Segmentation et classification de points 3D obtenus à partir de relevés laser terrestres : une approche par super-voxels

Ahmad Kamal Aijazi (1) , Paul Checchin (1) , Laurent Trassoudaine (1)

1 LASMEA - Laboratoire des sciences et matériaux pour l'électronique et d'automatique

Une méthode de classification de données 3D éparses obtenues à partir de relevés laser terrestres en environment urbain est présentée. Elle est fondée sur une technique de segmentation manipulant des super-voxels. Le nuage de points 3D est tout d'abord divisé en voxels caractérisés par plusieurs attributs. Ils deviennent des super-voxels qui sont liés entre eux pour former des objets par une méthode de chainage plutôt que par une croissance de régions classique. Ces objets sont ensuite classifiés à partir de modèles géométriques et des descripteurs locaux. Afin d'évaluer les résultats, une nouvelle métrique est introduite. Elle caractérise à la fois les résultats de la segmentation et de la classification. L'influence sur les résultats de classification de la taille du voxel et de l'incorporation des informations couleur RVB et intensité de réflectance dans le super-voxel est aussi analysée

Mots clés: Segmentation; point 3D; image 3D; super-voxel; classification; scènes urbaines; 3D Point Cloud; Urban Scene

Domaines: Intelligence artificielle [cs.AI]; Vision par ordinateur et reconnaissance de formes [cs.CV]

Ahmad Kamal Aijazi, Paul Checchin, Laurent Trassoudaine. Segmentation et classification de points 3D obtenus à partir de relevés laser terrestres : une approche par super-voxels. RFIA 2012 (Reconnaissance des Formes et Intelligence Artificielle), Jan 2012, Lyon, France. pp.978-2-9539515-2-3. ⟨hal-00656538⟩