TU Berlin

Computer Vision and Remote SensingModellselektion

CV-Logo (c)

Inhalt des Dokuments

zur Navigation

Modellselektion für Oberflächenapproximation und Szeneninterpretation

Fassadenelemente eines Fensters (links) und einer Tür (rechts).
Lupe

In diesem Projekt kombinieren wir Oberflächenrekonstruktion aus Bildern von städtischen Fassaden mit Interpretation und kompakter Beschreibung der Szene. Grundlage sind dichte Punktwolken aus unsortierten Bildmengen von Fassaden generiert durch aktuelle Verfahren zur Bildorientierung sowie anschließende dichte Rekonstruktion. Kern des Projektantrags ist ein iterativer Prozess, der beide Aufgaben, d.h. die Oberflächenrekonstruktion und die Szeneninterpretation miteinander verknüpft. Jede der Aufgaben ist sehr schwierig zu lösen, weil die 3D-Punkte teilweise stärker verrauscht sind bzw. eine völlig falsche Position haben oder sogar fehlen, was durch wiederholte Strukturen und spiegelnde Oberflächen, wie bei Fenstern, oder ungenügende Ausleuchtung der Szene, z.B. in Türbereichen oder in Schattenbereichen, verursacht wird. Ziel des Projektantrags ist es, die Ergebnisse beider Aufgaben zu verbessern, indem die Oberflächenrekonstruktion und die Interpretation in der Art miteinander verknüpft werden, dass die Ergebnisse der einen Teilaufgabe als Prior-Information bei der anderen Teilaufgabe verwendet werden. Um die Ergebnisse einzelner Unteraufgaben zu optimieren, werden Modellselektionsverfahren eingesetzt.

Es soll eine geometrische Oberflächenrepräsentation abgeleitet werden, die eine 2D-Mannigfaltigkeit im 3D-Raum vollständig beschreibt. Diese besteht aus Teilen verschiedener geometrischer Primitive wie Ebenen oder Zylinder, deren Nachbarschaft explizit in einem Graphen modelliert wird. Semantische Information wird durch Priors berücksichtigt werden, insbesondere um eine zuverlässige Schätzung in Bezug auf die Rauigkeit einer Oberfläche zu bekommen. Eine Modellauswahl mittels reversible jump Markov Chain Monte Carlo (rjMCMC) wird in einem Bayes-Verfahren zur Bestimmung einer global optimalen Oberfläche eingesetzt.

Die Fassadenanalyse beginnt mit der Detektion und Abgrenzung der Fenster, weil diese eine Fassade sehr stark dominieren. Zusammen mit der abgeleiteten Näherung der Oberfläche der Fassade können nun Kandidaten für Türen gesucht und verifiziert werden. Durch eine detaillierte Untersuchung von feineren Strukturen im Bereich der Fenster und Türen können Fehlklassifikation zwischen beiden Objekttypen behoben werden. Bei diesen Teilschritten findet eine Modellselektion für die korrekte Typisierung oder Formbestimmung der Fassadenteile statt. Aggregate im Umfeld der Fenster und Türen ermöglichen die gezielte Suche nach weiteren Fassadenteilen wie Vordächern oberhalb von Türen oder Fensterläden seitlich der Fenster. Alle Fassadenteile werden in einer 2D-Fassadengrammatik von 3D-Objekten modelliert.

Navigation

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe