一种用于动态三维场景的激光雷达成像与着色方法

摘要

本发明涉及一种用于动态三维场景的激光雷达成像与着色方法，该方法通过三维场景建模，对目标场景中地形和地物针对性地点云纹理贴图，同时参考场景环境对激光雷达成像的影响，利用透明度测试呈现激光点云的稀疏效果，能够真实地模拟指定激光雷达的关键参数和成像特性，很好地兼顾了激光雷达成像仿真的真实性和实用性，提高了激光雷达成像仿真的实时性和可操作性，为激光雷达成像仿真提供了很好的替代方案；同时基于着色器技术对点云数据应用不同的着色方案，能够实时地凸显特定目标物体，增强操作人员对场景的感知能力。

说明书

技术领域

本发明属于激光雷达场景成像仿真领域，具体涉及一种用于动态 三维场景的激光雷达成像与着色方法。

背景技术

激光雷达成像系统是利用激光对地面目标进行主动成像与距离 测量，通过数据处理产生包含目标场景的三维点云图像。由于该系统 具有全天时工作、抗干扰及抗隐身能力强、图像信息丰富，易于目标 识别等突出优点，已广泛应用于军事侦察、大面积3D地形测绘、机 器人和无人驾驶车辆导航、水下目标探测等技术领域，在其他军事和 民用领域也有着广阔的应用前景。

目前针对激光雷达成像仿真的研究主要是利用计算机仿真，基于 激光雷达成像的基本原理，结合目标表面的空间反射特性，同时借助 图形处理器强大的并行计算能力，从而建立激光雷达场景的动态仿真 模型。但是，这类激光雷达成像仿真方法还存在着诸多问题。第一， 依靠当前的仿真方法要实现激光雷达场景动态成像需对输出图像每 个点进行大量运算，因而处理过程耗时较长，场景的渲染效率低下， 这对计算机平台的性能提出了很高的要求,相应的实验成本也很高。 第二，目前对激光雷达成像仿真技术的研究主要集中在对特定环境下 特定目标的激光三维场景建模，无法实现对不同天气条件下动态目标 场景的激光雷达成像仿真。第三，对于某些特定需求(比如机载激光 雷达仿真)，需要对部分地物的点云数据进行凸显处理以达到场景感 知的目的，这对激光雷达仿真系统的实时性要求很高，而现有方法无 法实现上述要求。

发明内容

本发明的目的是提供一种低成本的用于动态三维场景的激光雷 达成像与着色方法，以实现逼真实时地模拟动态三维场景，能够实时 地凸显特定三维模型，增强操作人员对场景的感知能力。

为实现上述目的，本发明采用的技术方案是：一种用于动态三维 场景的激光雷达成像与着色方法，其特征是：至少包括：

步骤1，构建目标场景，包括三维地形、地物和场景环境；

步骤2，设置激光雷达成像仿真参数，包括位置、探测距离、视 场和分辨率；

步骤3，基于过程纹理技术，通过过程纹理算法生成具有纹理分 辨率、透明度和颜色的点云纹理；

步骤4，使用着色器对模型的第0层纹理和第1层纹理进行纹理 采样43；

步骤5，利用着色算法对点云数据上色；

步骤6，对模型进行透明度测试；

步骤7，经过上述步骤，得到激光雷达的点云效果。

所述的步骤1构建的目标场景中，地物至少包括：建筑、树木、 车辆、道路、电线杆、高压电线塔、桥梁、风车；默认目标场景中所 有三维模型均已按照通行三维场景仿真方法完成建模，且只显示第0 层纹理，其他层次纹理默认不显示；

场景环境至少包括如下环境状态：光照、雨/雪、雾/霾、烟尘、 扬尘/沙尘。

所述的步骤3中纹理分辨率设为2的n次方,与地物自身纹理大 小成正比，根据经验判断地物的大小之后确定相应数值；透明度是整 数，随机产生于[0,255]之间，对应目标的激光雷达强度信息；颜色 对应的RGB三个分量对于所有纹理像素都设为255；然后通过纹理映 射将点云纹理作为第1层纹理映射到三维模型的表面上。

所述的步骤4中外部参数是由激光雷达成像仿真系统向着色器 传递的用于控制着色算法的重要参数，包括实际探测距离、纹理缩放 倍数、着色模式以及高度基准；通过控制场景环境来确定激光雷达的 实际探测距离；根据场景中模型的大小确定纹理缩放倍数，两者关系 成正比；不同的着色模式与着色算法一一对应，用于外部控制当前的 着色方式；高度基准是人为设定的高度参考值，也是静态分层着色算 法的重要参数。

所述的步骤4纹理采样包括：对模型的第0层纹理和第1层纹理 进行纹理像素采样并最终完成透明度测试的过程；采样获取的是对应 纹理像素的四元颜色分量，即R分量、G分量、B分量和透明度分量， 至少包含以下步骤：

步骤431：判断模型相对于视点的距离是否小于激光雷达的实际 探测距离，若是则执行步骤432，否则执行步骤433；

步骤432：判断第0层纹理的透明度分量是否等于0.0，若是则 执行步骤434，否则执行步骤433；

步骤433：输出颜色透明度分量为0.0或1.0；

步骤434：输出颜色透明度分量为第1层纹理的透明度分量。

所述的步骤5中利用着色算法对点云数据上色，从而达到凸显目 标物体的目的，包括了真彩着色算法、伪彩着色算法，这两种算法都 是在着色器中实现的。

所述真彩着色算法是对点云数据使用对应物体的真实纹理颜色， 即纹理采样获取的第0层纹理的像素颜色。

所述伪彩着色算法是根据点云数据的高程值进行着色，包括分层 着色算法和分段着色算法，分层着色算法又分为动态分层着色算法和 静态分层着色算法；

动态分层着色算法是根据当前激光雷达位置与点云数据的高度 差进行着色，而静态分层着色算法是参照指定高度基准对点云数据进 行着色，两者采用相同的颜色梯度，升序颜色依次为：蓝色、绿色、 琥珀色和红色，利用三元颜色分量依次可表示为(0.0,0.0,1.0)、 (0.0,1.0,0.0)、(1.0,0.7,0.1)和(1.0,0.0,0.0)；

分段着色算法是针对高度在30米以上的模型，从模型的最低点 到一定高度区间内分层着色，然后在模型的后续高度重复这一过程进 行着色。此处分层着色采用10个颜色梯度，利用三元颜色分量表示 的升序颜色依次为：(0.0,0.0,1.0)、(0.0,0.5,1.0)、(0.0,1.0,1.0)、 (0.0,1.0,0.5)、(0.0,1.0,0.0)、(1.0,0.5,0.0)、(0.5,1.0,0.0)、 (1.0,1.0,0.0)、(1.0,0.5,0.0)和(1.0,0.0,0.0)。

所述的步骤6，对模型进行透明度测试以显示点云效果；至少包 含以下四个步骤：

步骤61：启动透明度测试；

步骤62：确定透明度参考值；

步骤63：确定测试标准；

步骤64：判断当前激光雷达参数和环境参数是否改变，若是则 重新执行步骤62，否则执行步骤7。

本发明的优点是：针对当前激光雷达成像仿真存在的实验周期 长、处理成本高、效率低以及实时性差等情况，本发明通过三维场景 建模，对目标场景中地形和地物针对性地点云纹理贴图，参考场景环 境对激光雷达成像的影响，利用透明度测试呈现激光点云的稀疏效 果，能够真实地模拟指定激光雷达的关键参数和成像特性，很好地兼 顾了激光雷达成像仿真的真实性和实用性，提高了激光雷达成像仿真 的实时性和可操作性，为激光雷达成像仿真提供了很好的替代方案； 同时基于着色器技术对点云数据应用不同的着色方案，能够实时地凸 显特定三维模型，增强操作人员对场景的感知能力。

以下将结合附图对本发明做进一步详细说明。

附图说明

图1是一种用于动态三维场景的激光雷达成像与着色方法的结 构框图；

图2是着色器纹理采样的流程图；

图3是着色算法的组成；

图4是透明度测试的流程图。

具体实施方式

本实施例对激光雷达成像仿真系统的组成和部分实现过程作详 细说明。

如图1所示，一种用于动态三维场景的激光雷达成像与着色方 法，至少包括：

步骤1，构建目标场景，包括三维地形11、地物12和场景环境 13；

步骤2，根据激光雷达参数设置激光雷达成像仿真参数，包括位 置21、探测距离22、视场23和分辨率24；

步骤3，基于过程纹理技术，通过过程纹理算法生成具有纹理分 辨率31、透明度32和颜色33的点云纹理；

步骤4，使用着色器对模型的第0层纹理和第1层纹理进行纹理 采样43；

步骤5，利用着色算法51对点云数据上色；

步骤6，对模型进行透明度测试；

步骤7，经过上述步骤，得到激光雷达的点云效果。

本发明通过对目标场景中三维地形11和地物12针对性地纹理映 射34，根据定制的激光雷达成像特性和关键参数，同时参考场景环 境13对激光雷达成像的影响，基于着色器技术对点云纹理应用不同 的着色算法51，最后利用步骤6透明度测试呈现激光雷达的点云效 果。

如图1所示，步骤1构建的目标场景中，包括三维地形11、地 物12和场景环境13，地物12至少包括：建筑、树木、车辆、道路、 电线杆、高压电线塔、桥梁、风车；默认目标场景中所有三维模型均 已按照通行三维场景仿真方法完成建模，且只显示第0层纹理，其他 层次纹理默认不显示。

所述的场景环境13至少包括如下环境状态：光照、雨/雪、雾/ 霾、烟尘、扬尘/沙尘；这些环境参数会对激光雷达的实际探测距离 和获取点云数据的密度产生影响。

所述的步骤2中，根据激光雷达参数设置激光雷达成像仿真系统 关键参数，包括位置21、探测距离22、视场23和分辨率24。

所述的步骤3基于过程纹理技术，通过过程纹理算法生成具有纹 理分辨率31、透明度32和颜色33的点云纹理，纹理分辨率31一般 设为2的n次方(如32,64,128,256等),与地物12自身纹理大小 成正比，根据经验判断地物12的大小之后确定相应数值；透明度32 是整数，随机产生于[0,255]之间，对应目标的激光雷达强度信息； 颜色33对应的RGB三个分量对于所有纹理像素都设为255；然后通 过纹理映射34将点云纹理3作为第1层纹理映射到三维模型的表面 上。

所述的步骤4，使用着色器对模型的第0层纹理和第1层纹理进 行纹理采样43；外部参数42是由激光雷达成像仿真系统向着色器传 递的用于控制着色算法51的重要参数，包括实际探测距离、纹理缩 放倍数、着色模式以及高度基准；通过控制场景环境13来确定激光 雷达的实际探测距离；根据场景中模型的大小确定纹理缩放倍数，两 者关系成正比；不同的着色模式与着色算法51一一对应，用于外部 控制当前的着色方式；高度基准是人为设定的高度参考值，也是静态 分层着色算法56的重要参数。

如图2所示，所述的步骤4使用着色器对模型的第0层纹理和第 1层纹理进行纹理采样43并最终完成透明度测试的过程，采样获取 的是对应纹理像素的四元颜色分量，即R分量、G分量、B分量和透 明度分量，至少包含以下步骤：

步骤431：判断模型相对于视点的距离是否小于激光雷达的实际 探测距离，若是则执行432，否则执行433；

步骤432：判断第0层纹理的透明度分量是否等于0.0，若是则 执行434，否则执行433；

步骤433：输出颜色透明度分量为0.0或1.0；

步骤434：输出颜色透明度分量为第1层纹理的透明度分量。

纹理采样43完成之后，通过步骤6透明度测试最终实现激光点 云的稀疏效果。

如图3所示，所述的步骤5中利用着色算法51对点云数据上色， 从而达到凸显目标物体的目的，包括了真彩着色算法52、伪彩着色 算法53，这两种算法都是在着色器中实现的。

所述的真彩着色算法52是对点云数据使用对应物体的真实纹理 颜色，即纹理采样43获取的第0层纹理的像素颜色。

所述的伪彩着色算法53是根据点云数据的高程值进行着色，包 括分层着色算法54和分段着色算法55，分层着色算法54又分为动 态分层着色算法56和静态分层着色算法57；

所述的动态分层着色算法56是根据当前激光雷达位置与点云数 据的高度差进行着色，而静态分层着色算法57是参照指定高度基准 对点云数据进行着色，两者采用相同的颜色梯度，升序颜色依次为： 蓝色、绿色、琥珀色和红色，利用三元颜色分量依次可表示为 (0.0,0.0,1.0)、(0.0,1.0,0.0)、(1.0,0.7,0.1)和(1.0,0.0,0.0)；

所述的分段着色算法55主要针对较高的模型，如铁塔、烟囱等， 从模型的最低点到一定高度区间内分层着色，然后在模型的后续高度 重复这一过程进行着色。此处分层着色采用10个颜色梯度，利用三 元颜色分量表示的升序颜色依次为：(0.0,0.0,1.0)、(0.0,0.5,1.0)、 (0.0,1.0,1.0)、(0.0,1.0,0.5)、(0.0,1.0,0.0)、(1.0,0.5,0.0)、 (0.5,1.0,0.0)、(1.0,1.0,0.0)、(1.0,0.5,0.0)和(1.0,0.0,0.0)。

如图4所示，所述的步骤6对模型进行透明度测试以显示点云效 果；至少包含以下四个步骤：

步骤61：启动透明度测试；

步骤62：确定透明度参考值；

步骤63：确定测试标准；

步骤64：判断当前激光雷达参数和环境参数是否改变，若是则 重新执行步骤62，否则执行步骤7。

由于激光雷达成像仿真系统基于开放图形库(OpenGL)，同时透明 度测试也是OpenGL中的公知方法,此处就以OpenGL中的操作介绍步 骤6。首先，借助函数接口glEnable(GL_ALPHA_TEST)启动透明度测 试；然后，借助函数接口glAlphaFunc(GL_GREATER,0.5)设置初始 测试标准为大于，初始透明度测试参考值为0.5；当前激光雷达参数 和环境参数相对于初始参数发生改变，如初始环境为晴天，当前为雨 雪或者雾天，由于在雨雪雾等天气条件下激光雷达的实际探测距离减 小，点云数据的采集率降低，故通过在步骤62中改变透明度测试参 考值的大小来改变通过测试的纹理像素数量，即强度低于一定数值的 点云数据不会被显示，从而体现点云稀疏感的变化。关于测试标准， 如图2所示，当输出颜色透明度分量为0.0时，在步骤63中测试标 准设为大于；输出颜色透明度分量为1.0，测试标准设为小于等于。 如表1所示，当透明度测试标准为小于等于时，在不同天气条件下 某型激光雷达探测距离和距离分辨率的变化以及相应透明度参考值 的设置情况。

表1

本实施例没有详细叙述的部分属本行业的公知的常用手段，这里 不一一叙述。