Análisis de Datos 3D Para Generación Automática de Modelos BIM de Interiores Habitados

A. Adán

Spain

Universidad de Castilla La Mancha

Departamento de Ingeniería Eléctrica, Electrónica y Automática

D. Huber

United States

Carnegie Mellon University

The Robotics Institute

Enviado: 19-02-2018

|

Aceptado: 19-02-2018

|
DOI: https://doi.org/10.1016/j.riai.2011.09.010
Datos de financiación

Descargas

Palabras clave:

Procesamiento de datos 3D, Visión por Computador, Digitalización, Modelado 3D, Reconocimiento

Agencias de apoyo:

National Science Foundation (NSF) de Estados Unidos.

Resumen:

Hasta la fecha, el procesamiento de la información proporcionada por escáners de media distancia en entornos de construcciones civiles y edificios se ha limitado, en la mayoría de los casos, a tareas de registro o generación manual de modelos tridimensionales CAD. En este artículo se da un paso más allá, acometiendo soluciones para problemas de segmentación automática y reconocimiento de partes representativas del entorno como uno de los pasos esenciales hacia la generación automática de modelos BIM (Building Information Models) en entornos habitados. Específicamente, se propone un procedimiento para identificar partes esenciales de la estructura de interiores de edificios en entornos altamente desordenados y con un alto componente de oclusión (Figura 1). La dificultad en el tratamiento de millones de puntos inconexos en un espacio no estructurado con fines de inteligencia artificial, hace especialmente atractiva esta línea de investigación, aun no desarrollada en la comunidad científica. El artículo expone una solución a través de etiquetado dinámico y aprendizaje en varias fases que finaliza con la reconstrucción de la superficie básica de interiores (paredes, suelo y techo) y la identificación de partes importantes en el modelo BIM en interiores (puertas, ventanas, armarios, etc). La técnica presentada en este artículo se ha experimentado con éxito sobre datos 3D de edificios proporcionados por empresas profesionales en digitalización con láser escáners de media distancia.
Ver más Ver menos

Citas:

Ali H., Ahmed B. P. Gerhard, 2008. Robust Window Detection from 3D Laser Scanner Data. Congress on Image and Signal Processing, Vol 2, 115-118. Sayna/Hainan, China.

Blaer P.S. and Allen P.K., 2007. Data Acquisition and View Planning for 3D Modeling Tasks. IEEE/RSJ International Conference on Intelligence Robots and Systems, (IROS’07). Vol 1, pp 417-422. San Diego, CA.

Bohm J., Becker S., Haala N., 2007. Model Refinement by Integrated Processing of Laser Scanning and Photogrammetry. Institute for Photogrammetry, Universitaet Stuttgart.

Castellani U., Livatino S., Fisher R., 2002. Improving Environment Modelling by Edge Occlusion Surface Completion. Proceeding of the Third International Symposium on 3D Data Processing, Visualization and Transmission (3DPVT’02), pp 672-675. Padova. Italy.

Chen Z. and Birchfield S.T., 2008. Visual Detection of Lintel-Occluded Doors from a Single Image. First International Workshop on Internet Vision pp1-8. Anchorage, AK, USA, June.

Dell’Acqua F., Fisher R., 2002. Reconstruction of Planar Surface Behind Occlusions in Range Images. IEEE Transtactions on Pattern Analysis and machine Intelligence, Vol 24, 569-575.

Dick A.R., Torr P.H., Ruffle S.J. and Cipolla R., 2001. Combining Single View Recognition and Multiple View Stereo for Architectural Scenes. International Conference Computer Vision, pp 268-280. Vancouver, BC, Canada.

Elmqvist N. and Tsigas P., 2008. A Taxonomy of 3D occlusion Management for Visualization. IEEE Transactions of Visualization and Computer Graphics, Vol 14, No 5, 1095 –1109.

Han F., Tu Z., Zhu S., 2002. A stocastic Algorithm for Scene Segmentation and Reconstruction. ECCV 2002. Lecture Notes in Computer Science 2352m, pp 502-51.

Hough P.V.C., 1959. Machine Analysis of Bubble Chamber Pictures, Proceedings of High Energy Accelerators and Instrumentation.

Huang H., Lee A. and Mumford D., 2000. Statistics of Range Images. IEEE International Conference on Computer Vision and Pattern Recognition pp 324-331 Hilton Head Island, SC, USA, June 2000.

Lee J., Doh N.L., Chung W.K, You B.J., Youm Y.I., 2004. Door Detection Algorithm of Mobile Robot in Hallway Using PC Camera. Conf. ISARC 2004, Korea.

Low K.L. and Lastra A., 2006. Efficient Constraint Evaluation Algorithms for Hierarchical Nex-Best-View Planning. Proceeding of the Third International Symposium on 3D Data Processing, Visualization and Transmission (3DPVT’06), pp 830 - 837. University of North Carolina, Chapel Hill, USA, June 14-June 16.

Muñoz Salinas R., Aguirre E., Garcia-Silvente M., 2006. Detection of Doors Using a Genetic Visual Fuzzy System for Mobile Robots. Autonomous Robot (2006) 21: 123-141.

Okorn B.E., Xiong X., Akinci B., and Huber D., 2010. Toward Automated Modeling of Floor Plans. Proceedings of the Symposium on 3D Data Processing, Visualization and Transmission. Espace Saint Martin, Paris, France, May 17-20.

Pospisilova R., 2007. Occlusion Detection and Surface Completion in 3D Reconstruction of Man-Made Environments. 15th International Conference Central Europe on Computer Graphics, Visualization and Computer Vision, pp 133-140. University of West Bohemia, Campus Bory, Plzen - Bory, Czech Republic.

Sanchiz J.M., Fisher R.B., 1999. A next-best-view algorithm for 3D scene recovery with 5 degrees of freedom. BMVC99, pp 163-172. Nottingham, UK.

Sappa A.D., 2004. Automatic Extraction of Planar Projections from Panoramic Range Images. 2nd International Symposium on 3D Data Processing, Visualization and Transmision. pp 231-234.

Vapnik V.N., 1998. Statistical Learning Theory. John Wiley & Sons, Inc.

Wang J. and Oliveira M., 2002. Improved Scene Reconstruction from Range Images. Computer Graphics Forum Vol 31 (3), pp 521-530.

Werner T., Zisserman A., 2002. Model Selection for Automated reconstruction from Multiple Views. British Machine Vision Conference, Cardiff, UK, pp 53-62.

Ver más Ver menos