现代测绘理论及技术综述.doc

关于三维激光扫描技术与点云数据压缩方法的综述现代测绘理论与技术综述院 系： 国土资源工程学院 专 业: 地图制图学与地理信息工程 姓 名： 李 勇 发 学 号： 2014201048 授课老师： 方 源 敏 2013年12月20日三维激光扫描技术关于点云数据压缩方法的综述李勇发（昆明理工大学 云南 昆明 650000）摘要:三维激光扫描技术是最近几年在测量方面发展起来的一个研究热点，本文主要介绍了三维激光扫描仪的基本原理及其应用领域。由于三维激光扫描数据采集的过程中，采集数据点过密，这使点云数据的处理变得十分复杂和困难。因此，三维激光扫描技术的关键问题就是点云数据的处理。对此为解决扫描数据量过大的问题，国内外专家学者在点云数据的精简方法和处理效率等方面做了大量的理论研究和实际探索，并取得了丰硕的成果。本文针对点云数据压缩方法的研究现状，列举了国内外专家学者所提出的关于点云数据压缩的方法。关键词: 三维激光扫描技术；应用领域；点云数据的压缩3D laser scanning technology overview on the point cloud data compression method Li Yongfa(Kunming University of science and technology, Yunnan Kunming 650000)Abstract: Three-dimensional laser scanning technology in recent years developed a research hotspot in measurements, this paper introduces the basic principles and applications of three-dimensional laser scanner. As the process of three-dimensional laser scanning data acquisition, the collection of data points is too dense, which makes the processing of point cloud data becomes very complicated and difficult. Therefore, the key issue is the three-dimensional laser scanning technology point cloud data processing. In order to solve this problem of excessive scan data, experts and scholars in the methods and processes to streamline efficiency point cloud data has done a lot of theoretical study and practical exploration, and achieved fruitful results. This paper studies the status quo point cloud data compression method, cited on the point cloud data compression methods, experts and scholars at home and abroad raised. Keywords: 3D laser scanning technology; applications; compression point cloud data引言三维激光扫描系统是利用激光测距的原理，密集地记录目标物体的表面三维坐标、反射率和纹理信息，对空间进行真实的三维记录。该技术是一种基于空间点阵扫描技术和激光无反射棱镜长距离快速测距技术发展而产生的一种新的测量技术。该测量技术采用非接触主动测量方式快速获取物体表面大量采样点三维空间坐标。从目标实体到三维点云数据一次完成，能快速地原型重构，可以解决危险领域的测量、柔性目标的测量、需要保护对象的测量以及人员不可到达位置的测量等工作。它具有扫描速度快、实时性强、准确度高、主动性强、全数字特征等特点1。三维激光扫描技术的应用十分广泛，在土木工程、地形测量、路桥设计、船舶建造、地理信息采集、文物数字化保护、自然灾害调查与防护、城乡规划等领域。三维激光扫描获得的点云数据，其数据量比较大，给后期的数据处理、数据传输和进一步数据应用造成了较大的障碍。同时，三维激光扫描设备从物体表面获得大量的扫描点，虽然扫描得到的点云数据有着很高的精度，但是同样也包含了大量的冗余点。这些冗余点会给计算机的建模、绘制、编辑和传输带来巨大的不便，同时过度密集的数据点也会影响物体重构表面的光滑性，所以，对这些冗余点的删除显得至关重要。因此，针对这些情况，人们希望能找到一些简便快捷的数据处理方法，实现点云数据的高效压缩，减少数据的冗余。因此，三维激光扫描系统在解决数据的压缩问题方面也是极其重要的2。1 三维激光扫描技术的原理三维激光扫描仪的主要构造是由一台高速精确的激光测距仪，配上一组可以引导激光并以均匀角速度扫描的反射棱镜。激光测距仪主动发射激光，同时光电探测器接受由自然物表面反射的信号，从而进行测距。针对每一个扫描点可测得测站至扫描点的斜距，再配合扫描的水平和垂直方向的方向角，可以得到每一个扫描点与扫描仪本身的空间相对坐标。如果扫描仪本身的空间坐标已知，则可以求得每一扫描点的空间坐标。激光扫描仪所获得的数据是由全离散的矢量距离点构成的。点云的每一个像素所包含的是一个距离值和一个角度值。三维激光扫描仪基于激光的单色性、方向性、相干性和高亮度等特性，在注重测量速度和操作简便的同时，保证了测量的综合精度，其测量原理主要分为测距、测角、扫描、定向四个方面。1.1测距原理激光测距作为激光扫描技术的关键组成部分，对于激光扫描的定位、获取空间三维信息具有十分重要的作用。目前，测距方法主要有：三角法、脉冲法，相位法。（1）三角测距法三角法测距是借助三角形几何关系，求得扫描中心到扫描对象的距离。（2）脉冲测距法脉冲测距法是通过测量发射和接收激光脉冲信号的时间差来间接获得被测目标的距离。（3）相位测距法相位法测距是用无线电波段的频率，对激光束进行幅度调制，通过测定调制光信号在被测距离上往返传播所产生的相位差，间接测定往返时间，并进一步计算出被测距离。1.2测角原理（1）角位移测量激光扫描仪通过改变激光光路获得扫描角度，区别于常规仪器的度盘测角方式。（2）线位移测量激光扫描测角系统由激光发射器，直角棱镜和CCD元件组成，激光束入射到直角棱镜上，经棱镜折射后射向被测目标，当三维激光扫描仪转动时，出射的激光束将形成线性的扫描区域，CCD记录线位移量，则可得扫描角度值。1.3扫描原理三维激光扫描仪通过内置伺服驱动马达系统精密控制多面扫描棱镜的转动，决定激光束出射方向，从而使脉冲激光束沿横轴方向和纵轴方向快速扫描。1.4定向原理三维激光扫描仪扫描的点云数据都在其自定义的扫描坐标系中，但是数据的后处理要求是大地坐标系下的数据，这就需要将扫描坐标系下的数据转换到大地坐标系下，这个过程就称为三维激光扫描仪的定向。2 三维激光扫描测量 测量的基本原则为：先控制后碎部。在采用三维激光扫描仪进行测量时采用分测站测量，因此需要布设控制点，进行控制测量。在这个过程中控制点的作用有两个：一个是用于点云数据的拼接；另一个是用于将点云数据的坐标转换到绝对坐标系，控制精度。在布设控制网时，首先应踏勘现场，选择测站点，然后采用全站仪法或GPS进行控制测量。由于测站点的精度直接影响到点云坐标的转换精度，因此用全站仪布设控制网应尽量布设成附合导线或闭合导线的形式，而用GPS布设控制网应对高程进行拟合或采用水准测量方法进行测量，保证高程方向的精度。激光扫描仪是一种高度自动化的电子仪器，仪器开始工作之后一般不需要协作目标和操作人员，按照事先设定的视域范围进行扫描。在一个自下而上或者自上而下的扫描过程中，扫描点都位于同一个扫描面内，也就是说扫描点在垂直扫描面的平面(XOY面)上的投影点基本上都是共线的3。三维激光扫描技术真正做到了直接从实物进行快速的逆向三维数据采集及模型重构，即从二维到三维的全景三维实测数据重构。伴随着光电传感器件以及计算机技术的日趋成熟，其技术也得到了不断的丰富和发展，越来越广泛的应用对该技术的发展也提出了更高的要求。利用三维激光扫描技术进行高效率、低成本、高精度、高质量的空间数据采集、处理，协同GPS定位技术应用可以解决一直困扰中国数字化信息采集的难题。三维激光扫描技术是三维数据获取和重构技术体系中最新的技术4，该技术以获取被测物体三维轮廓数据为目的，主要包括数据测量与数据后续处理，与传统的测量技术手段有很大的区别。它能够快速获取物体表面每个采样点的空间位置坐标，然后借助于计算机软件处理，用点、线、多边形、曲线、曲面等形式将立体模型描述出来，便可以重建出实体的表面模型。 3 三维激光扫描技术的应用领域三维激光扫描测量技术克服了传统测量技术的局限性，采用非接触主动测量方式直接获取高精度三维数据，能够全天候的对任意物体进行扫描，快速将现实世界的信息转换成可以处理的数据。该技术具有扫描速度快、实时性强、精度高、主动性强、全数字特征等特点，作业时间短，使用成本低，且使用方便，其输出格式可直接与CAD、三维动画等工具软件接口。目前在工程、环境检测和城市建设方面如断面三维测绘、绘制大比例尺地形图、灾害评估、3D城市模型的建立、复杂建筑物施工、大型建筑的变形监测等均有成功的应用实例。随着三维激光扫描测量技术、三维建模的研究以及计算机硬件环境的不断发展，其应用领域日益广泛，如制造业、文物保护、逆向工程、电脑游戏业、电影特技等，逐步从科学研究发展到进入了人们日常生活的领域5。作为新的高科技产品，三维激光扫描仪已经成功的在文物保护、城市建筑测量、地形测绘、采矿业、变形监测、工厂、大型结构、管道设计、飞机船舶制造、公路铁路建设、隧道工程、桥梁改建等领域里应用。三维激光扫描仪，其扫描结果直接显示为点云（pointcloud意思为无数的点以测量的规则在计算机里呈现物体的结果），利用三维激光扫描技术获取的空间点云数据，可快速建立结构复杂、不规则的场景的三维可视化模型，既省时又省力，这种能力是现行的三维建模软件所不可比拟的。最近几年，三维激光扫描技术不断发展并日渐成熟，三维扫描设备也逐渐商业化，三维激光扫描仪的巨大优势就在于可以快速扫描被测物体，不需反射棱镜即可直接获得高精度的扫描点云数据。这样一来可以高效地对真实世界进行三维建模和虚拟重现。因此，其已经成为当前研究的热点之一，并被广泛的应用在各个领域。4 点云数据的压缩处理在计算机领域中，压缩技术对于提高工作效率及降低硬盘空间成本都是具有极其重要的意义。采用激光扫描法采集的数据点往往十分密集，数据量一般都在数兆字节，甚至达数十兆字节。这样即使处理了噪声点，数据量仍然很大，这样的数据通常形象的被称为“点云”数据。一般我们不会直接使用这些数据进行曲线或曲面的重构，因为那样做，会使计算机效率大大降低，消耗更多内存，而且重构出的曲线、曲面的精度并不一定高，甚至误差会很大。而且，三维激光扫描仪获取的很多“点云”数据包含大量的冗余，随着测量精度要求的提高，要对“点云”数据进行筛选压缩处理。国内外专家学者在点云数据的精简方法和处理效率等方面做出了大量的理论研究和实际探索，努力的解决扫描数据量过大的问题，取得了丰硕的成果。因此，本文总结了国内外学者针对点云数据缩减方法的提出的有关理论算法。4.1 点云数据压缩原则激光扫描仪在获取数据的精度和速度方面有很大的优势，但是获取的数据非常密集，存在大量冗余，庞大的数据点云给后续处理及存储、显示与传输等各个方面都带来了不便，因此，有必要在保证一定精度的前提下对海量数据点云进行数据精简处理。对于一个实用的点云简化算法，应满足以下原则:压缩率高，即在保证失真较小的情形下，最大限度地压缩点云数量；在误差限差范围之内简化误差，即点云的简化结果能满足应用的精度要求；简化算法简洁，执行效率高。4.2 点云压缩算法研究总结传统的点云数据精简采用体包围盒来约束点云，然后将大包围盒分解成若干个均匀大小的小包围盒，在每个小包围盒中选取最靠近包围盒中心的点来代替整个包围盒中的点。这种方法简单、高效，但是由于包围盒的大小是由用户任意规定的，因此无法保证所构建的模型的精度。下面是一些国内外专家学者提出的关于点云数据的压缩方法。Hamann和Chen在构建不同平面曲线、压缩2D图像和可视化实体方面提出了精简数据点的方法。根据分段线性曲线逼近的局部绝对曲率估计来选点，这种方法精简的程度不仅受被选点数的控制，还受误差水平的控制。Veron和Leon在1997年研究了将误差带分配到初始多面体的各个点上的方法减少多面体模型的结点数目，从而使简化后的多面体可以与每个误差带相交。GH Liu，YS Wong，YF Zhang等研究了一种基于特征点的点云数据精简方法。首先将3D数据集转化成2D数据集，采用一个用户自定义的方向和自适应间距将点云数据分层，将每一层中的数据子集投影到垂直于分层方向的投影面中，然后保留下投影面内的特征点，删除非特征点。2001年Jian lin Gao提出了点云格网的缩减方法，并对缩减后的格网进行了拟合7。Lee等人针对表面光滑物体的线扫描点云数据，提出了利用几何信息进行三维激光扫描点缩减的方法，该方法是基于三维格网点的法线向量进行数据缩减7。2002年，S-MHur等人提出了在点云数据狄罗里三角化的过程中实现数据的缩减，从而使得生成STL文件的大小得到了有效的减小。提出的方法可以降低模型误差、减少计算机运行时间，同时也可保证RP模型的精度7。国外学者提出对大量的散乱点云提出了双变量适应性缩减的方法。可以获得与原始点云所表达物体表面的接近效果。T-Xiaodong等人在逆向工程中提出了超面的概念，并通过计算散乱点的弧度值实现了格网中三角形的缩减。在国内，刘春等人提出了基于真三维TIN的数据压缩思路，根据最大夹角与阈值之间的关系决定点的取舍，并给出了相应的压缩算法，对于变化平缓的表面有很好的压缩效果。吴杭彬等人基于三维扫描数据的线扫描的特点，提出了扫描线斜率变化为准则实施数据压缩，其次对于密集数据又给出格网数据压缩方法7。国内学者张丽艳等人研究了用Riemann图建立散乱测点间的邻接关系，在此基础上进行Riemann图的最优遍历并计算测点处的最小二乘拟合平面，从而近似计算删除一点引起的误差。提出了分别基于简化后数据集中点个数、数据集中点的密度阈值及删除一点引起的法向误差的阈值准则的数据精简方法。但存在对临近点的个数k的选取依赖过大的缺点。K的选取必须保证曲面M在点z的k邻近范围内是单凸或者单凹的。吴维勇和王英惠研究了基于构造误差驱动的曲面数据精简算法。该算法由误差驱动，无须事先指定数据点数，可以对未知曲面方程的测量数据直接进行精简，但是该算法不具有自组织特性，无法处理内部特征点，最后所得的精简数据也是一些散乱数据而非规则网格数据。罗德安和廖丽琼研究了基于四叉树的地面激光雷达数据简化，将所有采样点投影到与仪器的视场中心轴垂直的平面，然后对所有采样点进行完全四叉树划分，自下而上进行数据简化。利用Delaunay算法对局部区域进行剖分，并求取每个三角形的法向矢量，同时求取局部区域的平均法向矢量及角度方差。对角度方差大于设定阈值的区域，原样保留其全部样本点，并不参与后续的同质区域合并操作。对于满足合并条件的区域，判定是否对其进行合并操作，对满足合并要求的多个邻域进行合并，作重新采样处理。该算法对于呈平面分布的点云数据能达到很高的压缩比，并具有良好的边缘保持性能，但对于曲面的数据压缩，由于其方法的渐变性特性，阈值的选择较难达到满意的程度。叶建辉，李德华提出了基于区域分割的顶点合并网格简化算法。首先把网格点分为区域边界点和区域内部点，边界点在顶点合并中只能与边界点合并，内部点可以与两类点进行合并。再根据误差代价对所有顶点进行排序，对于代价最小的顶点进行边折叠，边折叠操作不引入新顶点，相当于一对顶点合并为一点。最后，重新计算那些受简化影响的顶点的代价值，直到总顶点数为零。刘春，吴杭彬研究了基于真三维TIN的三维激光扫描数据压缩方法，根据最大夹角与阈值之间的关系决定点的取舍，对于变化平缓的表面有很好的压缩效果。其算法是：（1）依据物体已构成的表面三角网确定三角面的法向量，接着计算任意两个三角面之间的夹角。（2）三角网数据压缩算法平坦区域上的点构成的三角网包含的信息量最少，即是这些三角形的法线向量的夹角越小。如果过点i的三角形有n个，那么两两三角面之间的法线向量的夹角有C2n个，求出这C2n个夹角的最大值，并且当这个最大值小于设定的阈值时，这个点就予以保留。否则，删除该点。利用三角网的这一性质，可以对三角网进行进一步压缩，以使损失的模型精度最小6。黄承亮，吴侃7提出了两个数据压缩方法，分别为区域重心数据压缩法和基于三维TIN数据的共顶点数据压缩法。假设用一个封闭的长方体空间去包围这个有限的点集，这个封闭的长方体空间就称为最外区域。最外区域的范围确定之后，就可以对这个区域进行细化，划分成一个一个更小的区域。通过分析和计算，确定划分出的小长方体区域内的重心点，保留此重心点，删除其余的多余点。总体来说，小长方体区域划分得越细那么压缩后得到的精度越高，反之精度就越低。共同顶点压缩法是基于三维TIN的一种数据压缩方法。共顶点数据压缩的原理是：(1)先根据共顶点的定义找出各三角形所具有的共顶点V0；(2)求出共顶点所包含的三角形的其他各顶点的高程平均值Gv；(3)设定一个误差阈值T，当共顶点V0的高程值Gv0与平均高程值Gv之差的绝对值小于给定阈值，即|Gv0-Gv|T时，就删除该共顶点，否则保留该共顶点。在对三维TIN的数据压缩时，当某一高程采样点淘汰后，以该高程采样点为顶点的所有三角形将从三维TIN中可以得到，当取样间隔较小的时候，压缩后得到的数据量较大，压缩比率较小；反之，当取样间隔较大时，可以得到更大的压缩比率，获得更少的数据量，同时运算速度更快7。用三维激光扫描仪对物体进行三维扫描，就可以得到物体的三维数据信息，无论是什么形状的物体，最后获得的信息都是一个有限范围的数据点集。因此，在以上黄承亮和吴侃提出的区域重心数据压缩法可以假设用一个封闭的空间去包围这个有限的点集，这个封闭的空间就称为最外区域(以上我们以长方体区域为例)。这个区域的形状和大小可以根据扫描后点云数据的形状和大小来确定。采用区域重心压缩方法对点云数据进行压缩。在进行压缩时，如何选择区域的形状，如何设定小区域的间隔是一个很重要的问题。区域形状的选择和小区域间隔的设定都直接影响到压缩计算的速度和最后生成点云数据的精确程度7。一般的三维激光扫描数据的筛选压缩方法就是设定一个最小距离，然后沿扫描线方向比较相邻两点的距离，小于阈值的就删除；还可以连接扫描线首末两点，从中间点中选取与两点距离最接近的点作为中断点，然后以第一点与中间点之间、中间点与最后一点之间重复上述过程，知道所求的距离小于某一固定阈值中止，将点排序即可。还有人采用了斜率法和曲率不连续法用于数据点的判断筛选，并应用到产品的设计开发中。现在国内外的许多学者都致力于点云数据压缩的精简研究，取得了一定的成就。常用的点云数据精简方法主要有：包围盒法、均匀网格法、三角网格法以及曲率采样法等。三角形网格简化是目前研究的一个热门话题，它吸引了众多学者关注的目光，并且已经取得了一些成功的算法8。以上是对国内外专家学者提出的关于三维激光扫描点云数据的压缩方法的总结。5 点云数据压缩方法的总结随着激光扫描仪对数据获得的速度以及数据采集的密度逐步提高，需要处理的点云数据量将随之增大，数据特别精细，在存储和运算上都不方便。在保证物体的形状精度和数据处理的效率的前提下，减少数据处理过程中点云的数据量是很有必要的。专家学者目前对点云数据精简及压缩方面的研究主要是以下几方面:（1） 基于三维网格压缩 现有的网格简化算法，按采样的简化机制大致可分为三类：采样。首先抽取模型上的特征点，构造一个与抽样点紧密匹配的简化网格。自适应细分。先构造一个初始模型，根据一定的规则通过细分把细节信息增加到简化模型中，从而得到精细模型。删除。这类算法重复地删除网格中的顶点或多边形，继而对形成的洞三角化。（2）基于三角剖分的压缩点云数据三角划分算法，就是把三角划分的范围限制在一个很小的区域内。把小的区域近似为单值曲面。因为复杂的多值曲面是由若干这样的小单值曲面构成，所以对局部进行三角划分时不会产生网格畸变，能够满足对复杂曲面的三角划分要求。步骤1读入数据，对数据进行预处理，主要是滤除噪音点。步骤2三角划分。构造初始三角形，形成临时三角网格边界表，同时储存三角形三顶点、三条边和三角形本身的有关信息。步骤3遍历临时三角网格边界表的每一条边，并在边界上搜索对应的最优点，把最优点视为内连测试点并进行内连；再取临时边界表内的一条边，在未划分的邻近点中搜索最优点进行外连，直到遍历所有的散乱数据点。这种方法有计算稳定，适应性强等优点，缺点是对于曲率变化较大的物体或者地形不能很好的得到压缩。通过这些算法点云数据量减小，这为后续的三维重建提供了有效的数据信息，极大地节约了后续工作的处理时间和硬件资源，具有明显的工程意义。6 结束语三维激光扫描测量具有