基于Oracle SDO_PC的點云數(shù)據(jù)存儲管理技術(shù)的應(yīng)用研究

引文格式： 尚曉娟，姜福泉，張帆,等. 基于OracleSDO_PC的點云數(shù)據(jù)存儲管理技術(shù)的應(yīng)用研究[J].測繪通報，2015(4)：57-60.DOI:10.13474/j.cnki.11-2246.2014.0502

基于OracleSDO_PC的點云數(shù)據(jù)存儲管理技術(shù)的應(yīng)用研究

尚曉娟1，姜福泉2，張帆1，黃先鋒1

(1. 武漢大學(xué)測繪遙感信息工程國家重點實驗室，湖北 武漢 430079；

2. 中國地質(zhì)大學(xué)(武漢)信息工程學(xué)院，湖北 武漢 430074)

ApplicationResearchonPointCloudDataMemoryManagementTechnique

BasedonOracleSDO_PC

SHANGXiaojuan，JIANGFuquan，ZHANGFan，HUANGXianfeng

摘要：基于Oracle SDO_PC的存儲模型和功能結(jié)構(gòu)研究點云的數(shù)據(jù)庫導(dǎo)入、存儲、檢索等操作，并針對不同的點云數(shù)據(jù)量、點云類型、存儲分塊大小，以及多用戶并發(fā)情況，分別進行點云數(shù)據(jù)存儲和檢索效率的試驗對比。試驗結(jié)果表明，SDO_PC模型可以勝任不同類型點云數(shù)據(jù)的存儲、檢索工作，并具有良好的數(shù)據(jù)存儲可擴展能力和高效的多用戶并發(fā)處理能力。本研究可為后續(xù)海量點云數(shù)據(jù)存儲管理及應(yīng)用、服務(wù)提供有價值的參考。

關(guān)鍵詞：SDO_PC；點云數(shù)據(jù)；存儲；檢索；多用戶并發(fā)

中圖分類號：P208

收稿日期：2014-02-25

基金項目：973計劃(2011CB707001)；國家自然科學(xué)基金(41071291；41001308)；Oracle空間數(shù)據(jù)庫新技術(shù)研究；國家科技支撐計劃(2012BAH43F00)

作者簡介：尚曉娟(1988—)，女，碩士生，主要研究方向為攝影測量、激光掃描數(shù)據(jù)分析處理等。E-mail：shangxiaojuan@whu.edu.cn

一、引言

近十幾年來，激光掃描點云數(shù)據(jù)作為一種描述空間對象的重要數(shù)據(jù)源，已經(jīng)受到國內(nèi)外學(xué)者和工業(yè)應(yīng)用的廣泛關(guān)注，并在三維建模、文物修復(fù)、地物提取等方面得到廣泛應(yīng)用[1-2]。然而，激光掃描點云數(shù)據(jù)的“海量性”給點云數(shù)據(jù)的后處理帶來很大困難，已經(jīng)成為限制點云在存儲、管理、查詢、分析、可視化等多方面應(yīng)用的瓶頸。

目前，點云數(shù)據(jù)的組織與管理多采用文件形式的數(shù)據(jù)管理方案，但文件管理點云數(shù)據(jù)的方法尚存在許多不足之處，如信息共享不便、安全級別較低、并發(fā)訪問難等。OracleSpatial作為領(lǐng)先的空間數(shù)據(jù)庫管理平臺，在管理空間數(shù)據(jù)方面具有保證數(shù)據(jù)的完整性、可恢復(fù)性和安全性等基本特性。OracleSpatial從11g開始推出了專門用于點云數(shù)據(jù)組織與管理的SDO_PC數(shù)據(jù)類型，針對點云數(shù)據(jù)的特點擴展了存儲對象創(chuàng)建、查詢、可視化等多方面的功能[3]。

本文針對SDO_PC的存儲模型和功能結(jié)構(gòu)，研究了Oracle數(shù)據(jù)庫的點云數(shù)據(jù)導(dǎo)入、創(chuàng)建存儲對象和檢索點云數(shù)據(jù)的操作。為了測試SDO_PC在點云數(shù)據(jù)存儲管理方面的性能，本文分別設(shè)計了在不同數(shù)據(jù)量的點云數(shù)據(jù)、不同類型的點云、存儲過程中不同的分塊，以及多用戶并發(fā)等不同情況下，進行點云數(shù)據(jù)存儲和檢索的效率測試試驗。從而驗證Oracle的SDO_PC技術(shù)在點云數(shù)據(jù)管理方面的性能，為日益廣泛開展與海量點云數(shù)據(jù)管理、處理有關(guān)的工程應(yīng)用和科研提供實驗參考。

二、SDO_PC簡介

SDO_PC是Oracle數(shù)據(jù)庫的一種對象關(guān)系數(shù)據(jù)模型，是存取管理點云數(shù)據(jù)信息的基礎(chǔ)，提供了存取、索引、查詢、分析點云數(shù)據(jù)的能力，同時提供了并發(fā)訪問和安全控制等機制，并將相關(guān)函數(shù)集成在一起[4]。

1.SDO_PC點云數(shù)據(jù)存儲模型

圖1顯示了在Oracle中使用SDO_PC類型表示點云的存儲體系結(jié)構(gòu)?；砭哂袛?shù)據(jù)類型為SDO_PC的列，這個列存儲與點云相關(guān)的元數(shù)據(jù)。點云被分成多個子集，并存儲為塊表的多行。塊表同時記錄了分塊的其他屬性，如分塊的范圍、分塊中點的數(shù)目、分塊點云的分辨率范圍等。塊表中的每個分塊都唯一關(guān)聯(lián)到一個pc元數(shù)據(jù)對象上，同時每個pc對象記錄了對應(yīng)塊表的屬性信息，如塊表名稱、塊表的范圍、分塊的大小等。

點云數(shù)據(jù)采用上述存儲模型具有如下優(yōu)點：①存儲點云的數(shù)據(jù)量沒有上限，因為表的行數(shù)沒有限制；②通過指定窗口或指定塊(BLK_ID)有效選擇點云的子集；③支持刪除或更新指定范圍的點云數(shù)據(jù)。

圖1　Oracle 中點云的可伸縮存儲框架

2.SDO_PC相關(guān)功能介紹

OracleSpatial為實現(xiàn)快速、高效地存取、分析空間數(shù)據(jù)而將相關(guān)功能函數(shù)及其過程完全集成在數(shù)據(jù)庫服務(wù)器內(nèi)，并為數(shù)據(jù)庫管理系統(tǒng)管理空間數(shù)據(jù)提供了完全開放的體系結(jié)構(gòu)[5]。用戶通過SQL定義和操縱空間數(shù)據(jù)，可以訪問對象關(guān)系數(shù)據(jù)模型的存取、檢索、分析等功能。表1 為集成在Oracle數(shù)據(jù)庫內(nèi)部的SDO_PC相關(guān)功能。

表1　 SDO_PC_PKG

三、Oracle數(shù)據(jù)庫中點云數(shù)據(jù)的關(guān)鍵操作

1. 點云數(shù)據(jù)的數(shù)據(jù)庫導(dǎo)入

LAS文件為存儲點云數(shù)據(jù)的常用數(shù)據(jù)格式。目前有兩種方法可以實現(xiàn)點云數(shù)據(jù)LAS文件的Oracle數(shù)據(jù)庫導(dǎo)入，分別是libLAS[6]和PDAL[7]。

筆者仿照libLAS的LAS文件讀取方式讀取點云數(shù)據(jù)，使用OCCI[8]接口將點云數(shù)據(jù)插入到Oracle數(shù)據(jù)庫中，根據(jù)要存儲的點云屬性創(chuàng)建Inputtable來存儲點云坐標和屬性信息。LAS文件導(dǎo)入為Oracle數(shù)據(jù)庫表結(jié)構(gòu)如圖2所示。

圖2　LAS文件導(dǎo)入為Oracle數(shù)據(jù)庫示意圖

2. 創(chuàng)建SDO_PC存儲對象

在Oracle數(shù)據(jù)庫中，創(chuàng)建SDO_PC存儲對象的實質(zhì)是基于點云數(shù)據(jù)構(gòu)建R-tree索引[9]。導(dǎo)入到輸入表(InpTable)的點云數(shù)據(jù)最終按照R-tree索引的原理被分塊存儲到塊表的多行。Oracle數(shù)據(jù)庫基于點云數(shù)據(jù)構(gòu)建R-tree索引的程序被集成在Oracle數(shù)據(jù)庫服務(wù)器的SDO_PC_PKG.INIT函數(shù)和SDO_PC_PKG.CREATE_PC函數(shù)中。

3. 點云數(shù)據(jù)的檢索

Oracle數(shù)據(jù)庫提供了兩種檢索點云數(shù)據(jù)的方法，窗口查詢和基于分辨率的查詢[10]。兩者相比而言，窗口查詢的檢索結(jié)果更加精準。筆者主要針對窗口查詢進行了試驗。查詢過程包括兩個階段：①檢索與所給窗口范圍相交的候選分塊；②檢索候選分塊中與檢索窗口范圍相交的所有點。該過程被集成在Oracle數(shù)據(jù)庫服務(wù)器的SDO_PC_PKG.CLIP_PC函數(shù)中。

四、試驗測試及分析

為驗證OracleSDO_PC的點云數(shù)據(jù)存儲、檢索、多用戶并發(fā)等功能的可行性，筆者進行了大量的測試試驗。試驗硬件環(huán)境：2個Intel至強3.2GHz處理器，8GB內(nèi)存，1TB硬盤，NTFS分區(qū)。軟件環(huán)境：64位Windows7操作系統(tǒng)，VC++2010編輯器，Oracle11gR2。

試驗數(shù)據(jù)來源于敦煌973數(shù)字文化遺產(chǎn)項目的機載掃描數(shù)據(jù)。掃描區(qū)域大致位于北緯40.04°、東經(jīng)94.81°的敦煌莫高窟附近的沙漠區(qū)域，數(shù)據(jù)采集的儀器為LeicaALS50Ⅱ，點云數(shù)據(jù)格式為LAS1.0，點云數(shù)據(jù)的點間距為0.4m，數(shù)據(jù)量為347GB。

1. 基于SDO_PC的點云數(shù)據(jù)存儲與檢索

為驗證Oracle數(shù)據(jù)庫對點云數(shù)據(jù)存儲的可擴展性，試驗挑選了同一測區(qū)6組不同數(shù)據(jù)量的點云數(shù)據(jù)，從100萬到3700萬不等。將其逐個導(dǎo)入到數(shù)據(jù)庫中，并記錄存儲時間。6組數(shù)據(jù)導(dǎo)入完成后，利用窗口查詢進行檢索試驗，并記錄檢索與存儲范圍同樣大小的檢索時間，用吞吐量衡量所用服務(wù)器的I/O效率。試驗結(jié)果見表2。

表2　點云數(shù)據(jù)的存儲和檢索時間

從表2可以看出，Oracle數(shù)據(jù)庫可以實現(xiàn)點云數(shù)據(jù)的導(dǎo)入，并表現(xiàn)出存儲點云數(shù)據(jù)的可擴展性。另外，隨著點云數(shù)據(jù)量的增多，點云的存儲時間和檢索時間都在增大，但是檢索時間卻遠遠小于存儲時間，這種情況同樣體現(xiàn)在點云存儲和查詢的服務(wù)器I/O效率上，點云存儲I/O效率是1.3～1.4萬點/s，點云查詢的I/O效率在25萬點/s左右。原因在于基于點云數(shù)據(jù)構(gòu)建R-tree索引的過程遠遠復(fù)雜于R-tree的檢索過程，并且數(shù)據(jù)量越大，R-tree索引的構(gòu)建就越復(fù)雜。但是正由于R-tree索引的建立，才大大提高了點云數(shù)據(jù)的檢索效率，方便了點云數(shù)據(jù)的后續(xù)處理。

2. 點云類型不同對數(shù)據(jù)存儲和檢索的影響

為測試點云類型不同對Oracle的點云數(shù)據(jù)存儲和檢索的影響，本文選了3組不同類型的點云數(shù)據(jù)進行存儲和檢索試驗。試驗數(shù)據(jù)情況和試驗結(jié)果見表3。

表3　不同類型點云數(shù)據(jù)的 Oracle存儲和檢索

從表3可以看出，Oracle對不同類型的點云都可以實現(xiàn)無差別的存儲和檢索功能，而影響存儲和檢索效率的主要因素在于點云的密度，也即表3中所列的點間距。點間距越大，密度越小，點云分布越稀疏，創(chuàng)建R-tree索引的時間就越短。機載點云和地面點云相比，點云的數(shù)據(jù)量相差不大，但是由于機載點云的點間距遠大于地面點云，因此即使在機載點云數(shù)據(jù)量大的情況下，機載點云的存儲時間較短，檢索時間也較短。地面點云和車載點云相比，有相同的點間距，車載點云比地面點云的數(shù)據(jù)量大，相應(yīng)地，存儲時間較長，檢索時間也較長。因而，Oracle對點云數(shù)據(jù)的存儲和檢索不受點云類型不同的影響，同樣數(shù)據(jù)量的點云數(shù)據(jù)的存儲和檢索效率與點云的分布密度成反比，密度越大則效率越低，反之則越高。

3. 分塊大小對點云數(shù)據(jù)存儲與檢索的影響

blk_capacity是決定SDO_PC存儲對象分塊大小的一個關(guān)鍵參數(shù)，在函數(shù)SDO_PC_PKG.INIT的ptn_params參數(shù)中設(shè)置，一般設(shè)置如 "blk_capacity=100"。下面通過試驗來分析blk_capacity取值不同對創(chuàng)建SDO_PC存儲對象和窗口查詢的影響。試驗選用了數(shù)據(jù)量為12571243的LAS點云數(shù)據(jù)，進行了4組試驗，分別給blk_capacity取值5000、10000、50000和100000(Oracle數(shù)據(jù)庫中限制該參數(shù)上限為十萬)。為了確保試驗中blk_capacity為唯一變量，選用該組數(shù)據(jù)進行重復(fù)試驗。在blk_capacity取值不同的情況下，每次導(dǎo)入該組數(shù)據(jù)后及時記錄存儲時間，然后用同樣大小的窗口去查詢點云數(shù)據(jù)并記錄檢索時間，最后刪除所導(dǎo)入的數(shù)據(jù)進行下組試驗。為避免緩存影響試驗的真實性，每次試驗前都清理緩存。試驗結(jié)果如圖3所示。

圖3　blk_capacity取值不同對創(chuàng)建SDO_PC存儲對象和窗口查詢的影響

由圖3可知，分塊越小，創(chuàng)建SDO_PC存儲對象的時間就越長。說明分塊越小，對于同樣數(shù)據(jù)量的點云數(shù)據(jù)，R-tree的結(jié)點越多，層級越深，插入就越復(fù)雜。對于查詢而言，查詢的時間隨著分塊的增大先減小后增大。這是由于在分塊大的情況下，雖然可以通過R-tree索引很快找到相關(guān)的候選分塊，但是由于分塊過大，當(dāng)查找窗口邊緣分塊中包含在窗口中的點時，花費的時間就會增長。不過，在分塊太小的情況下，R-tree層級增加，導(dǎo)致查詢變慢，同時需要更多的塊內(nèi)檢索操作，導(dǎo)致時間變長。因此，為了均衡點云數(shù)據(jù)存儲和檢索的效率，應(yīng)該結(jié)合點云的數(shù)據(jù)量為分塊大小選擇合理的取值，該值的選擇由多次導(dǎo)入、檢索的經(jīng)驗所得，目前無法準確給出參考標準。

4. 多用戶并發(fā)在點云窗口查詢方面的應(yīng)用

Oracle數(shù)據(jù)庫內(nèi)部提供并發(fā)處理的功能。為了測試Oracle數(shù)據(jù)庫在點云數(shù)據(jù)方面的并發(fā)性能，筆者進行了點云數(shù)據(jù)多用戶并發(fā)窗口查詢的試驗。試驗選取了兩個相鄰條帶的機載激光LAS點云數(shù)據(jù)，數(shù)據(jù)量分別為46526014和46515286，重疊率為50%。為了保證試驗結(jié)果不受緩存的影響，每個多用戶試驗前都清理緩存。

試驗過程描述如下：單用戶窗口查詢的范圍是兩個條帶數(shù)據(jù)的整體范圍；2個用戶的窗口查詢范圍是將單用戶窗口范圍平分；4個用戶的窗口查詢范圍則將單用戶窗口范圍4等份；8用戶、16用戶、32用戶則依次類推。每個窗口查詢的過程由一個BAT文件編寫完成，并發(fā)的試驗由BAT文件同時運行實現(xiàn)，同時運行的BAT文件的個數(shù)就相當(dāng)于多用戶并發(fā)的個數(shù)。試驗結(jié)果用吞吐量來評價，見表4。

表4　點云窗口查詢多用戶并發(fā)

由表4可以得到，隨著并發(fā)數(shù)的增多，吞吐量逐漸增大，但是當(dāng)吞吐量達到某個值時，即使并發(fā)數(shù)仍在增加，吞吐量也只在該值附近上下浮動。這個值的大小與CPU的配置有關(guān)。在高配的CPU情況下，能得到更好的結(jié)果?？偠灾诓l(fā)的用戶量增多的情況下，CPU的使用效率變高，計算機的吞吐量增大。

五、結(jié)束語

針對OracleSDO_PC在組織管理點云數(shù)據(jù)方面的優(yōu)勢，本文進行了大量的測試對比試驗。試驗表明，OracleSDO_PC數(shù)據(jù)類型的使用，為存儲大點集云數(shù)據(jù)提供了一個可伸縮的平臺，很好地解決了大點集云數(shù)據(jù)存儲查詢問題，并具有多用戶并發(fā)處理的功能，可以成為海量點云存儲管理的工具。不過，由于基于大點集云數(shù)據(jù)構(gòu)建R-tree空間索引的復(fù)雜性，導(dǎo)致Oracle數(shù)據(jù)庫的點云數(shù)據(jù)組織的效率有待提高。另外，本文的研究為海量點云數(shù)據(jù)的后處理、分析及應(yīng)用提供了有價值的參考。

參考文獻：

[1]黃先鋒.機載LiDAR點云數(shù)據(jù)的建筑物重建研究[D].武漢:武漢大學(xué),2006.

[2]張帆, 黃先鋒, 李德仁. 激光掃描與光學(xué)影像數(shù)據(jù)配準的研究進展[J]. 測繪通報, 2008(2): 7-10.

[3]ABRAMSONI.OracleDatabase11g:ABeginner’sGuide[M].[S.l.]:OraclePress, 2009.

[4]GODFRINDA.Oracle’sPointCloudDatatype[EB/OL].2011-11-04.http:∥www.ncg.knaw.nl/Studiedagen/09PointClouds/presentations/PointCloud_14_AlbertGodfrind.pdf.

[5]王云帆.OracleSpatial空間數(shù)據(jù)存儲管理技術(shù)的應(yīng)用研究[J]. 測繪通報, 2011(6)：76-79.

[6]BUTLERH,LOSKOTM,VACHONP,etal.LibLAS:ASPRSLASLiDARDataToolkit[EB/OL].2011-02-15.http:∥www.liblas.org/.

Abstract[7]HOWARD B, MICHAEL G. PDAL-Point Data ion Library [EB/OL].2013-12-31. http:∥www.pointcloud.org/.

[8]LEYDERMANR.OracleC++CallInterfaceProgrammer’sGuide[M].[S.l.]:OraclePress, 2005.

[9]GONGJ,ZHUQ,ZHONGR,etal.AnEfficientPointCloudManagementMethodBasedona3DR-Tree[J].PhotogrammetricEngineeringandRemoteSensing, 2012, 78(4): 373-381.

[10]RAVADAS,HORHAMMERM,BARISMK.PointCloud:Storage,Loading,andVisualization[EB/OL].[2014-02-25].http:∥www.cigi.illinois.edu/cybergis/docs/Kazar_Position_Paper.pdf.