一种古建筑散乱点云空间索引的方法

摘要

本发明涉及点云索引领域，尤其涉及一种古建筑散乱点云空间索引的方法，其特征在于，包括：采集数据构建点集；对点集进行格网划分，并构建格网索引数组，根据格网中的点坐标计算出格网索引数组每个单元的值；将格网合并为区域，或利用八叉树划分出区域，并构建区域数组，每个区域的ID和所有相邻六个面的区域的ID存储到相应的区域数组中，在每个区域中构建K‑D树，遍历格网索引数组，计算各个格网对应的区域在区域数组中的ID并存储到格网索引数组中；根据查询点的坐标找到其所在的格网和区域，并在区域及相邻区域中利用K‑D树进行索引，得到与查询点距离最近的点。本发明解决了单一分辨率、数据冗余的问题，保证了K‑D树的查询效率。

主权项

一种古建筑散乱点云空间索引的方法，其特征在于，包括以下步骤：步骤一、采集古建筑的原始数据，并根据点坐标构建点集；步骤二、对所述点集进行格网划分，并构建格网索引数组，根据格网中的点坐标计算出格网索引数组每个单元的值；步骤三、将格网合并为区域，或利用八叉树划分出区域，并构建区域数组，每个区域的ID和所有相邻六个面的区域的ID存储到相应的区域数组中，在每个区域中构建K‑D树，遍历格网索引数组，计算各个格网对应的区域在区域数组中的ID并存储到格网索引数组中；步骤四、根据查询点的坐标计算其所在的格网，并通过格网索引数组找到其所在的区域数组，在相应的区域中利用K‑D树进行最近邻搜索，得到该区域中与查询点距离最近的点，并将该点与查询点的距离与查询点到其所在的区域的六个面的距离进行比较，若该点与查询点的距离小于查询点到其所在的区域的六个面的距离，则该点即为最终的与查询点距离最近的点；若该点与查询点的距离大于该点到所在的区域的一个或多个面的距离，则在所述一个或多个面的相邻区域中继续利用K‑D树进行最近邻搜索，得到最终的与查询点距离最近的点。