Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Object identication in 3D urban environments
KTH, School of Electrical Engineering and Computer Science (EECS).
2019 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Identifiera objekt i 3D-stadsmiljöer (Swedish)
Abstract [en]

This project investigates the problem of object identification in three-dimensional (3D) urban models represented by meshes. More specifically, the objective is to detect defects or poorly rendered objects, called artefacts, in order to remove them later on. The literature on related urban analyses is marginal for meshes while abundant for 3D point clouds. The contribution of this project is then twofold: studying whether objects can be identified in meshes and how semantic mesh segmentation methods can be extended to lower-resolution meshes.

Our methods correspond to alternative solutions for different steps of an unsupervised pipeline algorithm commonly used for object classification in 3D point clouds. First, a ground model is generated either from an elevation image-based approach or from direct clustering of the triangles. The latter corresponds to a mesh segmentation problem and was investigated using either k-means or a Markov Random Field formulation. The clustering approach divides the input mesh in different meshes with the following classes: ground, façade, roof and optionally vegetation. The project investigates two new features that can help identify vegetation in lower-resolution meshes. Then, objects are segmented from the ground model using a watershed approach with local maxima as markers and additional propagation constraints based on textures.

Our results include a survey study based on users’ visual inspection in order to evaluate methods against one another. Our findings can be put in the context of urban meshes’ semantic analysis. Artefacts in urban meshes are successfully detected by extending already existing mesh segmentation methods in association with a density-based feature. The survey results also support the hypothesis that existing mesh segmentation methods do not adapt well to lower-resolution meshes. Finally, regardless of mesh resolution, successful vegetation identification is the main remaining problem in most approaches.

Abstract [sv]

Detta examensprojekt undersöker problemet med objektidentifikation i tredimensionella (3D) stadsmodeller som representeras av polygonytor. Mer specifikt är målet att upptäcka defekter eller dåligt renderade objekt, artefakter, för att kunna ta bort dem i ett senare skede. Litteraturen om relaterade stadsmodellsanalyser är marginell för polygonytor medan den är riklig för 3D-punktmoln. Projektets bidrag är då dubbelt: Det studerar hur objekt kan identifieras i polygonytor samt hur semantiska polygonytesegmenteringsmetoder kan utvidgas till polygonytor med lägre upplösning.

Våra metoder motsvarar alternativa lösningar för olika steg i en oövervakad pipelinealgoritm som vanligtvis används för objektklassificering i 3D-punktmoln och undersöker alternativa lösningar för de olika stegen. Först genereras en markmodell, antingen från ett höjdbildsbaserat tillvägagångssätt eller från direkt klustring av trianglarna. Det sistnämnda motsvarar en polygonytessegmentering problem och undersöktes med antingen k-means-klustring eller en Markov Random Field-modell. Klustringsmetoden delar polygonytan i separata polygonytor med följande klasser: mark, fasad, tak och eventuellt vegetation. Projektet undersöker två nya egenskaper för representationsvektor som kan hjälpa till att identifiera vegetation i polygonytor med lägre upplösning. Därefter segmenteras objekt från markmodellen med hjälp av ett watershed-tillvägagångssätt med lokala maxima som markörer och ytterligare utbredningsbegränsningar baserat på texturingen.

Våra resultat inkluderar en undersökning baserad på användarnas visuella inspektion för att utvärdera metoder mot varandra. Våra resultat kan sättas i samband med stadsmaskens semantiska analys. Artefacts i stadspolygonytor upptäcks med framgång genom att utvidga redan befintliga semantiska polygonytesegmenteringsmetoder i samband med en densitetsbaserad funktion. Undersökningsresultaten stöder också hypotesen att befintliga semantiska polygonytesegmenteringsmetoder inte anpassar sig bra till polygonytor med lägre upplösning. Slutligen, oavsett polygonytors upplösning, är framgångsrik vegetationsidentifiering det viktigaste kvarvarande problemet i de flesta tillvägagångssätt.

Place, publisher, year, edition, pages
2019. , p. 79
Series
TRITA-EECS-EX ; 2019:641
National Category
Computer and Information Sciences
Identifiers
URN: urn:nbn:se:kth:diva-264920OAI: oai:DiVA.org:kth-264920DiVA, id: diva2:1375886
Supervisors
Examiners
Available from: 2020-01-17 Created: 2019-12-06 Last updated: 2020-01-17Bibliographically approved

Open Access in DiVA

fulltext(1439 kB)5 downloads
File information
File name FULLTEXT01.pdfFile size 1439 kBChecksum SHA-512
d3324ea3b8319ed6f00489fd340e9f20d39fa25a4ee05663f143a68703eb6ea9d5558f07842376896b9595a190fbf60772f4820cf77ae51cabbd4ed5e78eec25
Type fulltextMimetype application/pdf

By organisation
School of Electrical Engineering and Computer Science (EECS)
Computer and Information Sciences

Search outside of DiVA

GoogleGoogle Scholar
Total: 5 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 24 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf