基于VR技术的激光三维点云数据的虚拟重建

第42卷第5期 激光杂志Vol.42，No.5 2021 年5 月LASER JOURNAL May,2021
基于V R技术的激光三维点云数据的虚拟重建
曹贤龙
郑州商学院，郑州451200
摘要:针对激光扫描云数据的虚拟重建存在噪声大，重建效果差的问题，提出一种激光三维点云数据的 虚拟重建算法。

通过设置多个激光扫描自由度，利用V R技术将激光测量映射到虚拟三维场景当中，获取点云 数据，并利用图像滤波器对采集到的点云数据进行去噪处理。

在此基础上，设置一个主数据点，利用该数据点 对重建激光点云三维数据进行划分,分配重建任务，搜集重建后的结果并显示，完成点云数据的虚拟重建。

实验结果表明，采用改进方法后，噪声被有效剔除，重建效果更佳。

关键词:V R技术；激光扫描；三维点云数据；虚拟重建；数据划分
中图分类号:T N249 文献标识码:A doi：10. 14016/ki.jgzz.2021. 05. 205
Virtual reconstruction algorithm of laser 3D point cloud data
C A O Xianlong
Z h e n g zh o u B usin ess U n iv ersity,Z h e n g zh o u451200,C h in a
Abstract：Aiming a t the problems of high noise and poor reconstruction effect in the virtual reconstruction of laser scan­ning cloud data,a virtual reconstruction algorithm of laser3D point cloud data i s proposed.By setting multiple laser scanning degrees of freedom,V R technology i s used t o map the laser measurement t o the virtual three-dimensional scene t o obtain the point cloud data,and the image f i l t e r i s used t o denoise the collected point cloud data.O n this ba­sis,a master data point i s set up t o divide the3D data of laser point cloud that may be reconstructed,distribute the re­construction task,collect and display the reconstruction results,and complete the virtual reconstruction of the point cloud data.The experimental results show that the noise i s effectively eliminated and the reconstruction effect i s better. Key words：V R technology；laser scanning； 3D point cloud data；virtual reconstruction；data division
i引言
现阶段，以激光成像技术为基础的工业检测以及 逆向工程等行业的兴起，都离不开三维激光扫描成像 技术。

三维激光成像作为核心技术，到目前为止已经 得到了人们的广泛关注,是该领域目前的重点方向领 域之一[|]。

而使用三维激光扫描仪或照相式扫描仪 得到的点云，点数量比较大并且比较密集，在进行物 体扫描时候，可直观表现出物体特征而被广为熟
收稿日期:2020-10-14
基金项目：河南省科学技术厅项目（No. 182102310970);河南省教育厅人文社会科学研究项目（No.2019-ZZJH-185)
作者简介：曹贤龙（1986-)，男，学士，讲师，主要研究方向：计算机。

£-mail：caoxianlong@ 知[2]。

而所获取的点云，不需要附加的光源以及接触 物体，对于环境的要求比较宽松并且测量的范围相对 较宽。

因此,实现三维激光点云数据的虚拟重建，对 相关行业的发展具有非常重要的意义[3]。

目前很多学者对实现点云数据虚拟重建进行了 研究，文献[4]提出了基于改进D P C算法的具有强抗 噪性的分裂导线自动提取与三维重建方法，证明了该 方法的强抗噪性和鲁棒性，但本方法缺少实际验证。

文献[5]提出基于三维激光扫描技术的震后区域三维 虚拟重建方法，采用Sketch模型，在点云数据上实施 贴图操作，实现视觉传达效果理想的震后区域三维图 形的虚拟重建，该方法对复杂岩壁的虚拟重建有较好 的作用，但是由于震后地区需要较多的约束参数，在
http ://www. laser j ournal • cn
206
曹贤龙:基于V R 技术的激光三维点云数据的虚拟重建
重建时间和完整性存在较大缺陷。

文献[6]提出了一 种基于智能手机的三维模型重建方法，也取得了较好 的重建效果，但是该方法没有摆脱重建过程中噪声较 大，时间长等问题。

为了解决以上问题，本文利用V R 虚拟与激光扫 描技术设计三维激光点云数据的虚拟重建，将V R 虚 拟与激光扫描技术引入到三维激光点云数据的虚拟 重建领域，使用V R 技术获取点云数据，再对采集到 的数据进行去噪处理并重新划分，最后完成点云数据 的虚拟重建，并且通过实验证实了本文方法的有 效性。

2激光三维点云数据的虚拟重建算法
设计
2. 1
激光点云数据采集
激光点云数据主要通过激光扫描得到，因此为实 现激光三维点云数据的虚拟重建算法设计首先需要 确定激光扫描仪的相关参数及性能是否满足系统要 求。

电机是系统运行的源动力，不同的电机的参数不 同，则稳定性等性能就会有所差异[7]。

对电机的选择 需要综合考虑到额定功率，额定转速以及峰值力矩等
条件〜，具体如下表1所示
表1电机选型参数
型号M 02430
M O 1330M 03520重量 2. 86 k g 1.78 k g 3.7 k g 额定线电压220 V
220 V
220 V
额定力矩 2.39
1.27
3.50
额定功率750 W
400 W
730 W
额定转速 3 000 r p m
3 000 r p m
3 000 r p m
峰值力矩969编码器线数
2 500
2 500
2 500
如上表1当中所示，考虑到系统的实际需求，
M 01330型号电机的额定力矩、额定功率以及峰值力
矩数值都远低于M 02430、M 03520型号电机，更能满 足本文使用要求，因此本研究将M 01330型号电机作 为虚拟重建研究过程中所使用的激光扫描仪电机。

若要在虚拟现实场景当中实现重建，三维点云数 据是一切图像变换的基础，因此在选择合适的激光扫 描仪电机之后，设置多个激光扫描自由度，使点激光 测量映射到虚拟三维场景当中，获取点云数据信 息[&11]。

其中激光测距原理是三维激光扫描技术的
关键，结合脉冲法实现精准测距，其待测距离为：
D = f
(1)
其中，■〇表示待测距离,单位为表示光速，单 位为rn /s ;山表示收发信号的时间差，单位为s 。

通过公式（1)可以知道，测距精度的影响因素主 要为光速与收发信号的时间差，随着科技的进步，人 们所获取的光速精度已经越来越高;而收发信号的时 间差可以通过高速处理芯片，将其无限减小,基于以 上分析，采用脉冲法能够令所得结果能够满足研究 需求[^5]。

在激光扫描的水平方向扫描模块中，通常选择
M 01330型号电机作为驱动，原因在于该电机运行过
程中所需的旋转速度较低，其步距角的计算公式 如下：
其中，a ,表示细分控制下的步距角d 表示连接 绕组的线路状态数与运行拍数，s 表示电机相数，夂 表示电机转子齿数。

在激光扫描的水平方向扫描模块中，采用控制器 控制扫描棱镜的转动，同时获取激光脉冲扫描结果， 得到各角度值。

对垂直方向的激光扫描平面建立坐 标系，计算该坐标系内，各测量点坐标数值为：
-fcosd (3)
bw =/s m 3
其中，表不横坐标值;匕表本竖坐标值;/表亦 所测得的距离值，单位为表示垂直方向的角度测 量值。

水平模块的激光扫描过程当中，扫描仪的电机需 要载着整个主体围绕坐标系中心旋转，则c 。

与心轴 重合，得到最终的点云三维坐标如下：
.a〇 =a »cosA
,H s i n A
(4)
其中，A 表示水平方向角度测量值，单位为弧度。

将公式(3)代入公式(4)，得到：
I
aQ =/cosdcosA
bQ =/sindsinA
(5 )
cQ =/sina
整合所有采集到的点云三维坐标，得到坐标集合
http : //www. laser j ournal • cn
曹贤龙:基于V R 技术的激光三维点云数据的虚拟重建
207
7\则该集合就为三维点云数据的采集结果。

2.2滤波处理
在点云数据的采集过程中,可能会受到内部传感 器材料属性、电路结构或运行环境等因素的影响，使 三维点云数据的采集结果即点云图像产生噪 点[16<]。

为此需要利用图像滤波器，对采集到的图 像去噪处理，其原理如图1。

如上图1所示，图像滤波过程为：依次计算滤波 中心的邻域像素值，并将其与滤波器内部所对应的系 数相乘，对结果进行求和，该值即为该中心像素位置 值。

根据光线投射算法，利用视觉成像原理，构造出 理想化的物理视觉模型，生成三维激光电云图像[18]。

2. 3
虚拟重建
在采集得到的三维激光点云的环境中，可采用激 光光线投射配准算法。

首先，设置一个主数据点，该 数据点的主要功能为:对可能进行配准的激光点云三 维数据进行划分，然后对数据重建区域进行分配，搜 集重建后的结果并显示。

在此过程中需要对三维点 云数据重建环境进行初始化。

对调用一些函数计算 点云数据集合r 中的每个三维激光点云数据的ID 号，同时统计所有三维点云数据的总数量信息，这个
I D 号是区分每个数据点上可调用进程的唯一标志。

主数据点，能够调用主进程，对将要进行配准的三维 激光点云数据进行计算与数据空间划分，并且给予不 同激光点云数据配准任务编号，同时需要对一些约束 进行传播，以让其他节点得到重建数据信息，传播的 信息包括:任务的总数量N 以及数据的大小。

假设最终重建的三维激光点云数据拥有* 认个元素，其中每一个元素都由模拟光线经过计
算得到该元素的重建值。

对所有的元素标号为〇到
个。

计算任务包含2 *
个数据，
而将任务标号为i ( 1矣，则任务i 负责计算的数
据元素点的编号为（卜1 ) *
祕/•^到*' *
/idg/u
当明确每一个重建任务编号后，就
可以计算出元素点的编号。

该进程将模拟光线计算 这些元素点，最终得到一个子结果数据，这个计算过 程同单机光线体绘制算法是相同的。

然后使用动态任务重建方式，对设定好的任务进 行对应指派。

通过计算对应的元素编号，就可以准确 计算出接受该重建任务所需要的相关参数，以及对应
的位置，在此过程中需要模拟计算hg/tt * 个 光线，当对应的元素点接收到相关的任务信息后，就 使用v
r
绘制算法进行子图像的绘制，当计算完成以
后相关主数据点会完成信息的更新，以计算下一步需 要计算的相关信息。

继续等待新的计算任务到来；主 数据点持续不断地将任务分发到每个计算节点中，直 到任务池中没有任务。

此时，主数据点会主动关闭任
务管道，以结束相关计算◦主数据点确定相关激光三 维点云数据重建后，将子数据结果按任务编号存储在 缓冲区的适当位置，搜集重建配准后的结果并显示。

3性能测试
完成激光三维点云数据的虚拟重建算法设计后,
利用仿真对照实验。

利用matlab 完成相关实验，实验 中用到的软件以及实验和相关数据如表2所示。

表2
实验条件说明
实验环境描述Win 8操作系统4G C P U 内存大小4G 内存大小C ++编程语言Matlab
绘图处理
3. 1测试准备
采用H P E DL 388 G E N 10机架式服务器为主体，
搭建仿真实验平台，该服务器最大内存容量为3 〇72
G B ,具有24个内存插槽，默认8S F F 至多扩展到24+6
个S F F ,集成16 M B 1 92〇 x 1 2〇0显示芯片，能够满足 实验所需。

利用Autodesk M a y a 三维动画软件,完成三 维重建模拟部分，M a y a 集成了 Alias 、Wavefront 最先进 的动画及数字效果技术，因此选用该软件完成实验。

http ：
//www. laserjoumal. cn
208
曹贤龙:基于V R 技术的激光三维点云数据的虚拟重建
1 2 3 4 5
实验次数
图3不同方法的重建时间
由上图3可以看出，和另外三种方法相比，本文 方法图像重建所用时间更短，最少重建时间为2 s ，有 效提高了图像重建速度，具有一定的应用价值。

在完成上述测试准备后，在测试平台上运行本文 方法，得到兔子头部点云数据的重建结果对比图如下 图4所示：
文献[4]方法 -文献15]方法 文献【6]方法 本文方法
U )三维空间散乱点
3.2去噪精度对比
分析采用本文方法、文献[4]方法、文献[5]方 法、文献[6]方法去噪前后的点云数据，计算不同方法 的去噪精度如下图2所示。

100 200 300 400 500
图像数量
图2不同方法的去噪精度
由上图2可以看出，已有文献中的方法存在去噪 精度较差或不稳定的现象，而本文所提方法可以有效 去除噪声干扰，去噪精度较高且稳定性较好,精度最 高可达到95%以上，有效实现了图像去噪，提高了图 像重建效果。

主要原因在于本文方法获取激光三维 点云数据，根据激光测距原理，计算得到坐标数据，通 过滤波器去除噪声。

为了进一步分析本文方法的有效性，再次对不不 同方法的重建时间进行对比，结果如图3所示：
(b )文献[4]方法
(c )文献[5]方法
(d )本文方法 图4
测试对比结果
分析图4可知，在三维空间点云数据的分布较为 分散，在采用本文方法后，通过多个摄像机拍摄，模拟 人眼视觉，获取多个角度的影像信息。

将不符合模型 的点剔除掉，有助于三维激光点云数据的虚拟重建。

而文献中方法仅对其进行三维扫描，未考虑多角度问 题，故导致数据分布分散，不能实现有效的点云数据 重建。

3.3不同方法的平均距离误差对比分析
针对点云配准的工作完成之后，两点云数据中，
匹配点对之间的平均距离误差做不同方法对比。

如
表3:
表3
平均距离误差对比结果
实验次数平均距离误差/m
文献[4]方法0.000 06文献[5]方法0.000 03文献[6]方法0.000 05本文方法
0.000 02
通过表4可知，在采用本文方法处理激光三维点 云数据时，其两点云数据的匹配点平均距离误差最 小，相比其他对比方法，平均距离误差均有降低，具有 一定的优势。

4
结束语
针对激光扫描云数据的虚拟重建噪声大，重建效
90
80
班#14W
http ： //www. laser j
ournal, cn
曹贤龙:基于V K技术的激光三维点云数据的虚拟重建209
果差的问题，提出一种激光三维点云数据的虚拟重建 算法。

实验结果表明，采用改进方法性能优越，重建 效果较好，能够为相关领域提供研究参考。

参考文献
[1]张娟，侯进，吴婷婷，等.三维散乱点云模型的快速曲
面重建算法[J].计算机辅助设计与图形学学报，2018,
30(2) ：235-243,
[2]吴婧，汤晓华，杨泗苹，等.基于激光点云数据的糙米
表面三维模型重建[J].食品与机械，2019, 12:19-22,
28.
[3]张朱长永，张欣，马超，等.基于虚拟现实的激光三维
图像增强系统研究[J].激光杂志，2019, 40( 12) :67-
71.
[4]谢洪平，陈兵，杜长青，等.噪声背景下基于激光雷达
点云数据的分裂导线自动提取与三维重建[J].电网与
清洁能源，2020, 36(04) :23-31.
[5]刘旭.考虑视觉传达效果的震后区域三维图像虚拟重
建[J].地震工程学报，2018, 40(04) :826-832.
[6]曹航，邱志伟，辛威，等.基于智能手机的.三维模型重
建方法研究[J].计算机科学与应用，2018, 08(08):
1270-1276.
[7]夏春华，施滢，尹文庆.基于T O F深度传感的植物三维
点云数据获取与去噪方法[•!].农业工程学报，2018,34
(6) ：168-174,
[8]赵宗泽，王春阳，王宏涛，等.多窗口顶帽变换机载激
光点云噪声去除[J].激光与光电子学进展，2018, 55
(11) ：455-462,[9]王中任，郭晓康.赵刚.两组双目立体深度图像信息融
合与三维重建方法[J].激光与红外，2019 , 49(2) :120
-124.
[10]贺亦峰，邹进贵.三维激光点云分割算法的精度与适用
性分析[J].测绘通报，2018，S1:158-162.
[11]张漫，苗艳龙，仇瑞承，等.基于车载三维激光雷达的
玉米点云数据滤波算法[J].农业机械学报，2019, 50
(4) ：170-178,
[12]裴书玉，杜宁，王莉，等.基于自适应分层的文物点云
数据压缩算法[•!].计算机应用研究，2018, 35(11 ):
306-309+313.
[13]陈动，张振鑫，王臻，等.骨架优化下的地面激光树木
点云重建方法[J].地球信息科学学报，2019, 21(2):
104-116.
[14]贺亦峰，胡荣，邹进贵.利用三维激光扫描数据进行建
筑物立面点云分割算法分析[J].测绘通报，2019,4:26
-31.
[15]王森援，蔡国榕，王宗跃，等.基于加权约束的单体建
筑物点云表面重建算法[J].地理研究，2019, 38(05):
654-662.
[16]呼延嘉玥，徐立军，李小路.自研激光雷达三维点云配
准技术[J].北京航空航天大学学报，2019, 45( 10):
2099-2107.
[17]徐照，李苏豪，陈楠，等.基于点云的建筑物表面损伤
三维重建与属性提取方法[J]. 土木工程与管理学报，
2018, 35(3) :28-33,51.
[18]苗松，王建军，李云龙，等.基于建筑物激光点云边缘
线自动提取提高D S M精度[J].激光与光电子学进展，
2018, 55(1) ：393-399,
http ：//www. Iaserjoumal. cn。