High resolution point clouds generated by Light Detection and Ranging (LiDAR) devices have great potential in the field of topography, representing terrain surfaces as numerous spatial points. It is desirable to analyse such point clouds, for instance in order to determine Line-of-Sight (LoS) between two locations in recorded areas, but point clouds can be so large that they are difficult to make effective use of without first turning the data into a more organised format. If LiDAR readings could be organised as quickly as they are generated, anyone or anything with access to a LiDAR device could collect and analyse point clouds in real-time. This thesis uses octrees to quickly index data points one by one, for the purpose of allowing a hypothetical real-time LoS application to exploit large point clouds. By letting the domain of the octree expand and shrink as needed to follow the most recent set of input, memory usage remains manageable, access speed stays fast, while the most relevant information is kept. This solution does not quite meet the real-time targets but works for the most part as performance does not degrade over time, thanks to the shrinking operations that reduce the depth of the octree. However, special attention must be given to memory management to avoid severe drops in performance during these same shrinking operations. A few concerns are also presented about how well the representation corresponds to reality. With some additional adjustments, features and optimisation, this approach could probably accomplish the set real-time targets.

Punktmoln med hög upplösning genererade av Light Detection and Ranging (LiDAR)-enheter har stor potential inom topografi vilka representerar ytor av terräng som många punkter en rymd. Det är önskvärt att analysera sådana punktmoln, bland annat för att beräkna siktlinjer mellan två platser i avlästa områden, men punktmoln kan vara såpass stora att de är svåra att utnyttja effektivt utan att först omvandla sådan data till ett mer organiserat format. Om LiDAR-data kunde organiseras lika fort som det genereras, skulle allt och alla med tillgång till en LiDAR-enhet kunna samla och analysera punktmoln i realtid. Denna tes använder okträd för att snabbt indexera datapunkter en efter en, med avsikt att tillåta en hypotetisk siktlinjeapplikation att i realtid utnyttja stora punktmoln. Genom att låta okträdets domän expandera och krympa efter behov, för att följa den senaste uppsättningen av indata, hålls minnesanvändning hanterbart och tillgångshastighet förblir snabb medan den mest relevanta informationen behålls. Denna lösning uppnår knappt realtidsmålen men fungerar annars för det mesta då prestanda inte försämras över tiden, tack vare förkrympningsoperationerna som reducerar okträdets djup. Däremot kräver minneshantering särskild uppmärksamhet för att undvika drastiska prestandaproblem under förkrympningsoperationerna. Ett antal bekymmer presenteras angående hur pass väl representationerna motsvarar verkligheten. Trots detta är det sannolikt att målen kan uppnås givet ett par extra funktioner, optimeringar och justeringar.