基于改进四叉树的LiDAR点云数据组织研究

doi:10.3778/j.issn.1002-8331.2010.09.021

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (9): 71-74.DOI: 10.3778/j.issn.1002-8331.2010.09.021

基于改进四叉树的LiDAR点云数据组织研究

支晓栋¹，林宗坚²，苏国中³，钟良¹

1.武汉大学遥感信息工程学院，武汉 430079
2.中国测绘科学研究院，北京 100039
3.中国科学院光电研究院，北京 100080

收稿日期:2009-09-24 修回日期:2009-11-18 出版日期:2010-03-21 发布日期:2010-03-21
通讯作者: 支晓栋

Research on organization of airborne LiDAR points cloud based on improved quadtree algorithm

ZHI Xiao-dong¹，LIN Zong-jian²，SU Guo-zhong³，ZHONG Liang¹

1.Department School of Remote Sensing Information Engineering，Wuhan University，Wuhan 430079，China
2.Chinese Academy of Surveying and Mapping，Beijing 100039，China
3.Academy of Opto-Electronics，Chinese Academy of Sciences，Beijing 100080，China

Received:2009-09-24 Revised:2009-11-18 Online:2010-03-21 Published:2010-03-21
Contact: ZHI Xiao-dong

摘要/Abstract

摘要： 分析了点云数据处理中常用数据组织方法，并指出方法的性能判定指标。对常用的构建四叉树方法进行了改进以提高建立四叉树索引的速度，分析及改进索引算法改进以增进数据筛选的速度，最后通过实验证明了该方法的有效性和可靠性。

关键词: LiDAR, 海量点云, 数据组织, 四叉树, 最小外包矩形

Abstract: Through analysis of all kinds of point cloud data organization and processing flow，the indicators of determining the performance of algorithm are proposed.The algorithm of quadtree construction is improved to raise the speed of creating spatial index，and the algorithm of data spatial query is improved to raise the speed of data filtering. At last，the experiments prove the validity and reliability of the method.

Key words: Light Detection And Ranging（LiDAR）, massive point cloud, data organization, quadtree, minimum circumscribed rectangle

中图分类号:

P208

支晓栋¹，林宗坚²，苏国中³，钟良¹. 基于改进四叉树的LiDAR点云数据组织研究[J]. 计算机工程与应用, 2010, 46(9): 71-74.

ZHI Xiao-dong¹，LIN Zong-jian²，SU Guo-zhong³，ZHONG Liang¹. Research on organization of airborne LiDAR points cloud based on improved quadtree algorithm[J]. Computer Engineering and Applications, 2010, 46(9): 71-74.

[1]	王庆闪，张军，刘元盛，张鑫晨. 基于NDT与ICP结合的点云配准算法[J]. 计算机工程与应用, 2020, 56(7): 88-95.
[2]	秦和娟，管海燕，李迪龙. 利用张量投票的机载LiDAR点云道路骨架线提取[J]. 计算机工程与应用, 2020, 56(18): 193-201.
[3]	伍锡如，黄榆媛，王耀南. 改进ORB特征的机器人RGB-D SLAM算法[J]. 计算机工程与应用, 2020, 56(14): 35-44.
[4]	李彩林，陈文贺，胡善明，袁斌. 采用八叉树和OSG分页结点的海量点云三维可视化[J]. 计算机工程与应用, 2019, 55(21): 234-239.
[5]	康家兴，牛保宁，郝晋瑶. 多参数的城市时空热点查询[J]. 计算机工程与应用, 2019, 55(10): 233-239.
[6]	马菁1，2，李力3. RDD上扩展索引层优化的分布式K-means算法[J]. 计算机工程与应用, 2019, 55(1): 161-167.
[7]	陈长华1，刘煜2，崔强3. 结合饱和度运算和暗通道理论的遥感图像去雾算法[J]. 计算机工程与应用, 2018, 54(5): 174-179.
[8]	覃宏超，李炎炎，龙伟，赵瑞朋，王倩. 改进的暗原色先验理论视频去雾算法研究[J]. 计算机工程与应用, 2018, 54(16): 176-181.
[9]	刘万军，赵庆国. 基于颜色饱和度的快速图像去雾研究[J]. 计算机工程与应用, 2017, 53(8): 209-215.
[10]	杨泽雪. 空间数据库中的一种混合索引结构的研究[J]. 计算机工程与应用, 2017, 53(20): 20-23.
[11]	冯义从1，2，岑敏仪1，张同刚1. 基于知识的车载LiDAR地物自动分类[J]. 计算机工程与应用, 2016, 52(5): 122-126.
[12]	杨莹. 瓦片四叉树和填充曲线实现海量地形数据管理[J]. 计算机工程与应用, 2016, 52(14): 192-196.
[13]	张文俊，张雄. 目标跟踪中的四叉树分块模型[J]. 计算机工程与应用, 2015, 51(4): 76-82.
[14]	李世平，刘立京，苗承强，顾树生. 差量分析和四叉树结合的分形图像编码算法[J]. 计算机工程与应用, 2014, 50(4): 170-172.
[15]	束建华1，殷志祥2. 基于wedgelets的快速图像表示方法[J]. 计算机工程与应用, 2014, 50(2): 147-151.

基于改进四叉树的LiDAR点云数据组织研究

Research on organization of airborne LiDAR points cloud based on improved quadtree algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics