發(fā)布時間：2021-08-26 01:00

　　激光雷達,以其高精度和抗干擾能力強等特點而受廣泛應(yīng)用。車載激光測量方法,以通過車輛勻速行駛和車載激光雷達縱向掃描的方法獲取周圍環(huán)境的三維表面信息,以其高效率和高精度著稱。然而,超大范圍的地形造成的海量三維點云數(shù)據(jù)已超過當前單臺電腦的存儲管理能力,并且如何進行海量點云數(shù)據(jù)的實時調(diào)度同樣成為當下研究的難題。針對該問題,結(jié)合現(xiàn)在應(yīng)用較為廣泛的Hadoop分布式文件系統(tǒng)開展了面向車載海量點云數(shù)據(jù)的分布式存儲與調(diào)度技術(shù)研究。在研究車載海量點云的索引結(jié)構(gòu)基礎(chǔ)之上,提出了一種結(jié)合多級文件目錄的點云分段八叉樹索引存儲與調(diào)度方法,為進一步實現(xiàn)分布式的海量點云管理奠定了基礎(chǔ)。進一步對Hadoop分布式文件系統(tǒng)開展了深入學習與研究,并為了克服在實驗中所發(fā)現(xiàn)了原始HDFS結(jié)構(gòu)無法有效支撐大量點云索引小文件存儲和調(diào)度的問題,引入HBase分布式數(shù)據(jù)庫來支持高效率的海量點云索引文件分布式存儲與調(diào)度。并以此為基礎(chǔ),采用thrift實現(xiàn)HBase的C++編程接口,并結(jié)合OSG渲染引擎實現(xiàn)了本文的分布式車載海量點云管理算法。通過實驗表明,本文所研究的方法能夠有效的支撐車載海量點云的分布式存儲與可視化調(diào)度。 

【文章來源】：湖北工業(yè)大學湖北省

【文章頁數(shù)】：46 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及意義
    1.2 研究現(xiàn)狀
    1.3 本文主要內(nèi)容及章節(jié)安排
第2章 點云空間索引組織方法
    2.1 基于八叉樹的索引方法
        2.1.1 四叉樹結(jié)構(gòu)
        2.1.2 八叉樹結(jié)構(gòu)
    2.2 基于KD樹的索引方法
        2.2.1 KD樹結(jié)構(gòu)
    2.3 KD樹和八叉樹的比較
    2.4 基于多級文件目錄的車載海量點云組織方法
        2.4.1 車載海量點云數(shù)據(jù)分段
        2.4.2 多級文件目錄的索引存儲結(jié)構(gòu)
        2.4.3 點云快速渲染以及多線程動態(tài)調(diào)度
    2.5 本章小結(jié)
第3章 分布式文件系統(tǒng)
    3.1 Hadoop分布式系統(tǒng)基礎(chǔ)架構(gòu)
    3.2 Hadoop分布式文件系統(tǒng)(HDFS)
        3.2.1 HDFS架構(gòu)
        3.2.2 HDFS特點
        3.2.3 HDFS不足
    3.3 HBase分布式數(shù)據(jù)庫
        3.3.1 HBase架構(gòu)
        3.3.2 HBase數(shù)據(jù)庫結(jié)構(gòu)
        3.3.3 HBase訪問接口
    3.4 本章小結(jié)
第4章 實驗與分析
    4.1 實驗數(shù)據(jù)與過程
    4.2 實驗平臺
    4.3 實驗結(jié)果與分析
        4.3.1 車載海量點云的可視化動態(tài)調(diào)度
        4.3.2 HBase寫入文件速度實驗
        4.3.3 HBase讀取文件速度實驗
        4.3.4 不同段點云寫入和讀取速度對比
        4.3.5 實驗分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
參考文獻
致謝
附錄 主要代碼展示



本文編號：3363223