些冗余点势在必行。此外，有时压缩的目标不一定是冗余点云，对于非冗余点云，根据后期使用目的不同，需要对有意义的初始点云数据进行压缩，保留预定区域、预定点来进行研究。这样的压缩算法只有一个目的，最大限度的满足用户不同的压缩要求。

发明内容

本发明提出了实用性较强的点云度压缩法。这种压缩方法不仅适用于散乱点云，同样适用于分布规则的有序点云；不仅适用于配准前单站点点云，同样适用于配准后多站点点云。该方法的四个功能可以单独使用，也可以重复和相互承接使用，指向性压缩特点突出。作为开放的点云数据压缩平台，可以继续扩展其他的压缩功能，适用于不同几何形态和压缩目的的点云数据压缩，拓展空间较大。

本文选取针对地面三个观测站点获取的玉兰树散乱点云数据进行配准获得原始点云数据进行说明。首先按照数据中各点数字高程模型DEM(三维坐标中的z值)由低到高的顺序进行重新无损排列；然后根据重新排序的点云进行按照用户需求分块，在每个点云块内分别求出一个虚拟点，这个虚拟点的坐标就是块内各点坐标的平均值，再分别求出块内各点到本块虚拟点的距离；最后依据这个距离值在各块内再次从小到大排序。两次排序的序号就使得各点赋予了新坐标，可以依据这个序号进行定点的查找和删除。

本发明技术方案为一种三维激光扫描数据点云度压缩方法，该方法包括：

步骤1：通过多个站点从不同的方位获取植被点云数据，然后将各站点的点云数据统一到同一个坐标系下，实现各站点点云数据的配准；

步骤2：首先根据三维坐标中x,y,z值得大小制定数据点排序方法，将步骤1中所有数据点按照制定的排序方法进行排序，获得排序点云数据集N；

步骤3：根据压缩要求，选择合适的点云数n进行分块，以n为单位将步骤2得到的排序点云数据集N，按顺序进行分块，最后不满n个数据点的单独为一块；

步骤4：首先计算各块内所有数据点的平均值点V₀，计算块内各数据点到平均值点V₀的距离和角度，再根据距离重新对块内各数据点进行排序，获得各点排序序号；

步骤5：将块内各点排序序号与该点到平均值点V₀的距离和角度建立对应关系，从而各块获得一个由序号、各序号对应的距离和角度、本块平均值点V₀组成的数据包，实现数据压缩。

进一步的，所述步骤1的具体方法为：从一个点云集P中选取一定数量的数据点，并在相邻点云集Q中寻找出这些点的对应数据点；然后，通过最小二乘法迭代，计算最优的坐标变换参数，即使误差函数：中的R和t最小，其中R为旋转矩阵，t为平移矢量，n为选取的数据点的总数，q_k为选取的点云集Q中的第k个数据点，p_k为选取的点云集P中第k个数据点；将前两站的精配准结果按相同的步骤与相邻的第三站点云数据进行配准，可最终获得全方位完整的单株植被点云数据。

点云度压缩法不仅适用于散乱点云压缩，也适用于有序点云压缩；不仅适用于配准前单站点点云压缩，同样适用于配准后多站点点云压缩。点云度压缩法就可以实现多个功能，并且代替其他多种压缩方法，用户将不用在选择压缩方法上枉费周折，重复交替或者承接使用不同功能就可以完成其他压缩方法达到的效果。

附图说明

图1为玉兰树原始点云数据示意图；

图2为点云度结构示意图；

图3为叶子原始点云数据示意图；

图4为执行远端30点压缩后数据示意图；

图5为执行近端40点压缩后数据示意图；

图6为执行定点49.9％压缩后数据示意图；

图7为本发明点云度数据压缩法流程图。

具体实施步骤

1)数据获取：