AI 助理
备案控制台
文档
输入文档关键字查找
首页 云原生数据库 PolarDB 云原生数据库PolarDB PostgreSQL版（兼容Oracle） 时空引擎（GanosBase） 快速入门 点云模型

点云模型

更新时间：
产品详情
我的收藏

本文介绍了点云模型的用途、基本构成和快速入门等内容。

模型用途

简介

点云模型通常是由 3D 激光扫描仪扫描相关实体并以点的形式输出的记录，每一个点包含有三维坐标，有些可能含有颜色信息（RGB）或反射强度信息（Intensity），点云数据含有空间坐标信息，且具有数量众多、属性维度复杂的特点。

Ganos PointCloud是对象关系型数据库PostgreSQL兼容版本（PolarDB PostgreSQL版（兼容Oracle））的一个时空引擎扩展，使上述数据库能够有效快速存储管理点云数据，并提供点云数据压缩、解压缩、属性统计等功能，同时联合Ganos其它模块提供点云空间分析的能力。

功能概述

Ganos PointCloud主要提供PcPoint与PcPatch两种数据类型，PcPoint是点云的基本对象，它可以支持点云数据导入与导出、点云数据元数据查询、点云数据空间查询等能力；PcPatch是点云的集合对象，它可以支持点云数据打包、点云数据包压缩与解压缩、点云数据包元数据查询、点云数据包过滤等能力。

主要业务场景

Ganos PointCloud的常见使用场景有以下几个：

  • 三维建模和可视化

    Ganos PointCloud可以用于存储和处理三维扫描数据，通过点云数据进行三维建模和可视化。这对于建筑设计、城市规划、文物保护等领域非常有用。

  • 机器人和自动驾驶

    Ganos PointCloud可以用于处理机器人和自动驾驶系统中的三维感知数据。通过点云数据，可以实现环境感知、障碍物检测、路径规划等功能。

  • 工业测量和质量控制

    在工业领域，Ganos PointCloud可以用于处理三维测量数据，例如通过激光扫描仪获取的产品表面形状数据。这些数据可以用于质量控制、产品设计和制造过程优化等。

基本构成

点云格式表

原始点云数据可能有若干维度值，不同值也可能有不同的精度。Ganos Pointcloud使用与PDAL一致的Schema Document（以下简称概要文档）来描述每个点包含的维度，每个维度的数据类型等元数据。

概要文档与对应的PCID一同存储于数据库的pointcloud_formats表内。

点云对象

用户可以用PcPoint类型或PcPatch类型在点云表中存储点云数据。

  • PcPoint是基本的点云对象，最少具有X/Y坐标两个维度，还可能有更多维度。

    一个PcPoint对象的JSON表达如下：

    {
  "pcid": 1,
  "pt": [0.01, 0.02, 0.03, 4]
}

    其中：

    • PCID：指向pointcloud_formats 表的外键。

    • pt：点云的具体信息，遵照PCID指向的概要文档中所描述的格式。

  • PcPatch是一系列互相靠近的PcPoint的集合。这样可以减少数据库内记录的行数。

    一个PcPatch对象的JSON 表达如下：

    {
  "pcid": 1,
  "pts": [
    [0.02, 0.03, 0.05, 6],
    [0.02, 0.03, 0.05, 8]
  ]
}

类型的选择与实际业务用途相关：

  • 如果需要处理的粒度总是单个点的信息，可以选择PcPoint。

  • 如果要对大量的点云数据做高效的查询和操作，则可以选择PcPatch。

空间参考

空间参考系（Spatial Reference System，以下简称为SRS ）定义了如何将PointCloud对象关联到地球表面上某个具体位置。

Ganos使用一个整数来表示SRS的定义引用，称为SRID。PointCloud对象通过其自身的SRID值与SRS关联。

更多内容请参见空间参考。

数据列视图

在Ganos PointCloud中，也存在类似于几何模型中几何列视图的点云列视图。

列名

类型

说明

schema

varchar(256)

该表所在的schema。

table

varchar(63)

该表的表名。

column

varchar(63)

该表中某个点云列的列名。

pcid

integer

点云列对应的概要文档的ID，是引用到pointcloud_formats表的外键。

srid

integer

点云列SRID，是引用到spatial_ref_sys表的外键。

type

varchar(30)

PcPoint或PcPatch 。

可以通过如下语句查询当前数据库中全部几何数据列：

SELECT * FROM pointcloud_columns;

数据压缩

点云数据往往具有相当大的数据量。在Ganos PointCloud中，支持在概要文档的定义中添加如下声明，指定数据压缩方式：

<pc:metadata>
  <Metadata name="compression">压缩方式</Metadata>
</pc:metadata>

目前，压缩方式支持以下种类：

  • None：默认值。按概要文档中定义的类型和格式存储PcPoint和PcPatch字节数组，不进行压缩处理。

  • Dimensional：仅对于PcPatch有意义。将PcPacth中按行存储变为按维度列存储，并启用适当的压缩方案。

  • 游程编码压缩：适用于低边异性的维度。

  • 公共位去除：适用于数值仅在很窄范围内变化的维度。

  • 使用zlib进行deflate压缩：不适用其他压缩时的默认方案。

  • LAZ/LASZip：LiDAR数据标准压缩方式。

Dimensional压缩

对于一个拥四个维度、六个点的PcPatch数据：

{
  "pcid": 1,
  "pts": [
    [-126.99, 45.01, 1, 0],
    [-126.98, 45.02, 2, 0],
    [-126.97, 45.03, 3, 0],
    [-126.96, 45.04, 4, 0],
    [-126.95, 45.05, 5, 0],
    [-126.94, 45.06, 6, 0]
  ]
}

启用Dimensional压缩后，该PcPacth理论上等效于：

{
  "pcid": 1,
  "dims": [
    [-126.99, -126.98, -126.97, -126.96, -126.95, -126.94],
    [45.01, 45.02, 45.03, 45.04, 45.05, 45.06],
    [1, 2, 3, 4, 5, 6],
    [0, 0, 0, 0, 0, 0]
  ]
}

对于较为均匀的小体积PcPatch对象来说，Dimensiona压缩的效率在3：1到 5：1之间。

快速入门

简介

快速入门文档帮助用户快速理解Ganos PointCloud引擎的基本用法，包括扩展创建、定义点云schema、建表、插入数据、属性计算等内容。

语法说明

  • 创建扩展。

    CREATE extension ganos_pointcloud cascade;
CREATE extension ganos_pointcloud_geometry cascade;
    说明

    建议将扩展安装在public模式下，避免权限问题。

    CREATE extension ganos_pointcloud WITH schema public;
CREATE extension ganos_pointcloud_geometry WITH schema public;

  • 定义点云schema。

    表pointcloud_formats默认已经创建好，往表中插入xml格式的schema，schema定义了点云的属性维度，以及每个维度的数据大小、类型、名称以及解释说明。

    INSERT INTO pointcloud_formats (pcid, srid, schema) VALUES (1, 4326,
'<?xml version="1.0" encoding="UTF-8"?>
<pc:PointCloudSchema xmlns:pc="http://pointcloud.org/schemas/PC/1.1"
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
  <pc:dimension>
    <pc:position>1</pc:position>
    <pc:size>4</pc:size>
    <pc:description>X coordinate as a long integer. You must use the
                    scale and offset information of the header to
                    determine the double value.</pc:description>
    <pc:name>X</pc:name>
    <pc:interpretation>int32_t</pc:interpretation>
    <pc:scale>0.01</pc:scale>
  </pc:dimension>
  <pc:dimension>
    <pc:position>2</pc:position>
    <pc:size>4</pc:size>
    <pc:description>Y coordinate as a long integer. You must use the
                    scale and offset information of the header to
                    determine the double value.</pc:description>
    <pc:name>Y</pc:name>
    <pc:interpretation>int32_t</pc:interpretation>
    <pc:scale>0.01</pc:scale>
  </pc:dimension>
  <pc:dimension>
    <pc:position>3</pc:position>
    <pc:size>4</pc:size>
    <pc:description>Z coordinate as a long integer. You must use the
                    scale and offset information of the header to
                    determine the double value.</pc:description>
    <pc:name>Z</pc:name>
    <pc:interpretation>int32_t</pc:interpretation>
    <pc:scale>0.01</pc:scale>
  </pc:dimension>
  <pc:dimension>
    <pc:position>4</pc:position>
    <pc:size>2</pc:size>
    <pc:description>The intensity value is the integer representation
                    of the pulse return magnitude. This value is optional
                    and system specific. However, it should always be
                    included if available.</pc:description>
    <pc:name>Intensity</pc:name>
    <pc:interpretation>uint16_t</pc:interpretation>
    <pc:scale>1</pc:scale>
  </pc:dimension>
  <pc:metadata>
    <Metadata name="compression">dimensional</Metadata>
  </pc:metadata>
</pc:PointCloudSchema>');

  • 点云数据类型。

    --点类型 pcpoint
CREATE type pcpoint(...);
点的维度信息由schema定义.
点类型数据只能一个点一行记录存储。
例如：ST_MakePoint(1, ARRAY[2,3,4,0.5])返回的就是一个pcpoint对象
--点集类型 pcpatch
CREATE type pcpatch(...);
点集由一系列的点组合而成，支持压缩，压缩方式由schema中的“compression”决定.
点集类型优势是可将一系列点集成压缩后存储为一行记录，减少存储空间，同时支持空间检索。

  • 创建点云表。

    -- A table of points
CREATE TABLE points (
    id SERIAL PRIMARY KEY,
    pt PCPOINT(1)     --(1)代表选择pointcloud_formats中pcid值为1的schema
);
-- A table of patches
CREATE TABLE patches (
    id SERIAL PRIMARY KEY,
    pa PCPATCH(1)
);

  • 插入pcpoint数据。

    INSERT INTO points (pt)
SELECT ST_MakePoint(1, ARRAY[x,y,z,intensity])
FROM (
  SELECT
  -127+a/100.0 AS x,
    45+a/100.0 AS y,
         1.0*a AS z,
          a/10 AS intensity
  FROM generate_series(1,100) AS a
) AS values;
SELECT ST_MakePoint(1, ARRAY[-127, 45, 124.0, 4.0]);
-------------------------
010100000064CEFFFF94110000703000000400
SELECT ST_AsText('010100000064CEFFFF94110000703000000400'::pcpoint);
-------------------------
{"pcid":1,"pt":[-127,45,124,4]}

  • 插入pcpatch数据。

    INSERT INTO patches (pa)
SELECT ST_Patch(pt) FROM points GROUP BY id/10;
SELECT ST_AsText(ST_MakePatch(1, ARRAY[-126.99,45.01,1,0, -126.98,45.02,2,0, -126.97,45.03,3,0]));
-------------------------
{"pcid":1,"pts":[
 [-126.99,45.01,1,0],[-126.98,45.02,2,0],[-126.97,45.03,3,0]
]}

  • pcpatch属性平均值计算。

    SELECT ST_AsText(ST_PatchAvg(pa)) FROM patches WHERE id = 7;
-------------------------
{"pcid":1,"pt":[-126.46,45.54,54.5,5]}

  • 删除扩展（可选）。

    DROP extension ganos_pointcloud_geometry;
DROP extension ganos_pointcloud cascade;

SQL参考

详细SQL手册请参见PointCloud SQL参考。

上一篇：路径模型下一篇：轨迹模型
文档推荐