Analyse und Visualisierung von massiven, semantisch klassifizierten 3D-Punktwolken. Jürgen Döllner Hasso-Plattner-Institut Universität Potsdam

Transkript

1 Analyse und Visualisierung von massiven, semantisch klassifizierten 3D-Punktwolken Jürgen Döllner Hasso-Plattner-Institut Universität Potsdam

2 I 3D-Punktwolken II Semantik-Ableitung III Semantik-Nutzung IV Ausblick

3 3D-Punktwolken Definition: 3D-Punktwolke Ungeordnete, räumlich ungleichmässig verteilte, unattributierte Menge von 3D-Punkten. Metadaten: Zeitpunkt der Erfassung, Erfassungstechnologie, Intensität, Präzision, Farbe, u.a. Leica Geosystems

4 Massive 3D virtual worlds for small devices 3D-Punktwolken Anwendungsfelder 3D-Stadtmodell-Aufbau (Ableitung von Bauwerksgeometrien und Geländemodellen) durch 2.5D-Punktwolken 2.5D-Punktwolke 3D-Stadtmodell Berlin Partner, virtualcitysystems

5 Massive 3D virtual worlds for small devices 3D-Punktwolken Anwendungsfelder 3D-Stadtmodell-Aufbau (Ableitung von Bauwerksgeometrien und Geländemodellen) durch 2.5D-Punktwolken Zhou & Neumann, 2010

6 Massive 3D virtual worlds for small devices 3D-Punktwolken Anwendungsfelder 3D-Stadtmodell- Fortführung (Detektion von Veränderungen, Differenzanalysen) Diff. Frankfurt 2009 zu 2005

7 3D-Punktwolken Generierung über Remote-Sensing Laser-Scanning (Luft-/Boden-basiert) Teil klassischer Workflows der Geobasisdatenerfassung

8 3D-Punktwolken Generierung über bildbasierte Berechnung Stereo-Aufnahmen und -Analyse Ableitung von fototexturierten 3D-Tiefenbildern (=Punktwolken) Erfassung durch kleine und kleinste Geräte, z. B. SmartPhones, Fotokameras, etc. (a) Tiefenbild (b)farbbild (c) 3D-Punktwolke

9 3D-Punktwolken Exkurs: 3D-Punktwolken-Generierung mit Kinect Hauptnutzung für Motion-Tracking/Skeleton-Analysis von Benutzern, in unmittelbarer Nähe des Geräts Stereo-Kamera (...für XBox) mit API, das einen direkten Zugriff auf die Rohdaten erlaubt (13-bit Tiefenbild) Beispiel für die grundsätzliche Machbarkeit der direkten, kostengünstigen Generierung von Tiefenbildern (=3D- Punktwolken)

10 3D-Punktwolken Exkurs: 3D-Punktwolken-Generierung mit PhotoSynth/-Fly Rein computergrafisches Verfahren basierend auf automatischer Korrelation von Bildinhalten und automatischer Ableitung von 3D-Oberflächengeometrie Beispiel: Autodesk PhotoFly-Technologie (3D-Geometrie, Texturen, Scaling, Features, lokale Koordinatensysteme) Beispiel: Microsoft Photosynth

11 3D-Punktwolken Exkurs: 3D-Punktwolken-Generierung mit PhotoSynth/-Fly

12 3D-Punktwolken Exkurs: 3D-Punktwolken-Generierung mit PhotoSynth/-Fly

13 3D-Punktwolken Synthetische 3D-Punktwolken-Generierung Abtastung von 3D-Modellen durch eine 3D-Punktwolke mit vorgegebener Dichte bzw. Regelmässigkeit Vereinheitlichung der Repräsentationskomplexität und Handhabung

14 Massive 3D virtual worlds for small devices 3D-Punktwolken Kennzeichen von 3D-Punktwolken Ungleichmässige Verteilung im Raum Preprocessing erforderlich bzgl. Dichteanpassung und Outlier- Eliminierung. Zusammengesetzt aus einzelnen Scans Registrierung erforderlich. Massivität bzgl. der Datenmenge Räumliche Datenstruktur notwendig, um mit den Daten effizient arbeiten zu können. Rohdaten: Analyse und Prozessierung i.a. erforderlich (z.b. 3D-Oberflächenextraktion, Segmentierung,...)

15 Massive 3D virtual worlds for small devices 3D-Punktwolken Räumliche Datenstruktur auf Basis von adaptiven Octrees Out-of-Core-Prozessierung [Rico Richter, 2010/2011]

16 Massive 3D virtual worlds for small devices Semantik-Ableitung Ausgangsidee: Attributierung der einzelnen Punkte mit semantischer Information, die dazu dient, Analyse- und Prozessierungsrechnungen zu optimieren/zu präzisieren. Semantik-Information beinhaltet z.b. Informationen zum Objekttyp, z.b. Bauwerk, Vegetation, Wasser, Strasse, Fahrzeug, Person, Stadtmöbel...

17 Massive 3D virtual worlds for small devices Semantik-Ableitung Zielstellung Matthew A. Carlberg et al.

18 Massive 3D virtual worlds for small devices Semantik-Ableitung Zielstellung Matthew A. Carlberg et al.

19 Massive 3D virtual worlds for small devices Semantik-Ableitung Semantik-Ableitung über Strassendaten Bereinigung von Verkehrsflächenbereichen Elimination/Angleichung der dort enthaltenen Punkte

20 Massive 3D virtual worlds for small devices Semantik-Ableitung Beispiel:

21 Massive 3D virtual worlds for small devices Semantik-Ableitung Beispiel:

22 Massive 3D virtual worlds for small devices Semantik-Ableitung Beispiel:

23 Massive 3D virtual worlds for small devices Semantik-Ableitung Ableitung auf Basis von Punktwolken-Charakteristiken Identifikation von Bereichen, die mit großer Wahrscheinlich Vegetationsflächen (nichtpolygonal, fuzzy, volumenhaften) sind. Elimination/Homogenisierung der dort enthaltenen Punkte Identifikation von Bodenpunkten

24 Massive 3D virtual worlds for small devices Semantik-Nutzung Nutzung semantischer Information für Bewegungsanalysen

25 Massive 3D virtual worlds for small devices Semantik-Nutzung Nutzung semantischer Attribute zur Differenzierung des adaptiven Octrees

26 Zusammenfassung/Ausblick 3D-Punktwolken repräsentieren wesentliche Elemente für die Schaffung von Real-Time 3D City Models bzw. Instant 3D City Models. Ermöglicht werden sie durch echtzeitfähige bildbasierte, permanente Erfassung und Ableitung aus massiven 3D- Punktwolken. Semantische Attributierung ist eine Grundvoraussetzung um gezielter, zuverlässiger und wirkungsvoller 3D- Punktwolken zu prozessieren und zu verwalten. Differenzanalyse ist ein wesentliches Element, um die Massivität handhaben zu können. Semantische Attributierung ist zudem wirkungsvoll bei der Ausgestaltung von 3D-Renderingverfahren für 3D- Punktwolken, die diese Information explizit nutzen.

27 Kontakt Jürgen Döllner Rico Richter Förderung: InnoProfile (BMBF, ) & HPI Research School (seit 2008) Partner: Autodesk, Adobe, Nokia, 3D Content Logistics