摘要：借助激光扫描技术，获取物体不同维度坐标，并获取物品颜色与所得强度数值。在激光扫描帮助下所获得数据，被称之为“点云”
。但是，在激光扫描技术实际应用中，云数据受到机械设备精度与震动等多种因素影响，极易出现噪声与孔洞问题，不仅影响三维点云数据处理能力，更影响实际应用。结合这一问题，在具体工作中，不断完善点云数据系统设计与研发，不断提升系统应用能力，发挥三维点云数据处理作用。
关键词：三维点云；数据处理系统；设计与开发
三维激光扫描技术得到高度关注，被应用于多个行业，其中，主要以测绘、医疗与人工智能为主，并逐渐延伸到多个行业。但是，在实际三维点云应用中，依旧受到诸多因素影响，导致整体系统出现不稳定等因素。为解决这一问题，进一步强化三维点云数据系统应用能力。在本文研究中，重点研究关于三维点云处理数据的基础知识，并借助搜索计算、法线与曲率等多项数据，结合三维点云数据基础与特征，构建点云数据基本框架，并做好系统开发与维护工作，最终提升系统稳定性。
1.三维点云数据系统设计与开发研究背景与意义
科学技术处于不断发展过程中，并为社会大众提供诸多便利，在科技迅速进步背景下，“数字城市与地球”等新兴理念出现[1]。伴随着全新理念提出，大众对数字信息依赖程度逐渐提升。其中，以三维激光扫描技术为主，此项全新技术，不仅能在短时间内获得物体的具体三维坐标，更能获得海量数据，大量数据在短时间内结合到一起，能够应用于测绘、探测以及电力巡线等多种行业中，并付诸多个行业工作开展。在三维激光扫描技术实际应用中，所承载的平台不同，设备测量方式与原理存在一定差异。点云采集设备，主要分为接触式采集与非接触式采集等。其中，接触式测量，虽然，具有较高的精度。但是，所用设备仪器价格相对较高，且效率较低。这些因素，在一定程度上，会限制接触式测量应用。而另一种为非接触测量方式，此种方式具有较高主动性，此种测量方式精度与效率较高，能够得到广泛应用。在实际应用中，此种方式所获得数据量较大，却极易出现密度不均或是排列不规则等问题，从而导致噪声与漏洞出现。因此，在具体工作中，应做好数据处理工作，并对数据进行处理，从而实现滤波去噪、分割分类与曲面重建，进而构建完整可视化平台，提升三维点云数据处理的精度与质量，提升点云数据处理效率。
2.三维点云基础与数据处理方式
2.1 LAS数据格式
在三维点云数据处理过程中，LAS格式[2]出现时间相对较早，于2003年出现，这一概念最早出现在LIDAR点云数据标准格式中，能够处理不同硬件与软件之间的数据交换，并实现数据共享。就当前所用点云LAS格式加以分析，这些格式从1.0、1.1、1.2、2.0共四个版本[3]。这四个版本，主要采用二进制格式，具体结构如下所示：
.png)
LAS数据结构图
其中，在公共文件区域，包含多个字节，能够记录云数据文件的基本信息，并涵盖声明、版本以及变长记录区。在实际数据处理过程中，需要用到这些不同信息，并应用其中记录个数与缩放因子等。在变长记录区，单个变长达到54个字节，并包含用户基本数据与ID。但是，这些数据，在记录中并未得到广泛应用。对于电记录区来说，这一记录区为LAS核心部分，并放置在整个文件的最后部分，在点记录区，能够扫描到不同位置与坐标，并以字节形式，将这些字节进行整理与记录。
2.2 PCD数据格式
在当前的计算机领域，需要应用多种几何图形，并以此为基础，创建不同数据格式。其中，以扫描仪所获得的三维点云为基础，虽然，PCD格式，并不是第一个支持三维点云数据应用文件模式。但是，此项结构文件，能够支持PCL数据库所引用的n为点类型，并对数据进行处理，并不断拓展数据库基本处理能力。对PCD这一格式进行分析，在修订过程中，这些修订文件，需要根据文件头与点数据构成，此类格式相对复杂，需要借助ASCII方式编码，并作用于三维点云处理模式。
3.三维点云数据处理特征与法线、曲率
3.1三维点云数据特征
点云数据处理，作为空间三维物体描述的重要数据源，受到点云数据的无序与离散特征，点云数据处理具有较高复杂性。因此，在点云数据处理之前，应在数据处理前，应构建三维电之间的拓扑关系，并在这一过程中合理应用索引方式，确保快速查询工作顺利开展。在当前的空间数据组织与管理过程中，应做好结构对比工作，并充分研究KD-tree、Octree以及R-tree等结构[4]，在这些结构中，前两种结构应用相对广泛，检索方式更为便捷。借助不规则的模拟方式，能够最大限度维护点云原始形态，并借助进一步点云处理与分析方式，将此种点云处理方式与传统网格点云处理结构进行分析与对比，最终构建灵活度更高、精准度更高网树结构。此种点云数据结构，对电脑硬件要求相对较高。
3.2三维点云数据法线与曲率
对法线与曲率进行分析，上述两项指标为物体表面的重要属性，在当前的计算机图形学与三维视觉等多种领域得到广泛应用。要想求得数据解法，其一，应合理应用某一点周边的邻域点，对点云所涉及数据信息进行直接计算，并在点云基础之上，构建科学曲面模型，以此为点云数学曲面模型基础，借助模型参数，处理多种数据，最终求得某一点法线信息。但是，由于生活中，所采集的点云多为不规律数据，且包含噪音，如果采用常规方式，难以得到物体曲面模型，因此，多借助法线计算方式，计算三维点云数据，并对数据进行处理。
4.三维点云数据处理需求与系统构架
4.1三维点云数据处理需求分析
在三维点云系统构建过程中，应结合实际使用需求。首先，对三维点云数据使用需求进行分析，在激光扫描仪运行过程中，能够将不同物体点云数据输入系统中，并结合实际使用需求，将数据加载呈现。其次，在这一过程中，需要去除点云数据存在的滤波，并对滤波进行分类，使曲面得到重新构建，并为后续系统框架社会升级奠定良好基础。最后，应结合物体点云数量多一级存在噪音等特征，做好点云数据处理系统功能模块设计工作，以此满足点云数据处理基本要求。
4.2三维点云数据系统开发平台
在研究过程中，应用两个开源点，对数据库进行处理。其中，一个开源点支持机载，并借助libLAS 数据库，并应用工业数据点云库，充分发挥libLAS 数据库读写功能，并在这一过程中，结合C++语言库，对数据进行存储。而其中的PCL库，则能发挥跨平台性，支持多种操作系统，也是当前三维点云数据处理技术应用更多的开源库。只有在上述开源库基础之上，合理应用不用数据库与平台，才能实现三维点云数据处理功能，做好基础模块、滤波去噪、分类模块以及曲面重建等多项工作，进而降低是哪位点云数据库应用出现的噪音与不稳定问题，使是三维点云数据处理功能得到合理应用。
结束语：对当前的三维点云数据库应用进行分析，三维点云数据库，不仅具有广泛应用领域，更在其他领域发挥巨大作用。在实际三维点云数据处理过程中，存在诸多问题。因此，在三维点云数据系统框架设计工作中，应结合存在的问题，不断强化三维点云数据处理与系统开发与设计功能。
参考文献：
[1]吴忻怡. 基于双目视觉的三维数字化扫描及点云数据处理技术研究[D].宁夏大学,201(06):88.
[2]邓嘉,侯晨辉,刁婉,刘玉米.基于OpenGL的三维点云数据处理系统的设计与实现[J].信息与电脑(理论版),2017(19):69.
[3]宁江. 激光雷达点云数据处理与三维可视化平台的设计与开发[D].西安电子科技大学,2017(12): 447.
[4]步国超,汪沛.三维树木点云数据处理软件系统设计[J].计算机应用与软件,2016,33(04):68.