Masterarbeit Corinna Harmening Raum-zeitliche Segmentierung ...

3 Segmentierung von Laserscandaten
Laserscanner finden insbesondere in der Geodäsie ihre Anwendung, wo sie z. B. zur Erstellung
von digitalen Gelände- oder 3-D-Stadtmodellen sowie zur Rekonstruktion von
industriellen Anlagen eingesetzt werden [Vosselman u. Maas (2010)]. Mit der stetigen
Entwicklung der Robotik in den letzten Jahren nehmen auch die Anwendungsmöglichkeiten
in diesem Bereich zu: Laserscanner auf Robotern werden z. B. für die simultane
Lokalisierung und Kartierung (engl. Simultaneous Localization and Mapping (SLAM))
oder für die Objekterkennung und -verfolgung verwendet (siehe z.B. Montemerlo u. a.
(2002)).
Bei all diesen Anwendungen ist das Messergebnis eines Laserscanners eine ungeordnete
3-D-Punktwolke, die in dieser Form zunächst schwer zu verarbeiten ist [Wang u. Shan
(2009)]. Um aus der aufgenommenen ungeordneten Punktwolke effizient die benötigten
Informationen extrahieren zu können, wird in der Regel eine Prozessierungskette durchlaufen,
die sich aus sogenannten Low-Level- und High-Level-Schritten zusammensetzt.
Nach Besl (1988) zeichnen sich Low-Level-Schritte durch die Verarbeitung ungeordneter
Werte – z. B. Punkte einer 3-D-Punktwolke – aus, während bei High-Level-Schritten
bereits geordnete Gruppen von Punkten die Grundlagen bilden.
3.1 Der Begriff der Segmentierung
Ein sehr bedeutender Low-Level-Schritt bei der Verarbeitung von Punktwolken ist die
Segmentierung. Hierbei wird die Gesamtmenge der aufgenommenen Punkte in disjunkte,
zusammenhängende Teilmengen unterteilt [Gonzalez u. Woods (2002)], sodass die Punkte
innerhalb einer Teilmenge ähnliche Eigenschaften aufweisen, während sich die Punkte
benachbarter Teilmengen in ihren Eigenschaften unterscheiden [Sima u. a. (2013)]. Das
Ergebnis der Segmentierung ist somit eine symbolische Beschreibung der Punktwolke,
die die Grundlage für die nachfolgenden High-Level-Schritte bildet [Arman u. Aggarwal
17