地面點云處理系統集成研究與實現

王真立，吳曉章，陳 剛，杜順季

(1. 中國地質大學(武漢)，湖北 武漢 430074； 2. 廣州市城市規劃勘測設計研究院，廣東 廣州 510060)

地面點云處理系統集成研究與實現

王真立1,2，吳曉章1，陳 剛1，杜順季2

(1. 中國地質大學(武漢)，湖北 武漢 430074； 2. 廣州市城市規劃勘測設計研究院，廣東 廣州 510060)

地面點云數據后處理及軟件研制是制約地面三維激光掃描技術進一步發展的關鍵因素。本文集成Oracle存儲、PCL模塊點云算法、OpenGL三維顯示技術，初步研發了一套集點云存儲、處理、顯示、查詢功能于一體的地面點云處理系統。通過RIEGL VZ-400掃描的雕像測試點云，驗證了本文提出的三種技術集成開發地面點云處理系統的可行性和系統功能的穩健性。為進一步研究地面點云數據處理系統提供有益的參考。

點云處理；系統集成；Oracle；PCL；OpenGL

地面三維激光掃描技術以其小型便捷、精確高效、安全穩定等優勢，在災害監測[1]、文物保護[2]、形變監測[3]、河道整治[4]、三維建模等領域應用廣泛。但同時由于點云不規則與海量特性，點云存儲、處理、顯示及點云處理軟件研制等因素一直制約其進一步推廣、應用與發展。

現有成熟的點云處理軟件大多是基于儀器配套，且文件管理、自動化程度低、技術保密，適合中國用戶的中文版軟件非常少[5-6]。國內，黃明等[7]集成PostgreSQL數據庫、獨立研發封裝的C++點云處理庫、DirectX 11，楊軍建[8]集成PCL點云庫、QT，王增濤[9]集成PCL庫、OpenGL圖形庫，徐鵬[10]利用點云空間索引技術及OpenGL庫，分別不同程度研究了點云數據處理系統集成與實現。但研發集點云存儲、處理、顯示、查詢功能于一體的地面點云數據處理系統及技術路線寥寥無幾。因此，探索地面點云處理系統集成的技術路線，并設計研發一套穩健實用的地面點云數據處理原型系統具有非常重要的意義。

1 系統總體框架

通過查閱大量文獻發現，目前還沒有集成Oracle、PCL和OpenGL技術，研發集點云存儲、處理和顯示功能于一體的地面點云數據處理系統。而Oracle、OpenGL分別是目前性能最優秀的數據庫和三維圖形庫之一。PCL點云庫開源且集成了大量穩健高效的點云算法，可大大縮短開發時間。為了驗證該技術路線的可行性，本文將在VS2010 C++ MFC平臺下，集成Oracle OCI技術、BLOB存儲技術、PCL點云算法和OpenGL顯示列表、視點幾何變換、深度緩存等技術，以項目管理方式為基礎，研發一套能初步實現點云數據存儲、處理和顯示的地面點云數據處理平臺。系統總體框架設計如圖1所示。3種技術集成的關鍵是各自點云格式BLOB、PCL、C++ Vector容器之間的相互轉換，本文將所有點云格式抽象提取出點的坐標、強度和顏色信息X、Y、Z、I、R、G、B 7個字段作為點云格式間轉換的紐帶。

圖1 系統總體框架設計

2 系統研發關鍵技術

2.1 Oracle點云存儲

2.1.1 OCI開發接口

數據庫的開發語言與方式會直接影響系統性能的優劣。C++是公認具有最佳性能的開發語言之一，在Oracle數據庫C++開發中提供了多種編程接口，根據各接口的原理及特點，分析比較總結得到各接口的性能對比見表1。最終考慮到點云海量性特點，選用了開發難度較大但性能最佳的OCI開發接口。

表1 Oracle數據庫開發接口對比

2.1.2 BLOB大對象存取

一測站點云數據幾百上千萬個點，以單個點為存儲單元即使再優秀的數據庫索引也無能為力。本文以Oracle二進制大對象BLOB塊為存儲單元，500萬條點云記錄以BLOB塊形式存儲為一條記錄；利用Oracle OCI庫的OCILobRead()和OCILobWrite()函數，以查詢方式實現BLOB大對象存取操作；同時針對存儲過程中點云入庫和讀取緩慢問題，利用內存映射技術提高點云存取效率。

本文最終設計一個專門用于實現OCI操作Oracle的公共類COCIclass，主要實現了OCI開發環境初始化函數Init_OCI()；錯誤處理函數Error_proc()；常規數據及BLOB數據入庫與讀取函數AddNormalDataToDB()、AddBOLBDataToDB()、ReadBOLBDataFromDB()。以X、Y、Z、I、R、G、B點云為例，其中BLOB數據入庫與讀取的流程如圖2、圖3所示。

圖2 BLOB數據入庫流程

圖3 讀取BLOB數據流程

為了測試本文系統點云Oracle存取效率，分別對30萬—1000萬帶R、G、B顏色信息的點云進行多次測試：30萬數據9 MB，入庫和讀取都只需4 s；300萬數據91 MB入庫48 s，讀取57 s；1000萬數據310 MB入庫174 s，讀取210 s。可以明顯看出，在不建立空間索引的情況下，本文點云數據庫存取效率要優于文件管理方式。

2.2 PCL點云處理

PCL點云庫是在吸收了前人點云相關研究基礎上建立起來的模塊化的大型跨平臺開源C++程序庫，實現了大量穩健、高效的點云處理算法[11]。集成PCL研發點云數據處理系統既保證了算法的穩健高效，又縮短了研發時間，關鍵是搭建集成PCL開發環境，并有效集成PCL中的點云算法。

點云濾波和配準是點云處理中基礎且關鍵的環節[12-13]，本文系統主要集成PCL的濾波和配準模塊算法，實現了具有代表性的直通濾波、體素化網格下采樣和統計分析離群點濾波算法。另外，本文通過估計點云法向量、NARF關鍵點、FPFH等特征描述算子，從而求得配準參數實現配準，如圖4所示。該配準技術路線的關鍵是提取NARF關鍵點，對平面特征較多的點云具有良好的配準效果，為了提高算法的適應性，根據實際情況判斷是否繼續進行ICP配準。

2.3 OpenGL點云顯示

2.3.1 顯示列表技術

OpenGL主要有立即和延遲兩種渲染模式，延遲渲染也稱為顯示列表技術。為了測試兩種模式點云渲染性能，對30萬—1000萬帶R、G、B顏色信息的點云進行渲染試驗，通過多次測試取平均值獲得兩種模式下點云渲染性能對比(見表2)?？梢钥闯?，1000萬點內顯示列表技術的渲染性能比立即模式平均提高了18倍，隨著渲染點的增加，顯示列表技術越發顯示其優勢。

表2 兩種模式渲染性能比較

2.3.2 交互操作技術

在OpenGL三維場景中通常需要通過平移、旋轉、縮放幾何變換以任意視角瀏覽視圖，為了不改變點云的真實坐標，系統采用基于視點的幾何變換。平移、旋轉、縮放變換的實質是改變視點坐標系、世界坐標系、屏幕坐標系的相互空間關系，最終確定視點方位。本文參考現有算法[14-15]，實現了基于鼠標的視點平移、旋轉和興趣區位置不變的局部縮放功能。另外，利用OpenGL深度緩存技術，通過glReadPixels函數獲取鼠標光標最近點云深度信息，利用gluUnProject函數根據屏幕坐標和深度信息轉換求得點云空間三維坐標，實現點云空間坐標和距離查詢。

圖4 本文配準算法流程

本文最終設計一個操作OpenGL的應用類COpenGL，按功能分解為4大模塊：數據定義模塊實現三維向量類tagCVector和顏色向量類tagColor；開發框架搭建模塊負責搭建OpenGL開發環境；渲染模塊負責點云、文字等圖元的繪制；交互操作模塊實現基于鼠標的平移、旋轉、縮放和空間查詢等功能。

3 系統實現與測試

本文在表3所示環境下，搭建了Oracle、PCL和OpenGL開發環境，集成Oracle OCI、BLOB存儲、PCL模塊算法、OpenGL顯示列表、視點幾何變換、深度緩存等技術，以項目管理方式為基礎，初步實現了一套集點云存儲、處理、顯示于一體的地面三維激光點云處理系統。系統界面設計如圖5所示。

表3 系統開發環境配置

續表3

圖5 系統界面設計

為了驗證系統開發技術路線的可行性和系統功能的穩健性，以中國地質大學(武漢)校園內某一雕像數字化項目為例，采用Riegl VZ-400地面掃描儀，設置采樣間隔5 mm，掃描獲得第1站(180萬點)、第2站(360萬點)和第3站(240萬點)帶R、G、B信息的點云數據。以下將通過3站雕像點云數據測試系統的各項功能。

3.1 項目管理與點云存儲

新建項目，在數據庫內完成項目所有數據表的創建；打開項目，初始化系統三維場景；數據入庫，支持自定義X、Y、Z、I、R、G、B格式和PCD格式入庫。系統操作如圖6所示。

圖6 項目管理及點云存儲示意圖

3.2 點云濾波

如圖7所示，加載第一測站數據(180萬)。通過直通濾波提取其中的雕像點云，處理點數186萬，耗時22 s，獲得如圖8所示的雕像點云；設置體素格網下采樣間隔20 mm，處理13萬點，耗時3 s，獲得如圖9所示的點云；為了去除噪聲點，設置統計點臨近點數20，標準差倍數閾值為2，處理點數2萬，花費時間小于1 s，獲得如圖10所示的效果。

圖7 直通濾波界面及操作

圖9 統計分析離群濾波界面及操作

圖10 離群點濾波效果

3.3 點云配準

對第2站雕像點云(18萬)和第3站雕像點云(38萬)進行配準算法測試：設置VoxelGrid下采樣濾波網格5 cm；點云法線估計KD-tree搜索半徑5 cm；NARF關鍵點提取感興趣區半徑20 cm；特征描述估計比點云法線估計KD-tree搜索半徑大，為10 cm；ICP精配準算法收斂條件0.01，迭代2次，對應點對最大距離10 cm。特征提取配準耗時72 s，ICP配準耗時214 s，配準輸出點云到最近目標點云對應點對的距離平方和為0.062 5。配準算法過程及效果如圖11所示。

圖11 配準示意圖

3.4 點云顯示

本文對第1站約180萬數據進行基于鼠標視點的平移、旋轉、縮放幾何變換測試，效果如圖12所示。對配準后獲得整體雕像點云約56萬進行了典型視圖顯示測試，如圖13所示。

圖12 幾何變換示意圖(從左至右，原始、平移、旋轉、縮放視圖)

圖13 雕像典型視圖(從上至下，左至右：前后左右俯仰視圖)

3.5 輔助功能

本文點云空間坐標、空間距離和繪圖區背景色設置等功能測試效果如圖14所示。

4 結 語

本文綜合利用Oracle OCI、BLOB存儲技術、PCL點云庫模塊算法、OpenGL顯示列表、視點空間變換及深度緩存等技術，初步實現了點云數據存儲、處理、顯示和空間查詢等主要功能，最終設計開發完成了一套穩健且功能較為完善的地面點云數據處理平臺框架和原型系統。通過雕像數字化實例驗證了本文研發技術路線的可行性及系統功能的穩健性。同時，系統功能還需進一步完善；且本文未對點云建立空間索引，可考慮對BLOB塊建立空間索引，進一步提高點云存取和調度效率。

圖14 輔助功能示意圖(從左至右，空間點查詢、空間距離查詢、背景色設置)

[1] 周學林,魏文濤,劉麗惠，等.三維激光掃描系統在舟曲重點地質災害治理工程中的應用[J].測繪通報,2011(12):81-82.

[2] 趙煦,周克勤,閆利,等.基于激光點云的大型文物景觀三維重建方法[J]. 武漢大學學報(信息科學版), 2008，33(7):684-687.

[3] 李珵,盧小平，朱寧寧，等.基于激光點云的隧道斷面連續提取與形變分析方法[J].測繪學報,2015,44(9):1056-1062.

[4] 于海洋,羅玲,楊強，等.三維激光掃描技術在河道測量中的應用[J].測繪學報,2015,44(S1):49-53.

[5] 龔書林.三維激光點云處理軟件的若干關鍵技術[J].測繪通報,2014(6):135-136.

[6] 蔡來良,李儒.點云數據處理算法與實現初步研究[J].測繪通報,2012(S1):258-259，271.

[7] 黃明,王晏民,付昕樂，等.地面激光掃描數據處理系統的設計與實現[J].測繪通報,2014(8):55-58.

[8] 楊軍建.點云數據處理系統設計與實現[D].撫州：東華理工大學,2016.

[9] 王增濤.三維點云數據處理平臺設計[D].大連：大連理工大學,2014.

[10] 徐鵬.海量三維點云數據的組織與可視化研究[D].南京：南京師范大學,2013.

[11] 朱德海,郭浩,蘇偉.點云庫PCL學習教程[M].北京:航空航天大學出版社,2012.

[12] 張毅,閆利.地面激光點云強度噪聲的三維擴散濾波方法[J].測繪學報, 2013,42(4):568-573.

[13] 李彩林,郭寶云,季錚.多視角三維激光點云全局優化整體配準算法[J].測繪學報, 2015,44(2):183-189.

[14] 張立成,張鴿.一種OpenGL局部縮放算法及應用[J].微型機與應用,2013(19):44-47.

[15] 王浩然,梁彥剛,陳磊.空間態勢場景中OpenGL視點控制策略與實現[J].太赫茲科學與電子信息學報, 2015,13(2):302-307.

ResearchandImplementationoftheIntegrationofTLSDataProcessingSystem

WANG Zhenli1,2，WU Xiaozhang1，CHEN Gang1，DU Shunji2

(1. China University of Geosciences (Wuhan),Wuhan 430074,China； 2. Guangzhou Urban Planning Design Survey Research Institute, Guangzhou 510060, China)

The data post-processing and software development of the terrestrial laser scanning (TLS) technology is a key factor that constrains the further development of three-dimensional laser scanning technology. In this work, combined with the Oracle storage technology, PCL algorithm and OpenGL 3D display technology, a set of the TLS data processing system with point cloud storage, processing, display and query functions was developed preliminarily. The feasibility of the TLS data processing systems developed by the proposed three technologies in this paper and the robustness of the system functions was verified via the statue point cloud data scanned by RIEGL VZ-400 scanner, which provides useful reference for further researches on the development of TLS data processing system.

point cloud processing; system integration; Oracle; PCL; OpenGL

王真立，吳曉章，陳剛,等.地面點云處理系統集成研究與實現[J].測繪通報，2017(11)：108-114.

10.13474/j.cnki.11-2246.2017.0358.

P208

A

0494-0911(2017)11-0108-07

2017-05-31;

2017-09-27

國家自然科學基金(41674015)；湖北省自然科學基金(2011CDB350)

王真立(1991—)，男，碩士，研究方向為點云數據處理與精密工程測量。E-mail：wzlcug@163.com

陳 剛。E-mail：ddwhcg@cug.edu.cn