文章

语义丰富点云

探索颜色和几何属性

2016年5月19日,

代表德尔福特理工大学的第二次学生在第二届 - 而且最终 - 年的地球技术方案硕士，并成为一组十周的地质综合项目。目标是进行一项小但现实世界的研究项目，他们可以在整个地理信息链中获得经验（收购，加工和应用）。

（由Merwin Rook和Stella Psomadaki）

代尔夫特理工大学测绘硕士项目专注于地理信息科学。代尔夫特大学的几何与其他几何课程的不同之处在于它与建筑和建筑环境学院的紧密联系。

在代尔夫特理工大学2015年的测绘综合项目中，五位学生被要求探索直接使用点云的新方法，以充分利用数据。在几何图形旁边，点云数据保存着来自匹配的地面图像的颜色信息，更好地描述了数据采集环境。在点云中通常可获得的其他信息，如强度，由于获取技术的性质而不存在。到目前为止，点云主要用于3D建模，导致很多上下文信息从未被利用。在大多数情况下，上下文数据在项目结束时被丢弃。

从学生的角度来看，增加点云的可用性可以归结为将语义整合到原始的xyz数据。这意味着这些点被丰富了来自其城市环境的意义。通过使数据更具描述性，这些额外的点属性可以极大地增加数据的价值。可以更精确地提取数据的特征和部分内容，然后为更多的应用程序和用户共享和分析数据。这种方法创造了新的可能性，如高分辨率地图创建、水渗透能力分析和其他形式的城市环境研究。

在这个项目中，我们探索了添加语义的不同方法和技术，并通过结合最佳实践创建了一个最佳的工作流。这些最佳实践包括索引、颜色变换、区域增长、区域分类和结果平滑。这个工作流程的重点是地面点，因为建筑周围的街道水平通常在3D模型中被搁置。

标签定义

首先设计将提取道路信息及其周边环境的工作流程需要定义应用程序的相关类。在这种情况下，检查了街道水平的道路提取和材料检测。所使用的相关子类别是：草，道路，循环路径和小径。这些类别代表了人们通常如何解释街道水平。对于更具体的应用（例如，表面渗透能力），在需要材料的组成时，专家将受益于与类沥青，草和瓷砖的分类点云。

数据采集和索引

数据采集是与Cyclomedia合作完成的，使用他们的移动地图绘制器。地图绘制器获取全景图像，用于立体成像过程中创建彩色点云。移动地图在建筑学院周围行驶，获得了93436,125分。

为该项目处理了数据的一部分，并提取了地面点。利用kd-tree对这些点进行索引，进行快速最近邻搜索和几何属性计算。目前，基于点云的目标识别研究主要集中在利用点及其环境的几何特性。然而，对于接地点来说，仅对几何特性进行标记的过程更为复杂，因为通常所有接地点都位于同一平面上。对于像荷兰这样地势平坦的国家来说尤其如此。因此，利用单个点的颜色属性来区分相邻点，并确定哪些点属于同一类。

地区生长和颜色相似性匹配

为了生成具有相似属性的点组，提出了一种区域增长算法。该算法使用预定义的相似阈值，将颜色和几何属性相似的相邻点(法线和曲率)分组。将色彩信息预先转换成不同的色彩空间。颜色空间是一个颜色索引框架，根据颜色在颜色空间中的位置为颜色分配坐标，比如RGB (3D颜色空间)。这种转换是为了使数据更适合空间操作，特别是颜色匹配。在对不同的色彩空间进行实验后，选择了CIELab的色彩空间。