下载文档原格式
如何进行激光扫描与点云处理在当今科技不断进步的社会中，激光扫描与点云处理已经成为了一项非常重要的技术。
激光扫描与点云处理技术能够通过激光束对三维物体进行高精度的测量和建模，被广泛应用于制造业、建筑工程、文化遗产保护等领域。
本文将介绍如何进行激光扫描与点云处理，并探讨其在实际应用中遇到的挑战和解决方案。
首先，进行激光扫描前需要准备一台激光扫描仪。
常见的激光扫描仪有三种类型：飞行时间（Time of Flight，TOF）扫描仪、相位测量（Phase Shift）扫描仪和光强测量（Amplitude Modulated）扫描仪。
这些扫描仪的原理和工作方式略有不同，但基本流程是相似的：首先，激光扫描仪向目标物体发送一束激光束，然后接收物体反射回来的激光，通过测量激光的时间、相位或光强等参数，计算出物体表面的三维坐标信息。
激光扫描过程中，扫描仪需要通过旋转或移动来获取目标物体的完整表面信息。
为了提高扫描精度和速度，通常会使用多个扫描仪进行同步扫描，或者使用机器人手臂等自动化设备来进行扫描。
此外，为了防止光的干扰和散射，通常会在扫描过程中限定光源和物体之间的角度范围，以及使用滤波等技术对扫描数据进行预处理。
在完成激光扫描后，需要对得到的点云数据进行处理和分析。
点云是由大量的三维坐标点组成的数据集，代表了被扫描物体表面的形状和结构。
点云处理的主要任务包括点云滤波、点云配准、点云分割等。
点云滤波是指对原始点云数据进行噪声去除和平滑处理的过程。
由于激光扫描受到环境条件和设备精度的限制，得到的点云数据通常会包含一些噪声点和无效数据。
为了提高点云的质量和准确性，可以使用各种滤波算法，如高斯滤波、中值滤波和统计滤波等。
点云配准是指将多个扫描位置得到的点云数据进行注册和拼接的过程。
由于扫描仪的位置和姿态可能存在误差，不同位置得到的点云数据之间存在着平移、旋转和尺度的差异。
为了获得整个物体的完整表面信息，需要对这些点云数据进行配准和融合。
使用激光扫描测量仪进行点云数据处理的方法与技巧激光扫描测量仪是一种常用于测量与建模的工具，它可以通过发射激光束并接收反射回来的光信号来获取物体表面的几何形状信息。
但是，由于测量过程中存在各种误差，获取到的数据常常需要进行后期处理和优化。
本文将针对使用激光扫描测量仪进行点云数据处理的方法与技巧进行探讨。
首先，点云数据的预处理是整个处理流程中的重要一环。
预处理的目的是通过滤除噪声和无效数据，提取出有用的信息，为后续的操作做好准备。
常见的预处理方法有滤波、去除离群点和数据补洞等。
滤波是一种常用的预处理方法，可以通过对点云数据进行平滑处理，去除高频噪声。
而离群点的存在会对后续的建模和分析造成影响，因此需要使用合适的算法去除离群点。
另外，如果点云数据中存在缺失的部分，需要使用一定的方法进行数据补洞，以保证点云数据的完整性。
接下来，对点云数据进行分割是进行形状建模和分析的关键步骤。
点云数据的分割是将点云分成不同的部分，形成不同的物体模型或者组件。
常见的分割方法包括基于几何形状信息的方法和基于特征提取的方法。
基于几何形状信息的方法是通过计算点云数据的形状特征，如法线、曲率等，来判断不同部分的边界。
而基于特征提取的方法则是通过提取点云数据中的关键特征点，如角点、边缘等，来进行分割。
不同的分割方法适用于不同的场景，需要根据具体情况选择合适的方法。
在进行点云数据分割之后，需要进行建模和重构。
点云数据的建模是将点云数据转化为几何模型的过程，常见的建模方法有曲面拟合、体素化和网格化等。
曲面拟合是将点云数据拟合成一定的几何表达形式，如平面、球面或曲线等。
体素化是将点云数据转化为一系列规则的体素网格，以便于后续的空间分析和操作。
网格化是将点云数据转化为三角网格模型或四边形网格模型，以便于进行渲染和可视化。
对于点云数据的建模，需要根据具体要求选择合适的方法，并考虑到时间效率和模型精度之间的平衡。
最后，对于点云数据的处理，还需要考虑到数据的配准和对齐。
激光点云工作方案引言激光点云技术是一种将激光扫描仪测量的点云数据转换为三维模型的技术。
它在许多领域中得到了广泛应用，如地质勘探、建筑测量、自动驾驶等。
本文将探讨激光点云的工作方案，包括数据采集、处理和应用。
数据采集1. 激光扫描仪激光扫描仪是激光点云数据采集的关键设备。
它通过发射激光束并测量其返回时间来确定物体的距离。
常见的激光扫描仪有机械式扫描仪和固态扫描仪。
机械式扫描仪通过旋转或移动激光束来扫描整个场景，而固态扫描仪则使用固定的激光束和接收器阵列来实现快速扫描。
2. 数据预处理在进行激光点云数据采集之前，需要进行一些预处理步骤以确保采集到高质量的数据。
首先，需要对激光扫描仪进行校准，包括内部参数和外部参数的校准。
其次，需要对环境进行准备，如清除遮挡物、调整光照条件等。
最后，还需要选择合适的扫描模式和参数，以满足采集需求。
3. 数据采集数据采集是激光点云工作方案的核心步骤。
在采集过程中，激光扫描仪会发射激光束并测量其返回时间，从而得到物体的距离信息。
通过扫描仪的旋转或移动，可以获取整个场景的点云数据。
采集到的点云数据可以包含几百万到几十亿个点，具体数量取决于采集设备和场景复杂度。
数据处理1. 数据预处理采集到的原始点云数据通常包含噪声和无效点。
为了提高数据质量，需要进行一系列的数据预处理步骤。
首先，可以使用滤波算法去除噪声点。
常见的滤波算法包括高斯滤波、中值滤波和统计滤波。
其次，可以使用裁剪算法去除无效点，如超出扫描范围的点和遮挡物。
2. 数据配准在激光点云工作中，常常需要将多个扫描位置的点云数据配准到同一个坐标系下。
这可以通过点云配准算法来实现。
常见的点云配准算法包括迭代最近点（ICP）算法、特征匹配算法和基于地标点的算法。
配准后的点云数据可以用于后续的建模和分析。
3. 数据建模数据建模是将点云数据转换为三维模型的过程。
常见的数据建模方法包括曲面重建和体素化。
曲面重建方法通过拟合点云数据来生成光滑的曲面模型，如三角网格和贝塞尔曲线。
激光扫描点云的体素化方法研究xxx摘要：三维激光扫描技术越来越多地用于重建扫描场景三维模型和感知周围环境。
但是在扫描过程中，被遮挡的区域没有扫描数据，表现为扫描场景中的空洞区域，这妨碍了对扫描数据进行三维构网。
此外，即使经过三维构网，依然要进行诸如补洞的编辑工作，使得后期处理十分繁琐。
除了使用三维构网以外，三维场景也可以使用体素（voxel）进行建模。
基于体素的三维重建的关键问题是点云的体素化，本文尝试使用体素对三维场景进行建模，并提出一种建立初始体素的三维建模方法，实验证明该方法能准确、形象、真实得表现被扫描物体，并且能很好的填补扫描场景中的空洞区域，使三维模型看起来接近于实物，本文的研究结果对于激光扫描数据用于扫描场景的自动三维重建具有实践意义。
关键词：激光扫描；体素化；初始体素；三维模型A Research on Voxelization of LiDAR Point CloudsAbstract:3D laser scanning technology is increasingly used to reconstruct three-dimensional models of the scanning scene and sensing surroundings. However, the obscured area can not get point cloud data, and it is difficult for reconstructing the three-dimensional models by using triangulated irregular network. Moreover, even after reconstructing by the triangulated irregular network,empty regions devoid of points are typically covered by the resulting surface, provided that there are points available outside the regions that can be connected, and it is inconvenience for post-processing. In addition to using triangulated irregular network, three-dimensional models can also reconstruct by using voxels. The key question voxel-based three-dimensional reconstruction is the voxelization of the point clouds, this paper attempts to use voxels to reconstruct three-dimensional models and establish the initial voxel. This research show the method that can make the three-dimensional models accurately, it can fill the empty regions. The result of this experiment has practical significance for the laser scanning data reconstructing..Key words: LiDAR; voxelization;initial voxel ;3D models目录1引言 (1)1.1研究意义和背景 (1)1.2 三维激光扫描技术应用领域 (1)1.3 国内外研究现状 (2)2 体素及体素化的概念 (4)3 使用体素进行三维建模的应用实例 (4)3.1 数据 (4)3.2 Bresenham算法的三维实现 (5)3.3建模过程 (6)3.3.1 数据提取 (6)3.3.2 三维模型构建 (7)4 结论与展望 (11)参考文献 (12)附录 (14)1引言1.1研究意义和背景数字城市是未来城市发展的趋势，构建三维城市模型则是其中必不可少的内容与步骤，是建立数字城市重要的基础之一[1]。
《三维激光扫描点云数据处理及应用技术》篇一一、引言随着科技的发展，三维激光扫描技术已逐渐成为一项重要的技术手段。
通过高精度的三维激光扫描设备，可以迅速获取被测物体的三维点云数据，这些数据能够用于各类场景，如工业测量、文物保护、地形测绘等。
本文将就三维激光扫描点云数据处理及应的技术进行深入探讨。
二、三维激光扫描点云数据的获取三维激光扫描技术主要通过激光测距仪和高速相机来获取被测物体的点云数据。
通过设备的高速旋转和移动，能够获取被测物体的大量三维空间坐标数据，形成点云数据。
这些数据具有高精度、高密度、高效率等特点，为后续的数据处理提供了基础。
三、点云数据处理技术1. 数据预处理：点云数据的预处理主要包括去除噪声、数据配准、去重等步骤。
这些步骤的目的是为了获得更加精确的点云数据，以便于后续的处理和应用。
2. 数据滤波：对于大量、密集的点云数据，需要进行滤波处理以去除无关的数据或噪声。
常见的滤波方法包括统计滤波、体素滤波等。
3. 点云配准：在获取到多个部分的点云数据后，需要进行配准操作，以使它们在空间上统一。
常见的配准方法包括ICP算法等。
4. 模型重建：通过对点云数据进行曲面重建、体积计算等操作，可以获得被测物体的三维模型。
这一步骤通常需要使用到专业的软件工具进行操作。
四、点云数据的应用技术1. 工业测量：在工业生产中，三维激光扫描技术可以用于对产品的尺寸、形状等进行精确测量，以保障产品质量。
2. 文物保护：对于一些历史文物或建筑，由于时间久远或其它原因导致无法直接接触进行测量时，可以通过三维激光扫描技术获取其精确的三维模型，以便于进行保护和研究。
3. 地形测绘：在地质勘查、地形测绘等领域，三维激光扫描技术可以快速获取地形地貌的三维数据，为后续的地理信息分析提供基础数据。
4. 虚拟现实和增强现实：通过将三维激光扫描获取的点云数据导入到虚拟现实或增强现实软件中，可以创建出逼真的虚拟环境或增强现实场景，为各类应用提供丰富的视觉体验。
三维点云体素化压缩方法引言随着三维扫描技术的发展，三维点云数据作为一种重要的三维数据形式，广泛应用于计算机视觉、机器人感知、虚拟现实等领域。
然而，由于点云数据的大规模和高维特性，导致数据存储和传输成为一个挑战。
为了克服这个问题，研究者们提出了一系列的点云体素化压缩方法，旨在通过降低数据的冗余性和压缩率，实现高效的存储和传输。
一、点云体素化点云体素化是指将连续的点云数据转化为离散的体素网格表示的过程。
体素是三维空间中的一个立方体单元，通过将点云数据映射到体素网格中，可以方便地进行数据的处理和分析。
常见的体素化方法包括基于八叉树的自适应体素化和均匀体素化等。
1. 基于八叉树的自适应体素化基于八叉树的自适应体素化方法通过将点云数据递归地划分为八个子体素，直到满足一定的停止准则为止。
这种方法可以根据点云数据的密度变化，自适应地调整体素的尺寸，从而更好地保留点云的细节信息。
然而，由于递归划分的计算复杂度较高，导致该方法在大规模点云数据上的应用受到限制。
2. 均匀体素化均匀体素化方法将点云数据均匀地映射到体素网格中，通过固定尺寸的体素表示点云。
这种方法简单高效，适用于大规模点云数据的处理。
然而，由于点云数据的不规则性，均匀体素化会造成大量的冗余数据和信息损失。
二、点云体素化压缩方法点云体素化压缩方法旨在通过降低数据的冗余性和提高压缩率，实现高效的存储和传输。
常见的点云体素化压缩方法包括基于几何特征的压缩和基于深度图像的压缩等。
1. 基于几何特征的压缩基于几何特征的压缩方法通过提取点云的几何特征，如法向量、曲率等，将点云数据转化为更紧凑的表示形式。
例如，基于法向量的压缩方法可以通过计算点云表面的法向量变化来降低数据的冗余性，从而实现数据的压缩。
这种方法可以在一定程度上保留点云的几何结构信息，但会损失细节信息。
2. 基于深度图像的压缩基于深度图像的压缩方法将点云数据转化为二维的深度图像表示，通过压缩深度图像来实现点云的压缩。
三维激光扫描点云数据处理与应用技术探讨摘要：近几年，我国测绘工程技术不断进步，取得了较快的发展。
在工程测量中，采用常规的单点测量方式，其测量精度不高。
而采用三维激光扫描技术，可以准确地获取目标的三维立体数据，从而有效地满足了高精度的目标三维测量要求。
本文通过对三维激光扫描点云技术的综述，着重对点云的数据处理和应用技术进行了深入的研究，以期为施工现场的施工提供技术支撑。
关键词：三维激光扫描；点云数据处理；应用技术；建筑测量引言：采用传统的单点测量方法，精度不高，利用三维激光扫描技术，可以获得准确的三维曲面数据，能够满足高精度的测量要求。
三维激光点云数据处理技术包括色彩灰度、目标处理强度、目标空间信息等，采用点云后处理模型，可以在项目分析、测量等方面发挥出较大的优势。
1.三维激光扫描点云处理技术概述利用三维数据采集设备，采集了3D点云数据。
在数据采集装置中，一般采用3D激光扫描。
该装置由以下组成：一是控制系统；二是电力供应；三是支撑体系；四是扫描系统，五是扫描角度等；三维激光扫描主要用于测量角度、距离、修正。
采用测距技术，可以计算出被测对象的垂直角度和水平角度；该系统采用激光三维扫描系统，它是通过测量最后可以获得目标面到坐标原点的距离、垂直角度和水平角度的方法，从而得到了目标面 K (X, Y, Z）点和坐标原点的相对三维坐标[1]。
2.三维激光扫描点云数据处理技术的应用2.1在市政工程中的应用利用常规的测量手段和仪器测量对象的有关数据，对某些本身结构不规范、形状不规则、复杂的测量对象，难以得到比较完整、精确的资料。
比如，在地形测量和高密度测量中，由于数据的密集程度，需要通过坐标来进行数据分析，而高分辨率的图像系统则可以保证点云的真实性。
三维点云扫描技术是当前城市建设中的一项重要技术，它是将点云扫描和扫描数据采集到的图像输入到系统中，并对其进行匹配，从而达到对应的图像与点云的位置。
为了达到这个目的，采用点云来叠加对应的图像，可以提高图像的视觉效果。
基于激光点云的三维场景建模技术调研1引言随着图形应用技术的飞速发展，二维数据已经无法满足现代信息技术领域应用的需求，三维信息能更加直观地描述真实世界，因此如何快速获取并利用三维信息成为了新的研究目标。
经过不断探索，学者们相继提出通过立体视觉、结构光等多种方法提取三维信息，而激光雷达的出现更是为快速、主动、大量、实时、直接地获得被测目标在三维空间中的立体信息提供了重要的技术支持。
激光雷达是二十世纪六十年代发展起来的一种新兴的探测设备，集成了激光测距技术、计算机技术、三维数字化技术等多项高新技术。
激光雷达通过测量角度、距离等位置信息以直接获得目标物体的三维坐标，从而达到提取三维信息并实现三维重构的目的，是一种新型高效的三维空间信息获取设备。
激光雷达除了在速度和精度上有很大优势，同时采用非接触的方式采集目标对象的表面属性点信息，不会导致物体表面发生形变或损坏，因而它在三维激光扫描领域取得了广泛应用。
激光雷达适用于扫描各种复杂的空间场景，它能完整地采集到真实场景中结构复杂、表面不规则的物体的三维数据，并通过计算机设备对数据进行展示、精简、拼接、重构等处理。
通过激光雷达扫描采集到的离散空间点集呈点状分布，因此被称为点云数据。
虽然点云数据的结构十分简单，但是它却可以精确描述出具有复杂的几何结构和细节的三维模型，而且每一个离散点都存储了丰富的几何信息和物体表面属性，如空间位置坐标、大小、法向量、纹理、透明度等。
近年来，激光雷达在扫描效率、精度、速度及可操作性等方面得到极大的发展，在三维数据的采集速度和精度不断提高的同时，但是采集到的原始点云数据仍存在着各种各样的缺陷，譬如：在实际测量中，环境、振动、人为因素、扫描设备本身存在测量误差致使点云数据常常含有噪声；真实场景的点云数据量庞大，后续处理起来十分困难，需要对点云数据进行压缩简化；由于光的线性传播特性，三维激光扫描设备在同一视角下对于形状复杂的物体通常存在视觉盲区，需要在不同视角下多次测量才能完整采集到模型的三维数据。
激光扫描点云的体素化方法研究xxx摘要：三维激光扫描技术越来越多地用于重建扫描场景三维模型和感知周围环境。
但是在扫描过程中，被遮挡的区域没有扫描数据，表现为扫描场景中的空洞区域，这妨碍了对扫描数据进行三维构网。
此外，即使经过三维构网，依然要进行诸如补洞的编辑工作，使得后期处理十分繁琐。
除了使用三维构网以外，三维场景也可以使用体素（voxel）进行建模。
基于体素的三维重建的关键问题是点云的体素化，本文尝试使用体素对三维场景进行建模，并提出一种建立初始体素的三维建模方法，实验证明该方法能准确、形象、真实得表现被扫描物体，并且能很好的填补扫描场景中的空洞区域，使三维模型看起来接近于实物，本文的研究结果对于激光扫描数据用于扫描场景的自动三维重建具有实践意义。
关键词：激光扫描；体素化；初始体素；三维模型A Research on Voxelization of LiDAR Point CloudsAbstract:3D laser scanning technology is increasingly used to reconstruct three-dimensional models of the scanning scene and sensing surroundings. However, the obscured area can not get point cloud data, and it is difficult for reconstructing the three-dimensional models by using triangulated irregular network. Moreover, even after reconstructing by the triangulated irregular network,empty regions devoid of points are typically covered by the resulting surface, provided that there are points available outside the regions that can be connected, and it is inconvenience for post-processing. In addition to using triangulated irregular network, three-dimensional models can also reconstruct by using voxels. The key question voxel-based three-dimensional reconstruction is the voxelization of the point clouds, this paper attempts to use voxels to reconstruct three-dimensional models and establish the initial voxel. This research show the method that can make the three-dimensional models accurately, it can fill the empty regions. The result of this experiment has practical significance for the laser scanning data reconstructing..Key words: LiDAR; voxelization;initial voxel ;3D models目录1引言 (1)1.1研究意义和背景 (1)1.2 三维激光扫描技术应用领域 (1)1.3 国内外研究现状 (2)2 体素及体素化的概念 (4)3 使用体素进行三维建模的应用实例 (4)3.1 数据 (4)3.2 Bresenham算法的三维实现 (5)3.3建模过程 (6)3.3.1 数据提取 (6)3.3.2 三维模型构建 (7)4 结论与展望 (11)参考文献 (12)附录 (14)1引言1.1研究意义和背景数字城市是未来城市发展的趋势，构建三维城市模型则是其中必不可少的内容与步骤，是建立数字城市重要的基础之一[1]。
如何进行点云数据处理与三维模型重建随着科技的不断进步，点云数据处理和三维模型重建成为了计算机视觉领域的重要研究方向。
本文将探讨如何进行点云数据处理与三维模型重建的方法和技术，为读者提供一些参考和指导。
一、点云数据的获取与处理点云数据是由激光雷达或者其他传感器获取的大量点的集合，每个点由位置坐标和其他属性信息组成。
为了进行三维模型重建，首先需要从现实世界中获取到点云数据。
最常用的方法是利用激光雷达扫描物体或场景，将激光束照射到物体表面并测量返回的反射信号来获取点云数据。
获取到点云数据后，我们需要对其进行处理，以提取出有效的信息并去除噪声。
常用的点云数据处理方法包括滤波、重采样、配准等。
滤波操作可以去除点云数据中的噪声点，提高数据的质量。
常用的滤波方法有高斯滤波、均值滤波等。
重采样操作可以对点云数据进行降采样或者升采样，使点云密度更加均匀，方便后续处理。
配准操作可以将多个点云数据对齐，以实现整体的三维模型重建。
二、点云数据的特征提取与描述点云数据中蕴含着丰富的信息，但是由于其分布稀疏和无序性，直接对点云进行处理和分析是比较困难的。
因此，在进行三维模型重建之前，需要对点云数据进行特征提取与描述。
特征提取是点云数据处理的关键环节，通过提取点云数据的特征，可以实现对物体形状、表面纹理等信息的描述。
目前常用的特征提取方法包括形状特征提取和表面特征提取。
形状特征包括曲率、法线方向等，用于描述点云数据的形状信息；表面特征包括颜色、纹理等，用于描述点云数据的表面信息。
在提取到点云数据的特征后，我们需要对其进行描述，以便后续的模型重建和识别。
常用的描述方法有局部描述符和全局描述符。
局部描述符是针对点云数据中的局部区域设计的，可以提供更细致的特征信息；全局描述符则是对整个点云数据进行描述，具有较高的鲁棒性和不变性。
三、三维模型重建方法与技术在进行点云数据处理和特征提取之后，接下来就是三维模型的重建。
三维模型重建是指根据点云数据构建出物体或场景的三维模型。
激光扫描点云的体素化方法研究xxx摘要：三维激光扫描技术越来越多地用于重建扫描场景三维模型和感知周围环境。
但是在扫描过程中，被遮挡的区域没有扫描数据，表现为扫描场景中的空洞区域，这妨碍了对扫描数据进行三维构网。
此外，即使经过三维构网，依然要进行诸如补洞的编辑工作，使得后期处理十分繁琐。
除了使用三维构网以外，三维场景也可以使用体素（voxel）进行建模。
基于体素的三维重建的关键问题是点云的体素化，本文尝试使用体素对三维场景进行建模，并提出一种建立初始体素的三维建模方法，实验证明该方法能准确、形象、真实得表现被扫描物体，并且能很好的填补扫描场景中的空洞区域，使三维模型看起来接近于实物，本文的研究结果对于激光扫描数据用于扫描场景的自动三维重建具有实践意义。
关键词：激光扫描；体素化；初始体素；三维模型A Research on Voxelization of LiDAR Point CloudsAbstract:3D laser scanning technology is increasingly used to reconstruct three-dimensional models of the scanning scene and sensing surroundings. However, the obscured area can not get point cloud data, and it is difficult for reconstructing the three-dimensional models by using triangulated irregular network. Moreover, even after reconstructing by the triangulated irregular network,empty regions devoid of points are typically covered by the resulting surface, provided that there are points available outside the regions that can be connected, and it is inconvenience for post-processing. In addition to using triangulated irregular network, three-dimensional models can also reconstruct by using voxels. The key question voxel-based three-dimensional reconstruction is the voxelization of the point clouds, this paper attempts to use voxels to reconstruct three-dimensional models and establish the initial voxel. This research show the method that can make the three-dimensional models accurately, it can fill the empty regions. The result of this experiment has practical significance for the laser scanning data reconstructing..Key words: LiDAR; voxelization;initial voxel ;3D models目录1引言 (1)1.1研究意义和背景 (1)1.2 三维激光扫描技术应用领域 (1)1.3 国内外研究现状 (2)2 体素及体素化的概念 (4)3 使用体素进行三维建模的应用实例 (4)3.1 数据 (4)3.2 Bresenham算法的三维实现 (5)3.3建模过程 (6)3.3.1 数据提取 (6)3.3.2 三维模型构建 (7)4 结论与展望 (11)参考文献 (12)附录 (14)1引言1.1研究意义和背景数字城市是未来城市发展的趋势，构建三维城市模型则是其中必不可少的内容与步骤，是建立数字城市重要的基础之一[1]。
LiDAR (Light Detection and Ranging) 激光雷达技术是近几十年来发展的一种新兴的、革命性的技术，在数字化的今天，激光雷达更是展现出其不可替代的作用。
利用激光雷达对建筑物、地形等进行三维激光扫描能够快速获取三维立体空间的测量信息，因此，三维激光扫描技术越来越多地被用于重建扫描场景三维模型和感知周围环境。
目前主流的扫描仪分为光学三维扫描仪与激光三维扫描仪两种[2]。
三维激光扫描技术依据载体的不同又分为地面三维激光扫描技术和机载激光雷达扫描技术。
激光三维扫描仪一般适用于大型场景建模，例如数字城市中的建筑物及街道景观的三维建模[3]。
在20世纪60年代，人们就已经开始使用激光进行探测。
20世纪70年代，美国启动阿波罗登月计划，该计划中就使用了激光测高技术。
机载激光扫描技术在1970年由美国航天局（NASA)研发推出，因全球定位系统（Global Positioning System, GPS)及惯性导航系统（Inertial Navigation System，INS)的发展，使精确的即时定位得以实现。
三维扫描技术的意义在于：它可以对被测目标进行快速、不接触、实时、动态、主动、高密度、高精度的三维点云数据获取，根据已获取的点云数据可以快速建立真实的三维模型[4]。
激光脉冲沿直线传播，在传播路径上遇到不透明的物体返回，根据脉冲的传播时间和出射角度计算扫描点在仪器坐标系下的三维坐标，利用点云数据构建三角网格是许多研究学者常用的方法，但是由于遮挡的存在，被遮挡的区域没有扫描数据，表现为扫描场景中的空洞区域，这妨碍了对扫描数据进行三维构网。
此外，即使经过三维构网，依然要进行诸如补洞的编辑工作，使得后期处理十分繁琐。
除了使用三维构网以外，三维场景也可以使用体素（voxel）进行建模，基于体素的三维重建的关键问题是点云的体素化。
本文即对激光扫描点云的体素化方法进行研究，使用体素对点云数据进行三维建模构建，该问题的研究对于激光扫描数据用于扫描场景的自动化三维重建具有实践意义。
1.2 三维激光扫描技术应用领域三维激光扫描技术在各个领域都有着广泛的应用，尤其是在军事、林业、自然灾害调查、数字城市建立等领域，近几年来其贡献更为突出，基于地面的激光扫描技术及其应用的研究也取得了一些成果，在国内，三维激光扫描仪的应用也在逐渐增多，尤其是在古建筑物重建、虚拟现实等领域的应用[5]。
并且全系列三维激光扫描技术为文物及考古测绘成果的多样化、精细表现提供了可能[6]。
斯坦福大学进行的“数字化米开朗基罗项目”(Digital Michelangelo Project)在文物数字化保护中取得了不错的成绩，该计划使用三维扫描仪记录了10座米开朗基罗所塑造的大型塑像，其中包括对著名的雕像大卫像进行了精度为±0.25mm的扫描[7]。
在意大利，考古学家又运用三维激光扫描技术虚拟了距今1900年前古罗马的大型皇家花园哈德良的别墅，所以，就我国文物数字化保护而言，在未来古代遗址的复原研究中，三维激光扫描技术起着重要的作用。
爱尔兰都柏林大学博士研究员Tommy Hinks 对点云的体素化进行了多年研究，并取得了成果，他对都柏林市进行航空激光三维扫描并对点云数据进行体素化，进而构建三维模型（图1），这也充分体现，与其他方法相比，点云的体素化能够更为准确、形象、真实得表现被扫描物体，对数字化城市做出了巨大贡献。
图1 都柏林市点云体素化三维模型1.3 国内外研究现状目前国内外很多学者已经对激光扫描点云数据的三维模型重建进行大量的分析研究工作，并取得一定成果。
利用激光扫描点云数据构建三角网格，从而进行三维表面模型的重建，是一种常用且有效的方法，建网后的三维模型可以较好的表现出被扫描物体的表面。
几何模型重建常见于CAD中的轮廓模型[8]。
通过CAD编辑的点云数据能够真实的呈现对象的精细结构和材质特征，既能表示物体外观，又能表现出物体复杂的内部形态[ 9 10 ]。
但是CAD建模多数涉及手工操作，工作量大，成本较高[11]。
有关点云的三维表面重建，戴彬，钟若飞，胡竞[12]提出一种建筑物的补洞算法，充分利用各类地物的特性，对不同地物使用不同的三维建模策略。
李月华，杨保，邹友峰等[13]在车载激光点云扫描特征的基础上，提出了一种基于扫描线方向向量差值的建筑物立面建模方法，该方法能够成功地从车载激光点云中提取建筑物点，建立建筑物立面模型。
王波[14]将二维影像数据与三维激光点云数据相结合，利用影像特征解决点云数据特征信息不明显、拓扑与光谱纹理信息缺乏的问题，从而提高建筑物三维模型构建效率和模型构建的计算机自动化程度。
陈学工，邱华，付金华等[15]根据不规则三角网( TIN)模型三角网的特性，细划三角面片，使用点的体素化来生成点云数据的表面模型，然后利用深度缓存原理寻找初始体素，并进行体内填充。
罗切斯特理工学院Chester F. Carlson影像科学中心（Chester F. Carlson Center for Imaging Science）的Shea Hagstroma，David Messinger 对点云的体素化进行过相关研究，研究对体素化在内的三种建模方法进行了对比。
图a为树及其周围区域的激光扫描点云数据。
图b为利用不规则三角网对点云数据进行三维模型重建的效果图，从图b中可以看出，这种方法并没有很好地表现出树的三维模型，构建出的垂直结构没有展现出树冠与地面之间的空白区域。
图c为矩形格网法，这种方法只是单纯的建立点云数据与地面的矩形结构，和不规则三角网模型一样，并没有展现出树冠表面下的任何细节。
c图为利用体素对树及其周围区域进行三维建模，利用体素构建的三维模型能够展现更多的细节，树冠与地面的空白区域以及其他细节均可以显示出来，三维模型也更为准确与真实，所以说，较其他两种方法而言，体素构建的三维模型更加接近实物的形态。
（a）（b）(c) (d)图2 三种不同的建模方法本文提出一种点云体素化三维建模的方法，具体方法为预先给定被扫描物体点云数据一个空间区域，即建立一个初始体素，然后将初始体素化分为n 个相同的体素，并对划分的每一个体素进行判别。
