Klassifizierung von Stangen aus Laserscanning-Punktwolken

Mobile-Mapping-Systeme ermöglichen die Erfassung großflächiger, urbaner Umgebungen mit hoher Auflösung. Bildgebende Sensoren, wie Kameras und Laserscanner, erfassen dabei kontinuierlich Daten entlang einer Trajektorie. Die entstehenden großen Datenmengen bedürfen der Interpretation, um daraus Geoinformationen ableiten zu können, z. B. welche Objekte entlang einer Straße aufgestellt sind.

In dieser Masterarbeit wurde ein Verfahren entwickelt, mithilfe dessen verschiedene, stangenförmige Objekte (z. B. Verkehrsschilder, Straßenbeleuchtung, Bäume) innerhalb urbaner Gebiete unterschieden werden können. Das Verfahren arbeitet auf Grundlage von Laserscanning-Punktwolken, die durch ein Mobile-Mapping-System erfasst wurden. Von der unstrukturierten Punktwolke zu klassifizierten Objekten sind in diesem Verfahren vier Verarbeitungsschritte wesentlich:

1. Isolierung eines Objektes von der Umgebung
2. Zerlegung des Objekts in seine Bestandteile
3. Klassifizierung der einzelnen Bestandteile
4. Ableitung der Objektklasse anhand der Bestandteile 

Der Schwerpunkt liegt dabei auf den Schritten 2 und 3. Ein Kernelement des Ansatzes liegt in der Transformation der Punkte in Voxel. Basierend auf den Nachbarschaften der Voxel ist die Zerlegung eines Objektes in seine einzelnen Bestandteile möglich (s. Abb. 1). Ist dies erfolgt, werden die Bestandteile in dem zweiten elementaren Schritt mittels des Random-Forest-Verfahrens anhand ihrer jeweiligen Merkmale verschiedenen Klassen zugewiesen (s. Abb. 2).