Skip to main content

Incremental segmentation of lidar point clouds with an octree-structured voxel space

Buy Article:

$51.00 plus tax (Refund Policy)

Abstract:

Abstract Lidar (light detection and ranging) data implicitly contains abundant three-dimensional spatial information. The segmentation of lidar point clouds is the key procedure for transforming implicit spatial information into explicit spatial information. Common criteria used for point cloud segmentation are proximity and coherence of point distribution. An effective segmentation algorithm may apply various steps or combinations of criteria depending on the application. This paper proposes a four-step segmentation method for lidar point clouds to deliver incremental segmentation results. Segmentation results of each step can provide the fundamental data for the next step. In the first step, the input point cloud is organised into an octree-structured voxel space, in which the point neighbourhood is established. In the second step, connected voxels which are not empty are grouped to obtain grouped points based on proximity. The third step is a coplanar point segmentation based on both coherence and proximity, which was performed on each point group obtained in the second step. Finally, neighbouring coplanar point groups are merged into “co-surface” point groups based on the criteria of plane connection and intersection. This scheme enables an incremental retrieval and analysis of a large lidar data-set. Experimental results demonstrate the effectiveness of the segmentation algorithm in handling both airborne and terrestrial lidar data. It is anticipated that the incremental segmentation results will be useful for object modelling using lidar data.

French
Résumé

Les données lidar contiennent implicitement une abondante information spatiale tridimensionnelle. La segmentation de nuages de points lidar est la procédure qui permet de transformer cette information spatiale implicite en une information spatiale explicite. Les critères couramment utilisés pour la segmentation de nuages de points lidar sont la proximité et la cohérence de la distribution de points. Un algorithme efficace de segmentation peut comprendre plusieurs étapes correspondant à des combinaisons de critères qui dépendent de l’application visée. Cet article propose une méthode de segmentation en quatre étapes, conçue pour fournir à partir de nuages de points des résultats incrémentiels de segmentation. Les résultats de segmentation obtenus à chaque étape fournissent les données de base pour l’étape suivante. A la première étape, le nuage de points initial est réorganisé dans un espace de voxels structuré en arbres octaires. A la deuxième étape, les voxels connexes qui ne sont pas vides sont reliés pour regrouper les points correspondants sur un critère de proximité. La troisième étape est une segmentation de points coplanaires basée à la fois sur des critères de cohérence et de proximité, et appliquée à chacun de groupes de points obtenus à la deuxième étape. Finalement, les groupes coplanaires adjacents sont regroupés en groupes de points cosurfaciques sur des critères de connexion et intersection de plans. Cette procédure permet le traitement et l’analyse incrémentiels de données lidar volumineuses. Les résultats expérimentaux montrent l’efficacité de l’algorithme de segmentation, pour des données lidar aéroportées aussi bien que terrestres. On peut s’attendre à ce que les résultats de la segmentation incrémentielle permettent la modélisation d’objets à partir de données lidar.

Keywords: co-surface; incremental segmentation; lidar; octree; point cloud; voxel space

Document Type: Research Article

DOI: http://dx.doi.org/10.1111/j.1477-9730.2011.00624.x

Affiliations: ( )( tseng@mail.ncku.edu.tw)National Cheng Kung University, Tainan, Taiwan, Email: miaowang@geomatics.ncku.edu.tw

Publication date: March 1, 2011

bpl/phor/2011/00000026/00000133/art00005
dcterms_title,dcterms_description,pub_keyword
6
5
20
40
5

Access Key

Free Content
Free content
New Content
New content
Open Access Content
Open access content
Subscribed Content
Subscribed content
Free Trial Content
Free trial content
Cookie Policy
X
Cookie Policy
ingentaconnect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more