Publications on Geodesy 62, Delft, 2006. 194 pagina's.
ISBN-13: 978 90 6132 297 9. ISBN-10: 90 6132 297 9. � 11,00
Up to date and accurate 3D models of industrial sites are required
for different applications like planning, documentation and training.
Traditional methods for acquiring as-built information like manual
measurements by tape and tacheometry are not only slow and cumbersome
but most of the time they also fail to provide the amount of detail
required. Many industrial facilities provide a limited personnel access
because of the presence of radioactive, toxic or hazardous materials
together with an unsafe working environment, which necessitates the use
of non-contact measurement methods.
Traditional photogrammetry depends on point or line measurements from
which it is very hard to get complete CAD models without extensive manual
editing and refinement. Compared to photogrammetry laser scanning provides
explicit and dense 3D measurements. There has been a rapid increase in the
speed and accuracy of the laser scanners in the last decade, while their
costs and sizes have been continuously shrinking. All modeling tools
available on the market depend on heavy operator intervention for most of
the modeling tasks. Although there are some semi-automatic tools like plane
or cylinder growing even there the operator has to start the growing process
for each primitive. Furthermore, the fitted surfaces must be manually edited
by the operator to convert them to a CAD description.
This thesis presents new methods and techniques which can be used for
automatic or efficient semiautomatic 3D modeling of existing industrial
installations from point clouds and images. The goal is to use explicit 3D
information from the point clouds to automatically detect the objects and
structure present in the scene. The detected objects are then used as
targets for model based registration, which can be automated by searching
for object correspondences. To avoid manual editing the presented techniques
use models from a catalogue of commonly found CAD objects as templates for
model fitting. In the final fitting phase images are also included to
improve the quality of parameter estimation.
Segmentation is a very important step that needs to be carried out as a pre
cursor to object recognition and model fitting. We present a method for the
segmentation of the point clouds, which avoids over-segmentation while
partitioning the input data into mutually disjoint, smoothly connected
regions. It uses a criterion based on a combination of surface normal
similarity and spatial connectivity, which we call smoothness constraint. As
we do not use surface curvature our algorithm is less sensitive to noise.
Moreover, there are only a few parameters which can be adjusted to get a
desired trade-off between under- and over-segmentation.
Segmentation is followed by a stage of object recognition based on a
variation of the Hough transform for automatic plane and cylinder detection
in the point clouds. For plane detection the Hough transform is three
dimensional. For the cylinder detection the direct application of the Hough
transform requires a 5D Hough space, which is quite impractical because of
its space and computational complexity. To resolve this problem we present a
two-step approach requiring a 2D and 3D Hough space. In the first step we
detect strong hypotheses for the cylinder orientation. The second step
estimates the remaining three parameters of the cylinder i.e. radius and
position.
The problem of fitting models like planes, cylinders, spheres, cones, tori
and CSG models to point clouds is very important for data reduction. For the
fitting of CSG models this thesis presents three different methods for
approximating the orthogonal distance, which are compared based on speed and
accuracy.
We also present methods for using modeled objects in individual scans as
targets for registration. As the available geometric structure is used,
there is no need to place artificial targets. We present two different
methods for this purpose called Indirect and Direct method. The Indirect
method is a quick way to get approximate values while the Direct method is
then used to refine the approximate solution. We also present techniques for
automatically finding the corresponding objects for registration of scans.
The presented techniques are based on constraint propagation which use the
geometric information available from the previously made correspondence
decision to filter out the possibilities for future correspondences.
Although point clouds are very important for the automation because of their
explicit 3D information, images provide a complementary source of
information as they contain well-defined edges of the bounded objects. We
present methods for the fitting of CSG models to a combination of point
clouds and images. We also present techniques for the specification of
geometric constraints between sub-parts of a CSG tree and their inclusion in
the model estimation process. A taxonomy of commonly encountered geometric
constraints and their mathematical formulation is also given.
We hope that the techniques presented in this thesis will lead to an
improvement in efficiency and quality of the models obtained for industrial
installations from point clouds and images.
List of Figures iv
List of Tables vii
1. Introduction 1
2. Segmentation using smoothness constraint 27
3. Object recognition 41
4. Model fitting to point clouds 59
5. Model-based registration 81
6. Automatic correspondence search 103
7. Constrained CSG fitting 119
8. Conclusions 135
A Uniform sampling of the orientation space 139
Bibliography 153
Actuele en precieze 3D-modellen van industri�le installaties zijn nodig
voor een verscheidenheid aan toepassingen zoals planning, documentatie en
training. Traditionele methoden voor de inwinning van as-built informatie �
bijvoorbeeld met behulp van een meetband en tachymetrie � zijn niet alleen
tijdrovend en moeizaam, maar zijn meestal ook niet in staat om de benodigde
hoeveelheid detail te leveren. Veel industri�le complexen zijn beperkt
toegankelijk als gevolg van radioactieve, toxische of anderszins gevaarlijke
stoffen. Een onveilige werkomgeving maakt het gebruik van contactloze
meetmethoden noodzakelijk.
Traditionele fotogrammetrie is afhankelijk van punt- of lijnmetingen waarmee
het erg moeilijk is om complete CAD-modellen te vervaardigen zonder veel
handmatig werk. In tegenstelling tot fotogrammetrie levert laserscanning
expliciete 3D-metingen met een hoge dichtheid. In de laatste tien jaar zijn
de laserscanners aanzienlijk sneller en preciezer geworden, terwijl de
kosten en de grootte steeds afnemen. Alle op de markt beschikbare
modelleersoftware vraagt veel interactie van een operateur. Wel zijn er
enkele semi-automatische hulpmiddelen beschikbaar zoals voor het automatisch
'laten groeien' van vlakken of cilinders, maar zelfs daar moet de operateur
het groeiproces voor ieder object starten. Bovendien moeten de gevonden
oppervlakken handmatig bewerkt worden om ze te converteren naar een CAD-beschrijving.
Dit proefschrift presenteert nieuwe methoden en technieken die gebruikt
kunnen worden voor automatische of effici�nte semi-automatische
3D-modellering van bestaande industri�le installaties met behulp van
puntenwolken en beelden. Het doel is om de expliciete 3D-informatie van de
puntenwolken te gebruiken om automatisch objecten en structuur in de sc�ne
te vinden. De gevonden objecten worden vervolgens gebruikt als
referentieobjecten voor modelgebaseerde registratie, die geautomatiseerd kan
worden door te zoeken naar corresponderende objecten. Om handwerk te
vermijden gebruiken de gepresenteerde technieken modellen uit een catalogus
met veel voorkomende CAD-objecten als mallen voor modelfitting. In de
laatste fase van de fitting worden ook beelden gebruikt om de kwaliteit van
de parameterschatting te verbeteren.
Segmentatie is een zeer belangrijke stap die moet worden uitgevoerd als
voorbereiding voor objectherkenning en modelfitting. We presenteren een
methode voor segmentatie van puntenwolken die oversegmentatie voorkomt,
terwijl de invoer wordt gepartitioneerd in niet-overlappende, gladde en
samenhangende oppervlakken. Er wordt een criterium gebruikt dat gebaseerd is
op een combinatie van overeenkomst in oppervlaktenormalen en ruimtelijke
verbondenheid, wat we de gladheidsvoorwaarde noemen. Omdat we geen
oppervlaktekromming gebruiken is ons algoritme minder gevoelig voor ruis.
Verder zijn er maar een paar parameters die aangepast kunnen worden om een
balans tussen onder- en oversegmentatie te vinden.
Segmentatie wordt gevolgd door een fase van objectherkenning die gebaseerd
is op een vorm van Hough-transformatie voor automatische vlak- en
cilinderdetectie in de puntenwolken. Voor vlakdetectie is de Hough-transformatie
driedimensionaal. Voor de cilinderdetectie zou directe toepassing van de
Hough-transformatie een 5D Hough-ruimte nodig hebben wat zeer onpraktisch is
vanwege de hoeveelheid benodigd computergeheugen en rekencapaciteit. Om dit
op te lossen presenteren we een benadering in twee stappen die een 2D en een
3D Hough-ruimte nodig heeft. In de eerste stap detecteren we sterke
hypothesen voor de ori�ntatie van de cilinder. De tweede stap schat de
overige drie parameters van de cilinder, namelijk de straal en de positie.
Het fitten van vlakken, cilinders, bollen, tori en CSG-modellen is erg
belangrijk voor datareductie. Voor het fitten van CSG-modellen presenteert
dit proefschrift drie verschillende methoden voor het benaderen van de
loodrechte afstand. Deze methoden worden vergeleken op basis van snelheid en
precisie.
Ook presenteren we methoden voor de registratie van laserscans die gebruik
maken van gemodelleerde objecten in de individuele scans. Omdat de
beschikbare geometrische structuur wordt gebruikt, is het niet nodig om
meetmerken te plaatsen. We presenteren hiervoor twee methoden, de indirecte
en de directe genoemd. De indirecte methode is een snelle manier om
benaderde waarden te verkrijgen, terwijl de directe methode vervolgens wordt
gebruikt om de benaderde oplossing te verfijnen. Ook presenteren we
technieken voor het automatisch vinden van corresponderende objecten voor
het registreren van scans. De gepresenteerde technieken zijn gebaseerd op
voorwaarde-voortplanting en gebruiken de geometrische informatie, die
beschikbaar is uit eerder vastgestelde correspondenties, om zo de
mogelijkheden voor nieuwe correspondenties uit te filteren.
Hoewel puntenwolken belangrijk zijn voor de automatisering vanwege hun
expliciete 3D informatie, bieden beelden een aanvullende informatiebron
omdat deze goed gedefinieerde randen van de objecten bevatten. We
presenteren methoden voor fitten van CSG-modellen op een combinatie van
puntenwolken en beelden. Ook presenteren we technieken voor de specificatie
van geometrische voorwaarden tussen onderdelen van een CSG-boom en het
gebruik van deze voorwaarden in het schattingsproces. Een classificatie van
veel voorkomende geometrische voorwaarden en hun wiskundige formulering
wordt eveneens gegeven.
We hopen dat de technieken, die in dit proefschrift gepresenteerd worden,
zullen leiden tot een verbetering van de effici�ntie van de reconstructie en
de kwaliteit van uit puntenwolken en beelden verkregen modellen van
industri�le installaties.