Building recognition from 3D point clouds
Reconnaissance de bâtiments à partir de nuages de points 3D
Résumé
Digitization of real-world objects is increasingly used in fields such as urban planning, architecture, disaster management, and homeland security. Acquisition tools such as Light Detection and Ranging (LiDAR) airborne scanners are used to produce digital representations of entire cities in the form of 3D point clouds sampling the surfaces of objects in the environment. Despite the high degree of maturity reached by the digitizing techniques, efficient computing solutions for pre-processing and reconstruction from these measurements are scarce and poorly adapted to the complexity of the environment (complex structures of buildings and entire cities). Today, the process of creating a digital model from these data is time-consuming, tedious, and essentially manual. In this reverse engineering process, the human operator manually draws the elements of the 3D model as close as possible to the point cloud. Although significant efforts have been made to develop automatic and semi-automatic methods, which are currently appearing on the market, no solution proposed so far meets all industrial requirements in terms of precision, accuracy and efficiency. Indeed, the reconstruction of 3D building models is a complex task that requires a workflow composed of several processing steps such as classification, contour extraction, segmentation, feature recognition, hypothesis generation and verification, geometric modeling and construction, adjustment and refinement. In addition, the reconstructed models must meet a number of structural constraints (flatness of roof segments, horizontal roof edges, symmetry, etc.). Despite the knowledge gained, there are still a significant number of unsolved problems arising from : data gaps (due to occlusions or unwanted reflections and absorptions) ; noise and outliers ; limited resolution and variable point density ; high variability and complexity of building shapes in urban areas, to name a few. In this work, we address the particular problem of constructing (creating) polygonal 3D roof models from previously classified LIDAR point data.
La numérisation d'objets réels est de plus en plus utilisée dans des domaines tels que l'urbanisme, l'architecture, la gestion des catastrophes et la sécurité intérieure. Des outils d'acquisition tels que les scanners aériens de détection et de télémétrie par la lumière (LiDAR) permettent de produire des représentations numériques de villes entières sous la forme de nuages de points 3D échantillonnant les surfaces des objets dans l'environnement. Malgré le haut degré de maturité atteint par les techniques de numérisation, les solutions informatiques efficaces pour le prétraitement et la reconstruction à partir de ces mesures sont rares et mal adaptées à la complexité de l'environnement. Aujourd'hui, le processus de création d'un modèle numérique à partir de ces données est long, fastidieux et essentiellement manuel. Dans ce processus de rétroconception, l'opérateur humain dessine manuellement les éléments du modèle 3D au plus près du nuage de points.
Bien que des efforts importants aient été déployés pour développer des méthodes automatiques et semi-automatiques, qui apparaissent actuellement sur le marché, aucune solution proposée jusqu'à présent ne répond à toutes les exigences industrielles en termes de précision, d'exactitude et d'efficacité. En effet, la reconstruction de modèles de bâtiments en 3D est une tâche complexe qui nécessite un flux de travail composé de plusieurs étapes de traitement telles que la classification, l'extraction de contours, la segmentation, la reconnaissance de caractéristiques, la génération et la vérification d'hypothèses, la modélisation et la construction géométriques, l'ajustement et le raffinement. De plus, les modèles reconstruits doivent respecter un certain nombre de contraintes structurelles (planéité des segments de toit, arêtes de toit horizontales, symétrie, etc. Malgré les connaissances acquises, il existe encore un nombre important de problèmes non résolus provenant de : lacunes dans les données (dues à des occlusions ou à des réflexions et absorptions indésirables) ; bruit et valeurs aberrantes ; résolution limitée et densité de points variable ; grande variabilité et complexité des formes de bâtiments dans les zones urbaines, pour n'en nommer que quelques-uns. Dans ce travail, nous abordons le problème particulier de la construction (création) de modèles de toit 3D polygonaux à partir de données ponctuelles LIDAR préalablement classées.