激光雷達點云數據分割處理體積計算方法研究

化濤 李瑩

（河南豐圖測繪服務有限公司，河南 鄭州 45000）

1 概述

近年來，由于科學技術的飛速發展，激光探測系統的測量結果日益準確，點云技術在古建筑保護、地質勘查、土地測繪、礦山修復、垃圾填埋場選址等領域得到了廣泛應用。由于儀器的精度和重復性等原因，測量過程中會產生噪點，對數據處理造成干擾。因此在點云數據處理過程中，必須對點云進行降噪，本文提出利用分割切片方法對點云模型進行降噪、去重處理后再重建模型、計算體積的流程和方法。

隨著電腦技術與硬件設備的飛速發展，用電腦技術與硬件設備把真實的事物轉換成一個虛擬的立體實體，利用電腦對實體進行加工，從而得到點云對象[1]，就像是實體建模的反向工程技術一樣。市場上有很多點云采集裝置，但點云模型較小，都是用三維激光掃描儀來采集點云。利用三維激光掃描儀獲得的點云數據品質高，且儀器設備操作簡單、數據獲取便捷[2]。該方法能夠迅速獲取點云模型的外形數據，并對其進行編輯，獲得以點云數據為基礎的實體建模[3]。

體積是空間目標的一個重要參數，不管是規則的，還是形狀復雜的對象，體積計算都是一個大問題。體積參數是反映對象的最基本參量。對于有規則形狀的對象，可以用方程式來計算體積[4]。但對非規則對象，體積計算沒有對應公式，因而十分繁瑣，激光掃描技術的發展為復雜空間體體積的求解提供了新途徑[5]。點云體積通常采用點云模型計算，本文提出了一種基于切片方法的點云模型體積計算方式，運算過程簡便，可求解任意復雜、不規則的點云體積[6]。

2 點云數據處理及體積計算

點云是目標表面特性的海量點集合，表現了對象的空間特性和曲面信息。激光雷達獲取的點云數據是包含三維坐標（x、y、z）信息和激光反射強度（Intensity）的數據合集，具有一定的混亂性，需要進行數據預處理。而未經處理的點云中含有較多的噪點信息，要想繼續利用就需要進行點云降噪。經攝影測量方式獲取的點云數據還有顏色數據（RGB）等其他信息。

2.1 算法流程設計

實驗獲取的點云存在噪聲、雜點等冗余信息。為獲取相關點云體積信息，需要對點云數據進行處理，主要有預處理、平面分割、三維重建等步驟。

點云預處理主要是對采集的數據進行簡化 ，包括直通濾波（通過軸向分割快速剔除無效點云）、下采樣濾波（進行點云簡化計算）；去噪，即采用統計濾波（保留數據本身特征的同時，剔除噪點），減少點云數量，提高點云處理效率。

點云平面分割則主要剔除平面信息，一般采取RANSAC 分割，然后對點云進行三角化重建，通過網格信息進行體積計算。

依據上述原理，結合實驗數據，設計點云體積計算算法流程與相關偽代碼，如表1 所示。

表1 算法設計流程偽代碼

2.2 實驗軟件環境介紹

實驗使用的雷達型號為杉川Lidar Delta2A 消費級激光掃描測距雷達（如圖1 所示），該雷達的工作參數如表2 所示。

圖1 Lidar Delta2A激光掃描雷達

表2 雷達工作參數

實驗在視野范圍內采集如圖2 所示的堆體，獲取堆體的點云數據。

圖2 被測目標堆體

2.3 點云處理軟件設計

使用QT 結合PCL 開發點云處理軟件界面。軟件模塊主要包括：文件模塊（讀取和保存點云數據）、濾波模塊、分割模塊、重建模塊、顯示模塊，具體功能如圖3 所示。

圖3 軟件模塊功能

2.4 實驗過程

實驗使用的雷達不具備數據存儲功能，需要通過電纜將雷達連接至電腦，通過串口助手軟件保存掃描出的點云數據。硬件平臺設計了直線模組，可以裝載雷達進行往復直線運動，同時設計了多個節點可以控制雷達的停止與運動，在此過程中，通過移動固定距離，每次到達節點采集點云數據，通過幾何關系處理拼接，最終得到所需點云。雷達連接到電腦的方式如圖4 所示。

圖4 點云數據傳輸

2.4.1 直通濾波處理

獲取點云后，首先對點云數據進行直通濾波處理，原理是設點集P{p1，p2，p3…pn}，直通濾波通過在某一維度設置相應閾值f1，f2，通過遍歷點集P中所有點，并在點的對應維度與f1，f2 比較，當所在點集對應維度在f1，f2 之間，則保留相關點集，否則剔除。直通濾波器簡單高效，適合快速消除背景及其他不相干的雜點。按順序對初始點云數據（x，y，z）軸進行賦值。原始點云數據如圖5 所示。

圖5 原始點云數據

直通濾波處理過程中，需要對點云數據x、y、z軸分別進行剪裁處理，選取參數依據是最大保留目標堆體點云。圖6、圖7、圖8 是直通濾波剪裁后的圖像，為了更加直觀地看到被測物體的點云圖像，實驗將點云圖像進行了渲染處理。

圖6 x軸剪裁后圖像

圖7 y軸剪裁后圖像

圖8 z軸剪裁后圖像

2.4.2 均勻采樣處理

激光掃描儀獲取的初始點云數據密集度較高，數量相對較多，影響后期處理速度。對原始點云數據進行取樣可有效減少點云密度，并保留點云原始形態特征，提高后期處理如去噪、投影、合并、網格重建等操作的運算速度。原理為：設點集P{p1，p2，p3…pn}，均勻下采樣，將空間劃分為柵格，每個柵格中點集設為p1、p2、p3…pn，計算每個柵格中所有點集最靠近柵格中心的點作為新的點q1、q2、q3…qn，最終形成新的點集Q{q1、q2、q3…qn}。通過均勻采樣處理后的點云保留了原始點云形態特征，如圖9 所示。

圖9 均勻采樣處理

2.4.3 去噪處理

利用三維激光掃描儀和其他掃描儀采集的點云數據中包含大量雜亂無章的點云，無法直接用于點云體積的統計分析。利用遞歸算法統計連續點的個數，通過閾值判定是否為離散點。經計算標定為離散點數據，軟件自動進行噪點刪除操作。從圖10 可以看出，經過去噪處理之后的點云模型數量有明顯下降，噪點消失。

圖10 去噪處理

2.4.4 點云分割

利用激光雷達進行點云掃描，一般包含背景、地面或其他無意義的物體等非靶點信息。點云分割能夠根據空間、幾何等特點將點云分成具有類似幾何特性的區域，再對其進行拼接，從而實現對非目標源的剔除。局域點的存在會極大地影響曲面的重建及計算對象的精度。點云分割是指根據點云數據中對象的空間幾何特性，對點云數據進行分割、提取和重組，使非關聯數據的影響降到最低。本文主要是識別地面部分，使用RANSAC 算法將掃描到的地面信息進行分割處理，只保留被測物體的點云數據信息，點云分割如圖11 所示。

圖11 點云分割

2.4.5 點云投影及合并

將點云投影到擬合的平面方程上（如圖12 所示），然后合并（如圖13 所示）。經合并后的點云模型，在點云體積數據上已經達到一個比較精準的狀態，并且在體型和細節上也達到了最大程度還原物體的效果。

圖12 點云投影

圖13 點云合并

2.4.6 網格重建

采用貪心三角算法對點云數據進行三維重建，重建效果如圖14 所示。由圖可知，重建合并后的點云物體是有孔洞的，此時的點云模型直接進行體積計算，會影響計算結果的精確度，因而，為避免由孔洞造成的誤差，需對孔洞進行修復。

圖14 重建

2.4.7 孔洞修復

針對上一步重建的模型數據，采取網格孔洞修復算法，對三角重建后的網格進行孔洞修復，修補結果如圖15 所示。由圖可以看出，孔洞數據被很好地修復，此時點云物體已被最大限度恢復，再進行體積計算時，可以將誤差降到最小。

圖15 物體點云

2.4.8 體積測量

得出完整的點云模型后，采用積分法進行體積分割計算，計算后的物體體積如圖16 所示。

圖16 物體體積計算

經計算，對象體積為513957 立方毫米，把單位設置為毫米，可以讓體積計算結果更精準。

2.5 實驗分析

為論證本方法計算結果的準確性，擺設三種堆體結構，分別采用實驗程序、cloudcompare、Magic3d計算驗證，計算結果如圖17、圖18 和圖19 所示，體積計算對比如表3 所示。

圖17 點云計算結果

圖18 Cloudcomapre計算結果

圖19 Magic3d計算結果

表3 體積計算對比

經對比，本文設計程序計算結果和成熟的點云體積計算軟件的結果基本相同，本文體積計算結果驗證正確。

3 結論

本研究設計了復雜對象體積測量的模擬環境，搭建了硬件平臺獲取點云數據，并根據研究需求開發了應用軟件，實現不規則對象點云數據的切片處理，以及目標物的體積計算。通過研究得出以下結論：

針對礦山治理、垃圾填埋場選址、高標準農田建設等項目場景中的復雜不規則對象，均可采用此方法計算體積。

根據不同項目類型對需獲取點云數據的目標場景進行硬件選擇，適時采用固定機位、無人機掛載、手持、背包等形式，便捷獲取點云數據。

針對不同項目不規則物體點云數據計算，可定制開發軟件系統，采用成熟算法完成對點云數據的濾波、下采樣、分割、重建、孔洞修復等處理過程。

本研究雖論證了積分法分割計算體積的流程，及利用計算機多線程并行處理點云數據的可行性及準確性，但由于去噪處理中遞歸算法閾值的唯一性，實際工作中可結合效率和精度要求，選擇合適參數，避免計算量過大或精度過高引起計算機運算過程冗長問題。后期研究將著重優化算法，提高計算精度，減少計算時長。