A Pipeline of 3D Scene Reconstruction from Point Clouds

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.advisor Hyyppä, Juha, Prof., Finnish Geospatial Research Institute, Department of Remote Sensing and Photogrammetry, Finland
dc.contributor.author Zhu, Lingli
dc.date.accessioned 2015-05-26T09:00:39Z
dc.date.available 2015-05-26T09:00:39Z
dc.date.issued 2015
dc.identifier.isbn 978-951-48-0247-8 (electronic)
dc.identifier.isbn 978-951-48-0246-1 (printed)
dc.identifier.issn 2342-7353 (electronic)
dc.identifier.issn 2342-7345 (printed)
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/16214
dc.description.abstract 3D technologies are becoming increasingly popular as their applications in industrial, consumer, entertainment, healthcare, education, and governmental increase in number. According to market predictions, the total 3D modeling and mapping market is expected to grow from $1.1 billion in 2013 to $7.7 billion by 2018. Thus, 3D modeling techniques for different data sources are urgently needed. This thesis addresses techniques for automated point cloud classification and the reconstruction of 3D scenes (including terrain models, 3D buildings and 3D road networks). First, georeferenced binary image processing techniques were developed for various point cloud classifications. Second, robust methods for the pipeline from the original point cloud to 3D model construction were proposed. Third, the reconstruction for the levels of detail (LoDs) of 1-3 (CityGML website) of 3D models was demonstrated. Fourth, different data sources for 3D model reconstruction were studied. The strengths and weaknesses of using the different data sources were addressed. Mobile laser scanning (MLS), unmanned aerial vehicle (UAV) images, airborne laser scanning (ALS), and the Finnish National Land Survey’s open geospatial data sources e.g. a topographic database, were employed as test data. Among these data sources, MLS data from three different systems were explored, and three different densities of ALS point clouds (0.8, 8 and 50 points/m2) were studied. The results were compared with reference data such as an orthophoto with a ground sample distance of 20cm or measured reference points from existing software to evaluate their quality. The results showed that 74.6% of building roofs were reconstructed with the automated process. The resulting building models provided an average height deviation of 15 cm. A total of 6% of model points had a greater than one-pixel deviation from laser points. A total of 2.5% had a deviation of greater than two pixels. The pixel size was determined by the average distance of input laser points. The 3D roads were reconstructed with an average width deviation of 22 cm and an average height deviation of 14 cm. The results demonstrated that 93.4% of building roofs were correctly classified from sparse ALS and that 93.3% of power line points are detected from the six sets of dense ALS data located in forested areas. This study demonstrates the operability of 3D model construction for LoDs of 1-3 via the proposed methodologies and datasets. The study is beneficial to future applications, such as 3D-model-based navigation applications, the updating of 2D topographic databases into 3D maps and rapid, large-area 3D scene reconstruction. en
dc.description.abstract 3D-teknologiat ovat tulleet yhä suositummiksi niiden sovellusalojen lisääntyessä teollisuudessa, kuluttajatuotteissa, terveydenhuollossa, koulutuksessa ja hallinnossa. Ennusteiden mukaan 3D-mallinnus- ja -kartoitusmarkkinat kasvavat vuoden 2013 1,1 miljardista dollarista 7,7 miljardiin vuoteen 2018 mennessä. Erilaisia aineistoja käyttäviä 3D-mallinnustekniikoita tarvitaankin yhä enemmän. Tässä väitöskirjatutkimuksessa kehitettiin automaattisen pistepilviaineiston luokittelutekniikoita ja rekonstruoitiin 3D-ympäristöja (maanpintamalleja, rakennuksia ja tieverkkoja). Georeferoitujen binääristen kuvien prosessointitekniikoita kehitettiin useiden pilvipisteaineistojen luokitteluun. Työssä esitetään robusteja menetelmiä alkuperäisestä pistepilvestä 3D-malliin eri CityGML-standardin tarkkuustasoilla. Myös eri aineistolähteitä 3D-mallien rekonstruointiin tutkittiin. Eri aineistolähteiden käytön heikkoudet ja vahvuudet analysoitiin. Testiaineistona käytettiin liikkuvalla keilauksella (mobile laser scanning, MLS) ja ilmakeilauksella (airborne laser scanning, ALS) saatua laserkeilausaineistoja, miehittämättömillä lennokeilla (unmanned aerial vehicle, UAV) otettuja kuvia sekä Maanmittauslaitoksen avoimia aineistoja, kuten maastotietokantaa. Liikkuvalla laserkeilauksella kerätyn aineiston osalta tutkimuksessa käytettiin kolmella eri järjestelmällä saatua dataa, ja kolmen eri tarkkuustason (0,8, 8 ja 50 pistettä/m2) ilmalaserkeilausaineistoa. Tutkimuksessa saatuja tulosten laatua arvioitiin vertaamalla niitä referenssiaineistoon, jona käytettiin ortokuvia (GSD 20cm) ja nykyisissä ohjelmistoissa olevia mitattuja referenssipisteitä. 74,6 % rakennusten katoista saatiin rekonstruoitua automaattisella prosessilla. Rakennusmallien korkeuksien keskipoikkeama oli 15 cm. 6 %:lla mallin pisteistä oli yli yhden pikselin poikkeama laseraineiston pisteisiin verrattuna. 2,5 %:lla oli yli kahden pikselin poikkeama. Pikselikoko määriteltiin kahden laserpisteen välimatkan keskiarvona. Rekonstruoitujen teiden leveyden keskipoikkeama oli 22 cm ja korkeuden keskipoikkeama oli 14 cm. Tulokset osoittavat että 93,4 % rakennuksista saatiin luokiteltua oikein harvasta ilmalaserkeilausaineistosta ja 93,3 % sähköjohdoista saatiin havaittua kuudesta tiheästä metsäalueen ilmalaserkeilausaineistosta. Tutkimus demonstroi 3D-mallin konstruktion toimivuutta tarkkuustasoilla (LoD) 1-3 esitetyillä menetelmillä ja aineistoilla. Tulokset ovat hyödyllisiä kehitettäessä tulevaisuuden sovelluksia, kuten 3D-malleihin perustuvia navigointisovelluksia, topografisten 2D-karttojen ajantasaistamista 3D-kartoiksi, ja nopeaa suurten alueiden 3D-ympäristöjen rekonstruktiota. fi
dc.format.extent 206
dc.format.mimetype application/pdf en
dc.language.iso en en
dc.publisher Finnish Geospatial Research Institute en
dc.publisher Paikkatietokeskus fi
dc.relation.ispartofseries FGI Publications en
dc.relation.ispartofseries 157
dc.relation.haspart [Publication 1]: Zhu, L., Hyyppä, J., Kukko, A., Kaartinen, H. and Chen, R., 2011. Photorealistic Building Reconstruction from Mobile Laser Scanning Data, Remote Sens., 2011, 3(7), 1406-1426; doi:10.3390/rs3071406
dc.relation.haspart [Publication 2]: Zhu, L., Hyyppä, J., 2014. The Use of Airborne and Mobile Laser Scanning for Modelling Railway Environments in 3D. Remote Sens., 2014, 6(4), 3075-3100; doi:10.3390/rs6043075
dc.relation.haspart [Publication 3]: Zhu, L., Jaakkola, A., Hyyppä, J., 2013. The use of Mobile Laser Scanning data and Unmanned Aerial Vehicle images for 3D model reconstruction. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XL-1/W2, 2013, UAV-g2013, 4 – 6 September 2013, Rostock, Germany.
dc.relation.haspart [Publication 4]: Zhu, L., Lehtomäki, M., Hyyppä, J., Puttonen, E., Krooks, A., Hyyppä, H., 2015. Automated 3D Scene Reconstruction from Open Geospatial Data Sources: Airborne Laser Scanning and a 2D Topographic Database. Remote Sens., 7(6), 6710-6740; DOI: 10.3390/rs70606710
dc.relation.haspart [Publication 5]: Zhu, L., Hyyppä, J., 2014. Fully automated power line extraction from airborne laser scanning point clouds in forest areas, Remote Sens. 2014, 6(11), 11267-11282; doi:10.3390/rs61111267.
dc.relation.haspart [Publication 6]: Hyyppä, J., Zhu, L., Liu, Z., Kaartinen, H., Jaakkola, A., 2012. (Eds.), Ubiquitous positioning and mobile location-based services in smart phones: 3D City Modeling and Visualization for Smart Phone Applications (chapter 10), Copyright © 2012 by IGI Global, ISBN 978-1-4666-1827-5. doi:10.4018/978-1-4666-1827-5.ch010
dc.subject.other Geoinformatics en
dc.title A Pipeline of 3D Scene Reconstruction from Point Clouds en
dc.title Rakennetun ympäristön kolmiulotteinen mallintaminen pistepilvistä fi
dc.type G5 Artikkeliväitöskirja fi
dc.contributor.school Insinööritieteiden korkeakoulu fi
dc.contributor.school School of Engineering en
dc.contributor.department Maankäyttötieteiden laitos fi
dc.contributor.department Department of Real Estate, Planning and Geoinformatics en
dc.subject.keyword airborne laser scanning en
dc.subject.keyword mobile laser scanning en
dc.subject.keyword topographic database en
dc.subject.keyword building detection en
dc.subject.keyword building reconstruction en
dc.subject.keyword road detection en
dc.subject.keyword road reconstruction en
dc.subject.keyword ilmalaserkeilaus fi
dc.subject.keyword liikkuva laserkeilaus fi
dc.subject.keyword maastotietokanta fi
dc.subject.keyword rakennusten tunnistus fi
dc.subject.keyword rakennusten rekonstruktio fi
dc.subject.keyword tien tunnistus fi
dc.subject.keyword tien rekonstruktio fi
dc.identifier.urn URN:ISBN:978-951-48-0247-8
dc.type.dcmitype text en
dc.type.ontasot Doctoral dissertation (article-based) en
dc.type.ontasot Väitöskirja (artikkeli) fi
dc.contributor.supervisor Haggrén, Henrik, Professor, Aalto University, Department of Real Estate, Planning and Geoinformatics, Finland
dc.opn Nebiker, Stephan, Professor, University of Applied Sciences Northwestern Switzerland, Switzerland
dc.opn Haala, Norbert, Professor, Stuttgart University, Stuttgart, Germany
dc.date.dateaccepted 2015-05-18
dc.rev Haala, Norbert, Professor, Stuttgart University, Stuttgart, Germany
dc.rev Oude Elberink, Sander, Dr., University of Twente, Enschede, The Netherlands
dc.date.defence 2015-06-18


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse

My Account