基于PCL 與HOOPS 的空區點云處理系統的設計與開發

王運森 唐忠偉 徐 帥

(東北大學資源與土木工程學院，遼寧 沈陽110819)

1 問題的提出

在國內的礦山開采生產中，考慮到成本等方面的優勢，留礦采礦法、空場采礦法被廣泛采用，形成了大大小小的采空區，隨著時間的推移，采空區不斷地表現出其固有的安全隱患。并且大量空區成片出現構成的空區群比單個空區的破壞在空間上更大，時間上破壞頻度更高，嚴重影響了礦山的生產安全。采空區的有效治理與綜合利用在很多礦山都被提上了重要的日程［1-2］，而探明空區準確的空間位置是治理的首要條件，近年來，三維激光掃描技術在空區探測中逐漸被廣泛地運用［3-8］。利用三維激光掃描系統獲取了大量的點云數據，人們一般借助逆向工程的軟件系統如geomagic 等進行預處理，生成三維模型，再導入CAD 等輔助工具中進行后期處理［9-11］。由于沒有專門針對空區的點云處理系統，不得不在多個軟件間切換、進行數據格式轉換和數據交換，浪費大量時間和精力。為此，本研究總結歸納了空區點云的一般處理流程，對點云過濾的關鍵算法進行了研究，進行了系統功能設計，基于PCL 與HOOPS 開發了空區點云處理系統，實現了同一個軟件界面中進行空區點云數據的優化處理與三維建模應用。

2 空區點云處理的流程

首先利用三維激光掃描設備進行采空區的現場測量。由于采空區空間位置的復雜性，存在遮擋等不利因素，一次測量往往不能獲取空區全部的點云數據，需要多次不同位置進行分別測量，每次測量都會獲得相應的原始點云數據。把這些原始的點云數據導入到處理軟件中，根據點云的真實坐標進行合并，以三維形式進行顯示。為了使點云在顯示時易于區分，把這些合并后的點云數據進行著色，立體化顯示。對點云數據進行過濾處理，根據點云測量形成誤差的原因，一般有3 種方法進行過濾處理:①明顯偏離孤立點的刪除;②多次對相同地點的掃描，形成的冗余數據，進行冗余數據的刪除;③由于空氣中塵埃顆粒、光的反射折射形成的散亂點進行去除。處理后的數據可以進行三維瀏覽，根據經驗，對于明顯測量錯誤的點進行刪除或者修補，至此就得到了數據質量比較好的點云數據。根據這些處理后的點云數據，進行基于點云的剖切，輸出剖面，建立空區的三維實體模型，進行體積計算等其他的應用處理。一般的處理流程如圖1 所示。

圖1 三維激光空區點云處理流程Fig.1 Flow-sheet of cavity 3D laser point cloud processing

3 系統的功能架構設計

結合空區點云的處理流程及功能需求，進行系統功能模塊結構設計，系統總體功能由數據導入導出、三維顯示、點云過濾、剖切、實體建模、應用功能等5部分組成，系統的總體功能框架如圖2 所示。

圖2 系統總體功能框架圖Fig.2 Overall function frame of the system

(1)原始點云數據導入。由三維激光掃描儀獲取點云數據的格式有XYZ、CSM 及其他格式，需要把這些原始的點云數據導入系統中，首先進行點云坐標點的坐標格式統一，進行坐標的平移與旋轉，統一為絕對坐標，保存在本系統的內存結構與數據庫中，供其他功能分析使用。

(2)三維顯示。顯示并瀏覽導入合并后的點云或者處理后的點云數據，包括為方便人工瀏覽識別而提供的點云著色功能，三維環境下的平移、放大、縮小、旋轉、選擇機能，使用戶可以方便、直觀地瀏覽點云數據，全面地認識空區的位置與形態。

(3)點云過濾。由于測量的儀器及環境、相同地點的多次測量，會產生很多壞點或者重復點數據，過濾機能就是有效地把這些點進行去除，并且還要保證盡量不影響后期的剖切與建模的精度，包括孤立點去除、散亂點去除、冗余點去除及手工去除等子機能。

(4)剖切。對空區的測量，一個很重要的目的就是完全掌握空區的剖面圖;這個功能可以在建立實體模型后進行，但是由于存在很多因素，建立的實體并非能完全準確地表示空區，本機能是在原始點云基礎上基于點云的剖切，包括自由面的剖切及根據包裹空區的六面體進行等間距的連續剖切。

(5)數據輸出。需要和現有的CAD 輔助設計系統進行對接，把處理后的點云數據、生成的剖面及后期建立的實體模型輸出為點云文件或者DXF 文件進行數據的共享。

(6)實體建模。依據過濾后的點云數據，根據一定的建模方法進行三角網或者四面體的實體建模。

(7)應用功能。針對建立后的實體模型，進行剖切及空區體積計算等后期應用機能。

莊子哲學一反世俗的態度，主張生為人間之累，死勝過南面王樂。髑髏顰眉蹙額不愿復生的描寫，正是為了破除人們好生惡死的觀念而設計的，正是為了祛除人們貪生怕死的心理而下的一劑釜底抽薪式的藥方。在中國哲學中只有被視為“異端”的道家哲學(主要是莊子哲學)敢于標新立異，對死亡文化進行了較為深入一些的挖掘，所以在遺令文中能時時看到莊子哲學死亡觀的影響。

4 關鍵算法

4.1 孤立點的過濾

指定一個閾值K 和搜索半徑R，如果一個點在給定的搜索半徑R 內臨近的點數量小于給定的閾值K，則判定為離群孤立的點，從點云中把這些點刪除。如圖3 所示，點云集合P1，P2，P3，對于給定點P1，以P1為圓心，以給定的半徑R 做圓，落在圓內有P2、P3兩點，如果閾值K 為3，則判定P1為孤立點，如果K 為2，則P1不為孤立點。

圖3 點云數據孤立點過濾示意Fig.3 Schematic diagram of isolated point filtering of point cloud data

4.2 冗余點的過濾

在點云的坐標系內，建立三維立方體單元格柵，每個單元內所有的點用該單元內的點集的重心來近似，這樣就消除了單元內的冗余點，并且可以大大減少點云的數據量。如圖4 所示，點云集合P1、P2、P3，在坐標系內構建以h 為寬度的正方形格柵，形成體元1、體元2、體元3、體元4，落在體元1 內只有P3點，那么該單元的重心和P3重合，單元1 內點云的點集用P3來近似;單元2，單元4 內點集為空，該體元內的近似點仍為空;落在單元3 內有P1(x1，y1)和P2(x2，y2)，則單元3 的重心為O((x1+ x2)/2，(y1+ y2)/2)，在點云中刪除P1，P2，以O 近似代表單元3 內的點云集合。通過選擇適當的h 值，可以有效地去除冗余點，并且可以大大減少點云的數據量。

4.3 基于點云的剖切

指定剖切平面與厚度，以剖切平面為中心平面，保留厚度范圍內的點，然后把保留的點投射在平面上形成新的投射點，所有的投射點形成點云剖面。圖5為二維的算法示意圖。

圖4 點云數據冗余點過濾示意Fig.4 Schematic diagram of redundant point filtering of point cloud data

圖5 基于點云的剖切示意Fig.5 Schematic diagram of cutting based on point cloud

原始點云為P1、P2、P3，剖切平面a，厚度為H，P1、P2點在厚度H 范圍的a1，a2之間，屬于保留范圍，P1、P2在a 剖面上投射點形成P11、P22，這2 點組成了a 平面的剖面圖。

5 系統開發

由于點云數據量龐大，并且涉及到文件的交互，系統采用C/S 架構，數據庫采用SQL server2008，開發工具采用Visual Studio 2010 +HOOPS +PCL，利用HOOPS 強大的三維顯示技術及PCL 在點云處理方面的優秀算法，大大加快了系統的開發實現。

5.1 PCL

PCL(Point Cloud Library)是大型跨平臺開源模塊化C+ +編程庫，它是在吸收了前人點云相關研究基礎上建立起來的，利用OpenMP、GPU、CUDA 等先進高性能計算技術，通過并行化提高程序實時性，設計了高效的數據結構，實現了大量點云相關的通用算法。PCL 中的所有模塊和算法都是通過Boost 共享指針來傳送數據的，因而避免了多次復制系統中已存在的數據，提高了數據傳遞的效率，速度也是目前同類技術中最快的。支持多種操作系統平臺，可在Windows、Linux、Android、Mac OS X 和部分嵌入式實時系統上運行［12］。

從算法的角度，PCL 納入了多種操作點云數據的三維處理算法，其中包括點云獲取、濾波、分割、配準、檢索、特征提取、識別、追蹤、曲面重建等。每一套算法都是有對應的基類，整合了常見的功能，結構清晰，提高了代碼的重用性、簡潔可讀。為了進一步簡化和方便開發使用，PCL 被分成一系列較小的代碼庫，使其模塊化，以便能夠單獨編譯使用提高可配置性，PCL 每個庫可以獨立使用，包括以下代碼庫。

filters:實現采樣、去除離群點、特征提取、擬合等過濾算法。

features:實現曲面法線、曲率、邊界點估計、矩不變量、主曲率、旋轉圖像、積分圖像、數據強度的篩選等功能。

segmentation:實現聚類提取，通過采樣方法對參數模型(如平面、柱面、球面、直線等)進行擬合點云分割提取。

surface:實現網格重建、凸包重建、移動最小二乘法平滑等表面重建功能。

register:實現ICP 等點云配準方法。

keypoints:實現各種的關鍵點提取方法。

本系統使用了PCL 的filters、I/O、segmentation 、surface 4 個主要的代碼庫。利用直通濾波的代碼如下:

5.2 HOOPS

HOOPS 及其3D 組件是業界領先的3D 造型和可視化引擎，為當今許多主流3D 應用程序提供核心圖形基礎架構及功能，大大降低自行研發底層技術的成本，并能夠縮短開發周期，有助于客戶快速開發應用程序并在市場上及時發布。

本系統使用了HOOPS 組件中重要的子組件－HOOPS/3dAF。HOOPS/3dAF 具有高級2D 和3D 圖形功能，采用可擴展的、模塊化的開放式架構，提供完全的應用程序接口，使用戶可以訪問一套功能強大的、最基礎的集成組件;可以工作在多種平臺上，支持多種編程語言包括Python、Java 、C 、C + +和FORTRAN 等。其中又包含4 個子組件:HOOPS/3dGS、HOOPS/MVO、HOOPS/GUI、HOOPS/GMB。

5.3 環境搭建

本系統開發語言采用VC + +，首先安裝VS2010，并且安裝升級補丁;安裝DirectX SDK，編譯HOOPS 的庫文件時需要其中相應的頭文件及庫文件;安裝HOOPS 應用程序包，安裝完畢后，就可以編譯安裝目錄下(D:HOOPS －1919_VS_2010)下的hoops_3df_vc10. sln 工程，能后直接查看hoops 的例程代碼與運行效果;無需從PCL 的源碼開始從頭編譯，PCL 的官方網站已經有編譯完成的庫文件，下載并安裝PCL －1.6.0 － AllInOne － msvc2010，將安裝PCL 組件及依賴的程序包，系統會自動設置以下環境變量:

CLASSPATH=C:OpenNIBinorg.OpenNI.jar，OPEN_NI_BIN=C:OpenNIBin，

OPEN_NI_INCLUDE =C:OpenNIInclude，OPEN_NI_INSTALL_PATH=C:OpenNI，OPEN_NI_LIB=C:OpenNILib，

Path=C:OpenNIBin;C:PCL 1.6.0in;C:PCL 1.6.0cmakein，PCL_ROOT=C:PCL 1.6.0;5)

PCL 依賴QT，但是并未包含含在AllInOne 中，所以要下載并安裝Qt_4.8.0_msvc2010;6);如果想編譯并運行PCL 自帶的例程，需要下載并安裝cmake －3.0.0 －win32。至此，開發環境安裝完畢。

5.4 軟件的整體界面及運行效果

系統的主界面包括工程管理、圖形基本操作、集成顯示分析、點云處理等4 大部分。系統運行主界面效果圖如圖6 所示。

圖6 系統運行主界面Fig.6 Main interface of the system

6 結 論

介紹了HOOPS 的可視化技術與其3D 組件，并著重說明了PCL 軟件庫的功能、組成結構及用法，作為底層的建模與點云處理技術，PCL 由于其平臺的開放性，具有較強的通用性，還可以進行更高層級的開發，也可以很好地運用于其他的行業，在點云的后處理中必將發揮不可低估的作用。利用HOOPS 的三維顯示功能、PCL 在點云處理中成熟高效的算法，優勢互補，高效快速地實現了空區點云處理系統，整個系統在設計上具有很強的適用性和擴展性，也為其他類似軟件開發有一定的借鑒作用。三維激光空區點云處理系統集成了點云數據導入、點云三維顯示、點云過濾、剖切和實體建模及高級應用等功能于一體，降低現有點云數據處理過程的復雜程度，減少了處理時間與工作量。有針對性地對空區點云數據進行過濾與優化，能夠快速準確地進行空區的三維建模、可視化與剖切、空區體積計算等，顯示直觀，易于使用，為現場技術人員的決策提供了方便，為空區安全治理與綜合利用提供科學依據于技術支撐，對于促進空區處理的可視化、科學化具有積極的意義。

［1］ 王春毅，王永紅，程秀升. 露天礦境界內地下采空區探測實踐［J］.采礦技術，2008(6):39-40.

Wang Chunyi，Wang Yonghong，Cheng Xiusheng. Underground detection practice of open-pit realm［J］.Mining Technology，2008(6):39-40.

［2］ 馬玉濤，彭 威.采空區三維激光掃描系統C－ALS 及其在安慶銅礦的應用［J］.有色金屬:礦山部分，2013(3):1-3.

Ma Yutao，Peng Wei. Study on cavity-autoscanning laser system(CALS)and its application in Anqing Copper Mine［J］. Nonferrous Metals:Mining Section，2013(3):1-3.

［3］ 任洪文，劉兆富，韓智堯，等. 三維激光掃描技術在測繪采空區中的應用［J］.黃金科學技術，2013(3):64-68.

Ren Hongwen，Liu Zhaofu，Han Zhirao，et al.Application of 3D laser scanning technology in the surveying and mapping goaf［J］. Gold Science and Technology，2013(3):64-68.

［4］ 夏永華，方源敏，孫宏生，等. 三維激光探測技術在采空區測量中的應用與實踐［J］.金屬礦山，2009(2):112-113.

Xia Yonghua，Fang Yuanmin，Sun Hongsheng，et al. Application practice of 3D laser monitoring technology in finished stope survey［J］.Metal Mine，2009(2):112-113.

［5］ 夏永華，方源敏，孫宏生，等.3D 激光探測系統在采空區測量中的精度評價［J］.有色金屬:礦山部分，2009(4):55-58.

Xia Yonghua，Fang Yuanmin，Sun Hongsheng，et al. Accuracy assessment of 3D Laser monitoring system in mined-out area［J］.Nonferrous Metals:Mining Section，2009(4):55-58.

［6］ 王運敏，劉海林，孫國權.CMS 實測地下礦采空區建模及穩定性分析研究［J］.金屬礦山，2009(8):5-9.

Wang Yunmin，Liu Hailin，Sun Guoquan. Modeling and stability analysis of the mined-out area in underground mine by CMS［J］.Metal Mine，2009(8):5-9.

［7］ 劉曉明，羅周全，楊承祥，等. 基于實測的采空區穩定性數值模擬分析［J］.巖土力學，2007(S1):521-526.

Liu Xiaoming，Luo Zhouquan，Yang Chengxiang，et al. Analysis of stability of cavity based on cavity monitoring［J］.Rock and Soil Mechanics，2007(S1):521-526.

［8］ 羅周全，張文芬，許士民.復雜采空區多次探測的點云數據精簡方法［J］.科技導報，2014(20):54-58.

Luo Zhouquan，Zhang Wenfen，Xu Shimin.Multiple detection data's simplification in complicated goafs［J］. Science ＆ Technology Review，2014(20):54-58.

［9］ 樊忠華，許振華，王 進.復雜采空區群精密探測及多軟件耦合建模［J］.金屬礦山，2014(5):138-141.

Fan Zhonghua，Xu Zhenhua，Wang Jin. Precision detection in complex goaf group and couple modeling with multiple softwares［J］.Metal Mine，2014(5):138-141.

［10］ 熊立新，羅周全，羅貞焱，等.深部復雜環境下采空區激光掃描異常點云數據修正［J］.東北大學學報:自然科學版，2014(3):438-442.

Xiong Lixin，Luo Zhouqian，Luo Zhenyan，al. Data amendment of abnormal point cloud of goaf by laser scan in deep complex environment［J］.Journal of Northeastern University:Natural Science，2014(3):438-442.

［11］ 陳 凱，張 達，張元生.采空區三維激光掃描點云數據處理方法［J］.光學學報，2013(8):125-130.

Chen Kai，Zhang Da，Zhang Yuansheng.Point cloud data processing method of cavity 3D laser scanner［J］. Acta Optica Sinica，2013(8):125-130.

［12］ 朱德海.點云庫PCL 學習教程［M］. 北京:北京航空航天大學出版社，2012.

Zhu Dehai.Point Cloud Base PCL Tutorial［M］. Beijing:Beihang University Press，2012.