张 毅，吕秀琴

(武汉大学 a.测绘学院；b.资源与环境科学学院，武汉 430079)

1 概述

利用三维激光扫描技术获取的点云是一种可直观表达目标空间形态和分布的海量三维空间数据。空间数据一般会涉及 3类操作：存储管理，处理计算和显示绘制。对于显示绘制技术，主要是旋转、缩放和漫游等操作。在大数据量情况下，通常采取抽稀、细节层次模型(Level of Detail,LOD)[1-2]、建立数据金字塔结构[3-4]等技术进行实现。二维遥感影像和数字高程模型(Digital Element Model, DEM)具有规则的数据结构，三维模型和矢量数据仅需要绘制较少顶点。相比较而言，点云的空间排列不规则，密度不均匀，数据量异常庞大，因此，海量点云的快速显示绘制有着特殊的技术要求。

有许多学者对海量点云快速显示进行了研究。如采用磁盘映射方式读取数据并引入分块索引，实现1965449个点的显示[5]。利用并行k最邻近点(k-Nearest Neighbor, kNN)算法，实现数据总大小约为2.3 GB、共约9000万点的显示[6]。采用规则空间八叉树与平衡二叉树相结合的嵌套复合结构进行组织，实现178799个点的显示[7]。利用基于视点的LOD及点云分块技术实现最大1205000个点的绘制[8]。还有基于核外多分辨率海量点云数据的处理和交互编辑[9]、通过沿空间扫描和点排序的流技术点云处理方法[10]等。但就点云数据量而言，以上方法并没有达到亿级或更大规模的水平，在存储结构和调度绘制方面都有可进一步挖掘的空间。一些商业软件在海量点云的快速显示绘制方面具有各自特点。Cyclone[11]、Realworks Survey、Polyworks[12]等采用的是动态抽稀技术，Rigel、XGRT[13]等采用的是八叉树结构技术。……