《基于kd树与八叉树索引相结合的lidar点云数据索引建立方法》毕业设计论文

《《基于kd树与八叉树索引相结合的lidar点云数据索引建立方法》毕业设计论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、本科生毕业设计（论文）基于KD树与八叉树索引相结合的LiDAR点云数据索引建立方法题目：姓名：学号：班级：二〇一五年六月中国矿业大学本科生毕业设计学院：环境与测绘学院专业：测绘工程设计题目：基于KD树与八叉树索引相结合的LiDAR点云数据索引建立方法2015年6月摘要由于迅速发展着的计算机技术和不断增加的社会需求，地面LiDAR作为一种三维空间信息的实时获取手段，集高效与高精度于一体，它也取得了长足的发展。地面LiDAR的发展改变了传统的数据获取模式，拓宽了数据源范围，实现了快速获取高分辨率数字表面模型；但是点云数据的海量性成为了制约点云数据处理方法的发展的重要因素，

2、急需寻找一种高效空间索引的方法来解决这个问题，高效地管理海量点云数据。基于上述分析，对于研究点云数据的索引机制也就非常重要了，针对与点云索引建立过程中有涉及到的关键技术，论文的主要的研究内容和成果有：1）回顾了三维空间信息获取技术、LiDAR技术和点云数据组织管理方法的发展和研究现状；2）总结了点云数据的特点，例如有点云数据海量性、离散性、分布不均匀等特点，除此之外还介绍了八叉树索引和规则格网索引，同时分析了它们在组织和管理点云数据时存在的缺点和不足；3）设计并编程实现了基于KD树与八叉树的点云索引，并进行了算法测试与比较，由获得的测试结果得出，在点云数据量相同的情况

3、下，KD树的查询效率比八叉树索引更更高，对于点云数据的管理效率更加优秀；4）探索了KD树索引与八叉树索引相结合的点云索引建立方法，分别形成了KDO与OKD等两种索引，利用C++语言对其编程实现，进行了算法测试，结果显示出OKD索引更适合于海量的点云数据管理。关键词：LiDAR；点云；空间索引；八叉树；KD树ABSTRACTWithadvancesin computertechnologyandthegrowing social demand, asareal-timethree-dimensionalinformationacquisitionmethodhasthe

4、advantagesofhighefficiencyandprecisiongroundLiDARhasalsomadegreatstrides.DevelopmentsonthegroundLiDARhaschangedthetraditionaldataacquisitionmodes,broadenthescopeofthedatasourceandcanrapidlycapturehigh-resolutiondigitalsurfacemodel.Butthemassofthepointclouddatabecomeanimportantfactorrest

5、rictingthedevelopmentofprocessingmethod,soweneedtofindanefficientspatialindexessolvethisproblem.Basedontheaboveanalysis,theindexingmechanismforthestudyofpointclouddataisveryimportant.Establishedinpointcloudfortheindexingprocessinvolvingkeytechnologies,themainresearchcontentandresultsoft

6、hepaperare:1)Itdescribesthedevelopmentandresearchstatusofthethree-dimensionalinformationacquisitiontechnology,LiDARtechnologyandpointclouddataorganizationandmanagementmethods;2)Itsummarizesthecharacteristicsofthepointclouddata,suchasthemassofalittleclouddata,discrete,unevendistribution.

7、Inaddition,Itdescribestheoctreeindexandregulargridindex,andanalyzestheshortcomingsanddeficienciesoftheirexistenceintheorganizationandmanagementofpointclouddata;3)DesignandprogrammingindexofpointcloudwhichbasedontheKDTreeandoctree,andtestedandcomparedthetwoofalgorithms.According