技术领域
[0001] 本发明涉及可视化技术领域，尤其涉及一种基于多级距离插值的单帧三维点云数据可视化方法。
相关背景技术
[0002] 声纳是当前水下探测的核心技术，广泛应用于军用及民用领域，其成像效果与效率始终是评价成像结果的关键因素。体绘制是三维数据可视化的常用算法。依据三维体数据，将所有体细节同时展现在二维图片上的技术，称之为体绘制技术。利用体绘制技术，可以在一幅图像中显示多种物质的综合分布情况，并且可以通过不透明度的控制，反应等值面的情况。因此，体绘制技术常用于三维声纳数据可视化。
[0003] 现有文献“孙宗良.基于空间插值的三维近地表建模及可视化研究[D].成都理工大学,2018.”提供了数据可视化的方法，并验证了其可行性。文章使用光线投射直接体绘制进行三维可视化。文章实现了基于GPU加速的光线投射算法，对一条射线按照由前往后的顺序计算出每个采样点上的颜色和不透明度值,对得到的所有采样点上的颜色值进行混合累加，在此过程中如果还未到采样终点不透明度便达到1.0，则颜色混合停止并输出累加混合颜色值，该值即为屏幕上某像素所表示的最终颜色值。如若在颜色累加完成时不透明度还未达到1.0，则在进行完最后一个采样点的累加之后输出颜色。文章最终实现了三维近地表的可视化。
[0004] 上述现有文献中的方法对原始的数据场切片使用光线投射体绘制算法，由于原始点云数据多为离散数据且存在数据重叠等问题，因此直接对该数据操作可能会消耗大量时间，且重叠数据的存在，影响绘制精度。另外文献中提出的方法在采样点确定后使用三线性插值并使用插值结果进行梯度计算，三线性插值计算速度很慢，不能满足实时绘制的需求。
具体实施方式
[0044] 下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
[0045] 一种基于多级距离插值的单帧三维点云数据可视化方法，如图1所示，包括以下步骤：
[0046] 步骤1：采集原始地形数据，对数据进行聚类操作并进行第一次距离插值运算，建立三维空间数据场；
[0047] 本实施例中由于原始地形数据坐标为离散的浮点型数据，会出现数据点重叠以及遍历繁琐、效率低等问题，本发明根据原始数据场建立新的三维空间数据场，示意图如图2所示，图2中正方体的角点表示数据场中的整数点位置。上图代表原始数据场，其中同一圈的点为聚类后一簇中的点，经过一次距离插值，得到的部分数据场如图2所示。
[0048] 步骤1.1：采集原始地形数据为浮点型数据，对数据进行聚类操作，生成N个簇，其中N为正整数，其中满足到某一整数点P的距离比到其他任何整数点的距离都近的点划分为一簇；
[0049] 步骤1.2：对一簇内的点进行基于距离的插值运算，预测整数点P的函数值，计算过程如下：
[0050]
[0051] 其中di表示第簇内i个点到整数点P的距离，wi表示簇内第i个点对整数点P的影响；
[0052] value＝∑wi*fi
[0053] 其中fi为簇内第i个点的函数值，value为预测得到的整数点P的函数值；
[0054] 簇内每一个点都将对整数点P函数值预测产生影响，距离当前点越近的点对函数值影响越大，反之越小；
[0055] 步骤1.3：N个簇计算得到的整数点的函数值形成新的三维空间数据场，该三维空间数据场中所有数据坐标均为整数类型；
[0056] 由于每一簇计算得到的整数点信息包含簇内每一点信息，因此由原始数据场计算得到的整数点数据场没有丢失原始信息。另外，由于生成的三维空间数据场坐标点均为整数，解决了数据点重叠的问题，并加快遍历过程，提高了运算效率。
[0057] 步骤2：对生成的三维空间数据场中的点进行梯度计算；
[0058] 由于新的数据场中的数据坐标均为整数，搜索当前点周边点的过程耗时大大减少。另外，传统光线投射算法中，梯度计算需要使用当前点与周围点函数值，因此该过程必须在插值运算后进行。本发明根据地形渲染特点，改变了传统梯度计算方法，仅使用三维数据场中当前点与周边点坐标值计算梯度值，预先计算梯度，缩短渲染过程时间。
[0059] 其中三维空间数据场中的点的梯度即为点云表面的法线；点云表面的法线为垂直于与点云表面相切的平面的向量，该平面即为临近点拟合得到的平面；
[0060] 步骤2.1：以当前点A为圆心，使用近邻搜索查找设置半径内的点；
[0061] 步骤2.2：使用最小二乘法拟合临近点得到平面，计算平面法向量，该法向量即为所求点的梯度；
[0062] 步骤2.2.1：求生成的三维空间数据场中的所有点的质心
[0063]
[0064] 其中，为求得的质心，k为生成的三维数据场中的点数，i为生成的三维数据场中的第i个点，pi为第i个点的坐标。
[0065] 步骤2.2.2：计算质心的协方差矩阵C∈R3×3，及其特征向量和特征值[0066]
[0067] 其中∈为1，协方差矩阵C是对称和半正定矩阵，其特征值是实数λj∈R； 为特征向k量，形成了正交框架，相对应于质心p的主成分；如果0≤λ0≤λ1≤λ2，最小特征值λ0的特征向量 就是法向量+ 或者‑ 的近似。
[0068] 步骤2.3：对三维空间数据场中的所有点进行梯度计算，将所有计算得到的法向量进行重定向，使其朝向视点方向；
[0069] 所述重定向使用视点Vp，对所有法线 定向只需要使它们一致朝向视点的方向，满足下面的方程式:
[0070]
[0071] 其中 为生成的数据场中第i个点的法线、Vp为视点方向。
[0072] 步骤3：在生成的空间数据场中进行二次插值运算，预测当前点函数值；
[0073] 取当前点周边的八个整数点，对其中有函数值的点，取其函数值并计算该点与当前点的距离，距离计算采用欧式距离，对函数值的影响计算采用如下公式：
[0074]
[0075] 其中di表示第i个点到当前点的距离，wi表示第i个点对当前点的影响；
[0076] 最终预测得到的当前点函数值为
[0077] value＝∑wi*fi
[0078] 其中fi为第i个点的函数值，value为当前的最终的预测值。
[0079] 由于新建的三维空间数据场中点的坐标均为整数，因此x、y、z坐标分别加一或减一，就可以找到临近点，避免了耗时较长的遍历查找过程，提高了效率。另外，通过周边点对当前点进行插值运算，提高了精度，使绘制结果更加精确。
[0080] 步骤4：最终图像合成，完成单帧三维点云数据实时高精度可视化；
[0081] 通过步骤3中的二次插值结果得到采样点的不透明度和颜色值，将每条射线上所有采样点的颜色值及不透明度值由前向后加以合成,从而得到发出该射线的像素点处的颜色值和不透明度；设采样点的颜色值为cnow，不透明度值为αnow，进入采样点之前的颜色值为cin。，不透明度值为αin，经过采样点之后的颜色值为cout，不透明度值为αout,则有:
[0082]
[0083] αout＝αout(1‑αin)+αin
[0084] 以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
