PDF-Download - Deutsche Geodätische Kommission

100 KAPITEL 8. EVALUIERUNG DES HPGCL-ALGORITHMUS
(a) Grauwerte des Testbilds im rgb-Raum
(b) 3D Ansicht der gefundenen Cluster
Abbildung 8.17: Testbild als 3D-Punktmenge
8.4.2 3D-Laserdaten (Abstandsdaten)
Die eingeschränkte Verwendbarkeit der Vergrößerung der äußeren Abstände (Modus 3, 4, 7 und 8) aufgrund
der starken Übersegmentierung zeigen auch die Ergebnisse für die 3D-Abstandsdaten (siehe Abb. 8.19).
Überraschend gute Ergebnisse ergeben die Modi 2 und 6, wenn man berücksichtigt, dass kein explizites
Flächenmodell (z.B. Krümmungsverhalten) vorliegt. Auch die feineren Zerlegungen der Modi 1 und 5 sind
erwartungsgemäß, wenn man berücksichtigt, dass die Laserdaten, wie in Abbildung 8.5 zu sehen, mehr oder
weniger große Lücken aufweisen.
8.4.3 Gebäudedatensatz
Die für die manuelle Clusterauswertung verwendeten Punktmengen (Abb. 8.1) sind zwei Teilmengen der in
Abb. 8.3 dargestellten Punktmenge. Die Ergebnisse des HPGCL-Algorithmus zu diesen Testdaten für Modus
1 bis 8 sind in den Abbildungen 8.20 und 8.21 dargestellt. Wie diese Abbildungen zeigen, liefern auch hier
die Modi 2 und 6 die kompaktesten Zerlegungen, die auch gut vergleichbar mit den manuellen Auswertungen
(siehe Anhang A) sind. Die automatischen Ergebnisse für den ersten Testdatensatz stimmen relativ gut mit
den manuellen Ergebnissen überein. Für den zweiten Testdatensatz ergibt sich besonders für das Ergebnis aus
Abbildung 8.21(b) eine relativ gute Übereinstimmung mit den manuellen Auswertungen in den Abbildungen
A.2(a), A.3(a)(d) und A.4(b).
Der zweite Testdatensatz zeigt ebenfalls, dass die Segmentierung einer Punktmenge auch für den Menschen nicht
eindeutig ist, da die Segmentierungsergebnisse hier stärker voneinander abweichen als im ersten Testdatensatz.
Es zeigt sich jedoch, dass der HPGCL-Algorithmus generell stärker segmentiert als die manuellen Auswerter,
d.h. die Anzahl der Cluster ist höher. Bei den manuellen Auswertungen wurden im ersten Testdatensatz im
Mittel zwischen 11 und 15 Cluster bestimmt. Dagegen lieferte der HPGCL-Algorithmus 19 Cluster im Modus 2
und 22 Cluster im Modus 6. Im Falle des zweiten Testdatensatzes ergaben sich bei den manuellen Auswertungen
zwischen 11 und 22 Cluster. Die automatische Auswertung lieferte hier 49 Cluster im Modus 2 und 48 Cluster
im Modus 6.
Besonders am zweiten Testdatensatz zeigt sich, dass bei der automatischen Segmentierung mehr linienförmige
Cluster erkannt werden als bei den manuellen Auswertungen, die überwiegend aus flächenförmigen Clustern