航道點云數據可視化技術研究與應用

陳新華，戴文伯

（中交疏浚技術裝備國家工程研究中心有限公司，上海 201208）

0 引言

隨著測量技術的飛速發展，點云數據獲取的方式越來越多，越來越先進[1]。如今在陸地上獲取點云數據主要是通過激光掃描儀器[2]，而水下航道點云數據主要依靠單波束和多波束聲吶設備來獲得[3-4]。聲吶設備一般安裝在船舶或潛艇上，采集點云數據的精度、密度除跟設備的精度有關外還跟設備的采樣周期、船舶航行速度有關。隨著多波束技術的快速發展，航道點云數據在密度和體量上都有很大提升。聲吶掃描獲取的點云數據雖數據量大，但冗余和噪聲少，且排列規則。根據聲吶采集點云數據的特點，本文創新地采用基于Unity3D的地形處理技術，將離散的航道點云數據可視化地構建成逼真的水下航道。并將該技術成功應用于“耙吸挖泥船模擬仿真平臺”項目中。

1 Unity3D介紹

Unity3D是一個全面整合的專業3D引擎，在虛擬現實、仿真計算、3D重現上有著廣泛的應用。該3D引擎具有豐富的組件模塊，如地形、物理、渲染組件等。Unity3D的可視化編程界面能完成各種復雜的開發工作，高效的腳本編輯、模型的自動瞬時導入、一鍵發布、多平臺開發和部署，開發者不需要了解圖形底層細節相關知識就能開發出三維程序。Unity3D地形處理模塊底層實現原理主要是基于高度圖。高度圖是由二維數組組成的一組高度數據[5]。地形的高度就是由一系列高度不同的網格組成，數組中每個元素的索引值用來定位網格，而所存儲的值就是網格的高度。Unity3D可手動設置地形的長度和寬度，也可以通過腳本來創建地形，設置長度、寬度和高度。

Unity3D雖然功能強大，但在點云數據處理方面一直是空白，沒有組件可方便地構建場景。對航道數據可視化、地質地形建模、仿真模擬系統開發形成了一定的瓶頸。本文將航道點云數據與Unity3D地形處理模塊相結合，開發一套可以高效處理航道點云數據的基礎組件，可快速實現點云數據的可視化。

2 點云數據

采樣設備采集物體表面的空間位置坐標信息，得到1個點的集合，稱之為“點云”[6]。該集合能離散地表示1個物體的外表面形狀。除（x，y，z）代表的幾何位置信息外，還可以表示1個點的RGB顏色、灰度值、深度以及分割結果等。點云數據的格式如下：

PointCloud={x，y，z，r，g，b，灰度值，深度，…}

點云數據重建是逆向工程的一個分支，被廣泛地應用于計算機輔助設計與制造、可視化仿真系統場景建模、地理信息系統中地形地質建模[7-9]。航道點云數據空間位置坐標信息是基于大地坐標系進行測量得到，可以根據大地坐標系、地圖投影、投影坐標系推算出各點處的經緯度信息。

3 航道點云數據處理

航道點云數據的處理流程分為數據讀取、數據預處理、三角網格構建、高度插值、渲染等。本文處理的航道點云數據集合只包含幾何位置數據，數據存儲于文本文件中，每行3個數據，分別表示1個點的x，y，z的值。以流的方式讀取點云數據，將數據放入內存。為了快速構建三角網格，點云數據分別按照X軸、Z軸排序，確定地形在X、Z軸上的最小、最大值，分別為Min X，Max X，Min Z，Max Z從而得到整個地形區域的整體范圍。同時，能得到地形的中心坐標為：

為了提升地形加載速度，將整塊地形加載分割成Column×Row區域塊，程序將根據視野范圍變化動態地決定那些區域塊進行加載與顯示。每個區域塊的分辨率為Resolution，各個分辨率對應的實際物理長度值為CeilSize，則可得每一區域塊的長度為：

設置該地形塊數據初始化為無效數據Valid-DataMask。取一區域包含所有頂點，該區域的大小可以通過現有區域的最小值確定：

最小值減去1個正數，使得其值更小；整個區域塊的長寬都進行適當放大，這樣使得整個區域面積比實際區域面積稍大，可以包含所有區域范圍內的點云數據。

將該區域劃分成AreaRow×AreaColumn塊。將該區域平分成N塊，則對應的AreaRow和

N的取值決定了矩形塊的大小，同時也決定了區域塊中所要處理的三角形的數量。對XZ平面上排序好的點云數據進行二維Delauney三角網剖分。將剖分好的三角網格數據寫入對應的區域塊中。對該區域塊的三角網格數據進行插值，對需要進行插值的點進行判斷，看該點是否在區域的三角網格中，如果在三角網格中，則該點的高度值依據對應三角形的3個高度值插值獲得，該值記為Height。其插值依據線性插值，插值公式如下所示：

插值完成，將無效數據設置成對應的高度值，最后將地形的區域Row、Column、CeilSize、resolution、Height、ValidDataMask序列化寫入文件。

4 三維航道數據可視化實現

航道點云數據經算法處理后，數據序列化存入文件中，在Unity3D程序中反序列化讀取對應數據，并將數據傳遞給地形對象對應的地形數據中，同時，對該區域塊數據進行紋理貼圖，使得構建的地形更真實。將該構建的地形生成預設體，該預設體可放入不同的Unity3D工程中。

在項目中添加預設體文件，并添加環境光，根據地形場景CenterX，CenterZ中心位置，設置虛擬相機位置于中心位置，添加角色組件，就可以在三維航道地形數據上進行漫游操作。操作者可以全景觀看整個航道的概況，也可細致地觀看每一處細節。點云數據從數據讀取到實現三維可視化的主要流程見圖1。

圖1 航道點云數據可視化處理流程Fig.1 Visual handling flow of waterway point cloud data

航道點云數據可視化處理的過程中主要關心如何設置每個地形塊的分辨率、各個分辨率代表的實際物理長度、容納三角格網區域塊大小的劃分等。

5 實驗對比與分析

本文實驗的點云數據是長江口航道點云數據，以浮點數存儲形式儲存，每行3個數據，分別對應頂點的X、Y、Z。實驗操作電腦系統為Win7 64位，硬件配置為gtx960顯卡、16 G內存、i7-4790CPU處理器。實驗分2組進行。第1組為同等劃分精度，研究數據量與顯示幀率的關系；第2組為同等數據量的情況下，研究不同劃分精度與顯示幀率的關系。

實驗在同等精度、不同數據量的情況下，點云數據從讀取到最后顯示所花費的時間、顯示幀率情況，見表1。

表1 相同劃分精度、不同數據量花費時間與幀率情況Table1 The costing time and frame rate of the same division precision and different data

實驗在79 224 kb的數據量的基礎上，按照不同劃分精度，研究程序從加載到顯示所花費的時間以及顯示幀率的情況，見表2。

表2 相同數據、不同劃分精度所花費時間與幀率情況Table1 2 The costing timeand frame rate of the samedata and different division precision

基于Unity3D實現的相同數據、不同劃分精度情況下實現效果見圖2。從圖2可以看出，（c）圖航道細節的數據明顯多于（a）圖和（b）圖。

圖2 不同插值精度實現效果Fig.2 Different precision and interpolation effect

本文還使用了其他點云三維生成算法進行對比實驗，主要用到OpenSceneGraph的基于三維的Delauney網格生成和顯示的算法，CGAL庫里的Delauney生成三角網格的算法。OpenSceneGraph是跨平臺的圖形開發包，里面集成了很多圖形開發相關的算法。OpenSceneGraph圖形庫里的OsgUtil鏈接庫下封裝好了DelaunayTriangulator，實現了Delaunay三角網格運算，根據一組頂點的集合生成一系列的三角形，同時，還能對生成的三角網格進行約束限制。CGAL是計算幾何算法庫，被廣泛應用于幾何算法相關的領域。諸如三角剖分、Voronoi圖、多邊形和多面體的布爾運算、網格簡化等。CGAL中的Delaunay算法采用的是增量型算法。3種算法在同等數據量、相同劃分精度的情況下，實驗對比結果見表3。

表3 相同數據相同劃分精度不同算法所花費時間與幀率情況Table 3 Thecosting time and frame rateof the same data and division precision,and different algorithm

跟其他三維網格剖分算法進行對比，本文基于Unity3D高度圖規則格網生成算法在運行時間上明顯快于它們，原因在于本文用到的是基于二維三角網格剖分，并對網格做規則格網連接。而其他算法是直接對所有點建立三維網格，運算更為復雜，耗時更長。

由對比實驗可得，在gtx960顯卡的處理能力下，同等劃分網格精度，處理數據量越大花費時間越長，幀率越低，但顯示場景越大；同等數據量，劃分網格越精細，耗費時間越長，幀率越低，但顯示更逼真。仿真程序需要在滿足流暢顯示的情況下，最大限度地還原實物原貌和顯示效果。由于人眼存在視覺殘留，1 s內只要有24幀及以上的數據就會感覺是流暢的，本文在對79 224 kb數據做實驗的情況下，將其劃分精度控制在＞0.5 m的情況下能流暢瀏覽構建好的地形。將精度控制在0.5～1 m的范圍內，地形在顯示效果上不存在明顯的數據丟失、效果失真等情況。

6 算法應用

該算法成功應用于發改委資助的創新能力建設項目“耙吸船模擬仿真平臺”。根據真實長江口航道點云數據構建航道地形，實現航道三維建模顯示，在數據劃分精度上采用了0.5 m的系數，幀率顯示25幀以上。流暢地在仿真環境中模擬疏浚作業，實時漫游瀏覽航道地形，5種常見地質紋理數據任意切換，對航道地形進行挖泥模擬操作，挖深挖寬可調節。該算法設計已模塊化，可快速地將該算法移植到不同的仿真程序中。

因Unity3D開發速度快，實現效果逼真，基于Unity3D做可視化仿真的企事業單位越來越多，基于Unity3D實現的航道點云數據處理模塊將會用于更多的可視化仿真行業，特別是航道、地質地形、巖土可視化等方向。將對這些行業起到巨大的推動作用。

7 結語

1）本文對點云數據進行排序優化，加快處理速度，創新地采用基于高度圖的方法將點云數據處理成Unity3D能識別的數據；

2）實驗對比分析找出影響顯示質量和幀率的關鍵因素，合理決定網格劃分精度，讓程序兼顧顯示效果和運行速度；

3）將算法應用于“耙吸船模擬仿真平臺”項目，進一步驗證算法設計的正確性、參數選擇的合理性，為后續其它仿真項目奠定堅實的基礎。

[1] 王麗輝.三維點云數據處理的技術研究[D].北京：北京交通大學，2011.WANG Li-hui.Study on data processing technology of 3D cloud points[D].Beijing:Beijing Jiaotong University,2011.

[2]趙煦.基于地面激光掃描點云數據的三維重建方法研究[D].武漢：武漢大學，2010.ZHAO Xu.Reasearch on 3D reconstruction of point cloud from terrestrial laser scanning[D].Wuhan:Wuhan University,2010.

[3]房旭東，鐘貴才.多波束聲吶和側掃聲吶數據融合方法研究綜述[J].海岸工程，2016，35（4）：63-68.FANG Xu-dong,ZHONG Gui-cai.Research overview of multibeamsonar and sidescanningsonar data fusion method[J].Coastal Engineering,2016,35(4):63-68.

[4] 李岳明，李曄，盛明偉，等.AUV搭載多波束聲納進行地形測量的現狀及展望[J].海洋測繪，2016，36（4）：7-11.LI Yue-ming,LI Ye,SHENG Ming-wei,et al.Application and development of topographic survey using multibeam echosounder equipped on AUV[J].Hydrographic Surveying and Charting,2016,36(4):7-11.

[5] 李天培，孫少斌.基于高度圖的地形紋理生產方法[J].火力與指揮控制，2012，37（1）：172-175.LI Tian-pei,SUN Shao-bin.Research on method of producing terraintexturebased onelevationmap[J].Fire Control and Command Control,2012,37(1):172-175.

[6] 陳金銳.點云數據三維重建研究[D].武漢：武漢理工大學，2011.CHEN Jin-rui.Reasearch on 3-D reconstruction from point colud[D].Wuhan:Wuhan University of Technology,2011.

[7] 趙顯富，張育鋒，曹爽，等.工業構件密集點云數據與CAD模型的配準[J].測繪科學，2015，40（4）：112-114.ZHAOXian-fu,ZHANGYu-feng,CAOShuang,et al.Registration of dense point cloud data of industrial component and CADModel[J].Scienceof Surveying and Mapping,2015,40(4):112-114.

[8] 鄧林建，程效軍，程小龍，等.一種基于點云數據的建筑物BIM模型重建方法[J].地礦測繪，2016，32（4）：14-16.DENG Lin-jian,CHENG Xiao-jun,CHENG Xiao-long,et al.A method of buildinginformation model reconstruction based on point cloud data[J].Surveying and Mapping of Geology and Mineral Resources,2016,32(4):14-16.

[9] 葉珉呂，花向紅.面向地形數據的點云簡化算法[J].大地測量與地球動力學，2015，35（3）：424-427.YEMin-lü,HUAXiang-hong.Point cloud simplification algorithm for terrain data[J].Journal of Geodesy and Geodynamics,2015,35(3):424-427.