Original paper

Automatic Detection and Classi cation of Objects in Point Clouds using multi-stage Semantics

Truong, Hung Quoc; Hmida, Helmi Ben; Boochs, Frank; Habed, Adlane; Cruz, Christophe; Voisin, Yvon; Nicolle, Christophe

Abstract

Due to the increasing availability of large unstructured point clouds obtained from laser scanning and/or photogrammetric data, there is a growing demand for automatic processing methods. Given the complexity of the underlying problems, several new methods try to use semantic knowledge in particular for supporting object detection and classification. In this paper, we present a novel approach which makes use of advanced algorithms to benefit from intelligent knowledge management strategies for the processing of 3D point clouds and for object classification in scanned scenes. In particular, our method extends the use of semantic knowledge to all stages of the processing, including the guidance of the 3D processing algorithms. The complete solution consists of a multistage iterative concept based on three factors: the modelled knowledge, the package of algorithms, and the classification engine. Two case studies illustrating our approach are presented in this paper. The studies were carried out on scans of the waiting area of an airport and along the tracks of a railway. In both cases the goal was to detect and identify objects within a defined area. With our results we demonstrate the applicability of our approach.

Kurzfassung

Infolge der zunehmenden Verfügbarkeit großer unstrukturierter Punktwolken aus Laserscanning und Photogrammetrie entsteht wachsender Bedarf für automatisierte Auswerteverfahren. Angesichts der häu g hohen Komplexität der in den Punktwolken enthaltenen Objekte stoßen rein datengetriebene Ansätze an ihre Grenzen. Es entstehen vermehrt Konzepte, die auf verschiedene Weise auch Gebrauch von der Semantik machen. Semantik und Algorithmik sind dabei oft eng miteinander verwoben und führen zu Limitationen in Art und Umfang der nutzbaren Semantik. Mit der vorgestellten Lösung werden Algorithmik und Semantik klar getrennt und mit den exakt auf diese Domänen zugeschnittenen Werk zeugen behandelt. Deren prozedurale Verknüpfung führt dann zu einem neuen Verarbeitungskonzept, das eine nach unserem Kenntnisstand bislang nicht erreichte Flexibilität und Vielseitigkeit in der Nutzung unterschiedlichster Semantiken besitzt und auch die Steuerung der Algorithmen integriert. Die iterative Gesamtlö sung fußt auf drei Säulen, nämlich dem modellierten Wissen, dem Pool der Algo rithmen und dem Identifikationsprozess. Erreich bare Resultate werden an zwei Beispielen doku mentiert. Ein Beispiel befasst sich mit der Analyse von Punktwolken aus dem Bereich der Lichtraum vermessung an Bahntrassen, das zweite mit Räum lichkeiten in einem Flughafen. In beiden Fällen müssen bestimmte Objektarten aufgefunden und klassifiziert werden.

Keywords

3d processingpoint cloudsknowledge modellingontologyscene object classification