A Multi‐Resolution Hybrid Approach for Building Model Reconstruction from Lidar Data

In this paper, a multi-resolution hybrid approach is proposed for the reconstruction of building models from point clouds of lidar data. The detection of the main roof planes is obtained through a polyhedral approach, whereas the models of appended parts, in this case the dormers, are reconstructed by adopting a model-driven approach. Clustering of the roof points in a multi-resolution space is based on the fuzzy c-mean in the polyhedral section of this hybrid approach. A weighted plane algorithm is developed in order to determine the planes of each cluster. The verification of planes between multi-resolution spaces adopts a method based on a least squares support vector machine that, in the model-driven section, is applied for detecting types of projecting structures. A method is then developed to determine the dormer models’ parameters. Finally, the detection of boundary roof lines is obtained through a customised fuzzy Hough transform. The paper outlines the concept of the algorithms and the processing chain, and illustrates the results obtained by applying the technique to buildings of different complexities. Resume Cet article propose une approche hybride multi-resolution pour la reconstruction de modeles de bâtiments a partir de nuages de points lidar. La detection des principaux plans des toits est obtenue par une approche polyedrique, tandis que les modeles de structures annexes, en l’occurrence les mansardes, sont reconstruits en adoptant une approche parametrique. La segmentation des points du toit dans un espace multi-resolution est basee sur la c-moyenne floue dans la composante polyedrique de cette approche hybride. Un algorithme est developpe pour determiner, avec une ponderation, le plan correspondant a chaque segment. La validation des plans obtenus entre des espaces multi-resolution adopte une methode basee sur les moindres carres des machines a vecteur de support, methode qui, dans la composante parametrique, sert a detecter les differents types de structures annexes. Une methode est ensuite developpee pour determiner les parametres des modeles de mansardes. Enfin, la detection des lignes de bordure de toits s’obtient par l’adaptation d’une transformee de Hough floue. L’article presente le principe des algorithmes et la chaine de traitement, et illustre les resultats obtenus en appliquant la technique a des bâtiments de complexites variees. Zusammenfassung Dieser Beitrag stellt einen hybriden Ansatz unter Nutzung von Mehrfachauflosungen zur Rekonstruktion von Gebaudemodellen aus Lidar Punktwolken vor. Die Erkennung der Hauptebenen eines Daches erfolgt durch einen polyedrischen Ansatz. Dier Modellierung von nachgeordneten Strukturen, hier Dachausbauten, erfolgt durch einen modellbasierten Ansatz. Der Fuzzy C-Mean Algorithmus wird genutzt, um ein Clustering der Dachpunkte fur den polyedrischen Teil des hybriden Ansatzes durchzufuhren. Ein gewichteter Ebenen-Algorithmus wurde entwickelt, um die Ebenen eines jeden Clusters zu bestimmen. Die Verifizierung der Ebenen in verschiedenen Auflosungsraumen adaptiert eine Methode, die sich einer Kleinsten Quadrate Stutzvektormaschine bedient, und wird im modellgetriebenen Teil des Ansatzes zur Erkennung der Typen der untergeordneten Strukturen verwendet. Eine weitere entwickelte Methode bestimmt die Parameter der Dachausbauten. Die abschliesende Erkennung der Dachrandlinien erfolgt durch eine angepasste Fuzzy Hough Transformation. Der Beitrag gibt einen Uberblick uber das Konzept des Algorithmus und die Prozesskette und stellt beispielhaft Ergebnisse der Technik an Gebauden unterschiedlicher Komplexitat vor. Resumen En el articulo se propone una aproximacion hibrida de multi-resolucion para la reconstruccion de modelos de edificios partiendo de nubes de puntos lidar. La deteccion de los planos principales de tejado se obtiene mediante una aproximacion poliedrica, mientras que los modelos de estructuras anexas, en este caso buhardillas, se reconstruyen adoptando una aproximacion dirigida por el modelo. La agrupacion de puntos de tejado en un espacio de multi-resolucion se basa en la media-c difusa en la seccion poliedrica de esta aproximacion hibrida. Se ha desarrollado un algoritmo de planos ponderados para determinar los planos de cada agrupacion de puntos. La verificacion de los planos entre espacios de multi-resolucion adopta un metodo basado en maquinas de vectores de soporte de minimos cuadrados. En el caso de la seccion dirigida por el modelo, se aplica para detectar los tipos de estructuras anexas. Entonces se determinan los parametros de modelo para la buhardilla. Finalmente, la deteccion de las lineas de frontera de los tejados se obtiene mediante una transformacion de Hough difusa adaptada. En el articulo se resume el concepto de los algoritmos y la cadena de proceso e ilustra los resultados obtenidos por aplicar la tecnica a edificios de complejidades diferentes.

[1]  Claus Brenner TOWARDS FULLY AUTOMATIC GENERATION OF CITY MODELS , 2000 .

[2]  Suyoung Seo,et al.  ACCURACY STUDY OF AIRBORNE LASER SCANNING DATA WITH PHOTOGRAMMETRY , 2001 .

[3]  Witold Pedrycz,et al.  Advances in Fuzzy Clustering and its Applications , 2007 .

[4]  Olivier Strauss Use the Fuzzy Hough transform towards reduction of the precision/uncertainty duality , 1999, Pattern Recognit..

[5]  J. Shan,et al.  Building boundary tracing and regularization from airborne lidar point clouds , 2007 .

[6]  Marco Roggero,et al.  Object segmentation with region growing and principal component analisys , 2002 .

[7]  John F. Canny,et al.  A Computational Approach to Edge Detection , 1986, IEEE Transactions on Pattern Analysis and Machine Intelligence.

[8]  George Vosselman,et al.  3D BUILDING MODEL RECONSTRUCTION FROM POINT CLOUDS AND GROUND PLANS , 2001 .

[9]  Farhad Samadzadegan,et al.  Automatic 3D object recognition and reconstruction based on neuro-fuzzy modelling , 2005 .

[10]  Markus Hollaus,et al.  Object-Based Point Cloud Analysis of Full-Waveform Airborne Laser Scanning Data for Urban Vegetation Classification , 2008, Sensors.

[11]  Miin-Shen Yang,et al.  Alternative c-means clustering algorithms , 2002, Pattern Recognit..

[12]  George Vosselman,et al.  Fusion of laser scanning data, maps, and aerial photographs for building reconstruction , 2002, IEEE International Geoscience and Remote Sensing Symposium.

[13]  T. Schenk FUSION OF LIDAR DATA AND AERIAL IMAGERY FOR A MORE COMPLETE SURFACE DESCRIPTION , 2002 .

[14]  Uwe Soergel,et al.  Analysis of Gable-Roofed Building Signature in Multiaspect InSAR Data , 2010, IEEE Geoscience and Remote Sensing Letters.

[15]  Hans-Gerd Maas,et al.  3D BUILDING MODEL GENERATION FROM AIRBORNE LASER SCANNER DATA USING 2D GIS DATA AND ORTHOGONAL POINT CLOUD PROJECTIONS , 2005 .

[16]  C. Brenner Building reconstruction from images and laser scanning , 2005 .

[17]  Ramakant Nevatia,et al.  Detection and Modeling of Buildings from Multiple Aerial Images , 2001, IEEE Trans. Pattern Anal. Mach. Intell..

[18]  Robert M. Haralick,et al.  Textural Features for Image Classification , 1973, IEEE Trans. Syst. Man Cybern..

[19]  Jiann-Yeou Rau,et al.  Robust Reconstruction of Building Models from Three-Dimensional Line Segments , 2003 .

[20]  P. Rousseeuw Least Median of Squares Regression , 1984 .

[21]  P. J. Huber Robust Estimation of a Location Parameter , 1964 .