Automatic detection and qualification of objects in point clouds using multi-layered semantics

Summary: Due to the increasing availability of large unstructured point clouds from lasers canning and photogrammetry, there is a growing demand for automatic evaluation methods. Given the complexity of the underlying problems, several new methods resort to using semantic knowledge in particular for object detection and qualification support. In this paper, we present a novel approach which makes use of advanced algorithms, and benefits from intelligent knowledge management strategies for the processing of 3D point clouds and object qualification in a scanned scene. 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 multi- stage, iterative, concept based on three factors: the modeled knowledge, the package of algorithms, and the qualification engine. Zusammenfassung: Automatische Detektion und Qualifizierung von Objekten in Punktwolken unter Nutzung mehrschichtiger Semantik. Infolge der zunehmenden Verfugbarkeit groser unstrukturierter Punktwolken aus Laserscanning und Photogrammetrie entsteht wachsender Bedarf fur automatisierte Auswerteverfahren. Angesichts der haufig hohen Komplexitat der in den Punktwolken enthaltenen Objekte stosen rein Daten-getriebene Ansatze an ihre Grenzen. Es entstehen vermehrt Konzepte, die auf verschiedene Weise auch Gebrauch von Semantik machen. Semantik und Algorithmik sind dabei oft eng miteinander verwoben und fuhren zu Limitationen in Art und Umfang der nutzbaren Semantik. Mit der vorgestellten Losung werden Algorithmik und Semantik klar getrennt und mit den exakt auf diese Domanen zugeschnittenen Werkzeugen behandelt. Deren prozedurale Verknupfung fuhrt dann zu einem neuen Verarbeitungskonzept, das eine bislang nicht erreichte Flexibilitat und Vielseitigkeit in der Nutzung unterschiedlichster Semantiken besitzt und auch die Steuerung der Algorithmen integriert. Die iterative Gesamtlosung fust auf drei Saulen, die aus dem modellierten Wissen, dem Pool der Algorithmen und dem Identifikationsprozess bestehen.