[论文解读] Implicit LOD using points ordering for processing and visualisation in Point Cloud Servers

Rémi Cura, Julien Perret+1 more|arXiv (Cornell University)|Feb 22, 2016

Remote Sensing and LiDAR Applications参考文献 25被引用 3

一句话总结

本文提出了一种新颖的点云服务器隐式细节层次（LOD）方案，通过在空间块内对点进行排序，以无需外部元数据的方式编码几何LOD。采用中点八叉树（MidOc）排序方法，实现了高效的、按需的LOD选择，适用于可视化、密度校正和算法加速，通过利用分层点分组和空间局部性，实现高达10倍的传输速度提升。

ABSTRACT

Lidar datasets now commonly reach Billions of points and are very dense. Using these point cloud becomes challenging, as the high number of points is intractable for most applications and for visualisation.In this work we propose a new paradigm to easily get a portable geometric Level Of Details (LOD) inside a Point Cloud Server.The main idea is to not store the LOD information in an external additional file, but instead to store it implicitly by exploiting the order of the points.The point cloud is divided into groups (patches). These patches are ordered so that their order gradually provides more and more details on the patch. We demonstrate the interest of our method with several classical uses of LOD, such as visualisation of massive point cloud, algorithm acceleration, fast density peak detection and correction.

研究动机与目标

• 解决大数据时代海量高密度点云管理的挑战，其中全分辨率数据对大多数应用而言不切实际。
• 克服现有LOD方法依赖外部元数据或复杂几何重建的局限，通过在点顺序中隐式嵌入LOD。
• 通过一种可移植、自包含的LOD表示，实现对十亿点级数据集的高效可扩展处理与可视化。
• 支持实际应用场景，如交互式Web可视化、密度峰值检测和数据压缩，且计算开销极低。

提出的方法

• 将点云划分为空间块，以支持局部化、分层处理和LOD表示。
• 应用中点八叉树（MidOc）排序策略，为每个LOD层级选择最接近八叉树单元中心的点来表示该块。
• 利用服务器中点的固有顺序，隐式编码多个细节层次，无需外部LOD文件。
• 利用Morton（Z序）或Hilbert曲线空间索引，实现对分层点子集的快速、位级访问。
• 通过仅根据视距检索所需LOD层级，支持部分LOD访问（例如，用于可视化中的视锥剔除）。
• 在LOD层级内对点进行排序，以在粗LOD下仍保持几何保真度和覆盖范围，确保在不同点密度下均具鲁棒性。

实验结果

研究问题

• RQ1 是否能无需外部元数据，在点云数据结构中隐式嵌入LOD，从而实现高效且可移植的处理？
• RQ2 如何利用空间块内点的排序生成可靠且具有几何意义的细节层次？
• RQ3 通过MidOc排序实现的隐式LOD在可视化、密度校正和算法加速方面能多大程度上提升性能？
• RQ4 在点云服务器中使用有序块时，数据传输速度、计算成本与LOD质量之间的权衡如何？
• RQ5 该方法能否在带宽受限条件下支持Web可视化中的实时或近实时处理？

主要发现

• 采用MidOc排序的隐式LOD方案相比全分辨率流式传输，实现高达10倍的数据传输速度提升，显著改善了基于Web的可视化性能。
• 通过分析每块内的点数（无需读取单个点），可实现快速密度峰值检测，在大型数据集上实现亚秒级异常检测。
• 通过将每块点数限制为用户定义的最大值，可即时完成密度校正，无数据丢失且运行时开销极低。
• 该方法支持部分LOD访问：仅检索所需细节层级，减少I/O操作并加速渲染，尤其在远距离时效果显著。
• 该方法对可变点密度具有鲁棒性，无需预先进行表面重建或复杂几何建模。
• 尽管当前存在I/O瓶颈（180M点/小时），该方法仍具可扩展性，可通过低级C语言实现和基于GPU的八叉树构建进一步加速。