A Methodology for Automated Segmentation and Reconstruction of Urban 3-D Buildings from ALS Point Clouds
Notice bibliographique
Résumé
In this paper, a methodology which allows automated and efficient reconstruction of three-dimensional (3-D) geometric building models from an Airborne Laser Scanning (ALS) point cloud is introduced and its performance is analyzed and evaluated. The proposed method avoids abnormal and/or infinite solutions which are typically encountered in previously published methods that use the rooftop primitive adjacency matrix to solve the critical rooftop vertices. In particular, first, an improved random sample consensus (RANSAC) algorithm is proposed to segment the rooftop primitives, i.e., the planar patches that constitute rooftops, of each building or group of connected buildings. The algorithm successfully maintains topological consistency among primitives and avoids under- and over-segmentation with high efficiency. Second, a novel Voronoi-based primitive boundary extraction algorithm under constraints of outer and inner building boundaries is introduced in order to extract each primitive boundary. In this algorithm, the adjacent segmented primitive relationships among the various primitives are preserved by a subgraph of the Voronoi diagram so that the reconstructed neighbor primitives are seamlessly connected. Third, in order to refine the boundary shapes of primitives with irregular geometry, various criteria for making the boundary adjustments more effective are proposed. In this way, more regular 3-D buildings can be produced. Finally, the primitive boundary simplification criteria are formally introduced to generate compact 3-D building models. By using the simplification criteria, nonadjacency between neighbor primitives, intersection between boundaries, and self-intersections are, to a great extent, avoided. Numerous experimental results obtained using multiple data sets, including data from the cities of Toronto and Enschede as well as from the Niagara area, have shown that the proposed methodology has excellent performance and it can produce watertight 3-D polyhedral building models.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».