점군 토폴로지를 이용한 도시 지역의 대규모 3D 점군 객체 클래스 분할

다수의 원격 탐사 기술과 이미지 기반 측량적 접근법은 우리 물리적 환경의 대규모 3D 점군을 효율적으로 생성할 수 있게 해줍니다. 대규모 3D 점군의 효율적인 처리, 분석, 탐색 및 시각화는 도시 계획, 환경 모니터링, 재난 관리 및 국가 안보와 같은 분야에서 응용 프로그램, 시스템 및 워크플로우를 위한 도전적인 작업을 구성합니다. 우리는 지형, 건물, 식생, 물 및 인프라를 포함한 가상 도시 환경의 객체 클래스에 따라 대규모 3D 점군을 분할하는 접근법을 제시합니다. 이 분류는 점군 토폴로지 분석에 의존하며, 각 포인트의 속성이나 대표적인 훈련 데이터가 필요하지 않습니다. 이 접근법은 각 패스가 서로 다른 토폴로지 기능에 집중하고, 이전 패스에서 이미 감지된 객체 클래스를 고려하는 반복적인 다중 패스 처리 체계를 기반으로 합니다. 대규모 데이터의 양을 처리하기 위해 외부 코어 공간 데이터 구조와 그래픽 처리 장치(GPU) 가속 알고리즘이 활용됩니다. 분류 결과는 거의 50억 포인트로 구성된 도시의 대규모 3D 점군을 기반으로 논의됩니다. 결과는 객체 클래스가 풍부한 3D 점군이 분석 알고리즘과 응용 프로그램을 상당히 향상시킬 수 있으며 시각화 기법을 개선할 수 있음을 나타냅니다.