Określenie wpływu jakości atrybutu RGB powiązanego z danymi naziemnego skaningu laserowego na proces segmentacji

W artykule zostały przedstawione wyniki badań wpływu jakości radiometrycznej atrybutu RGB chmury punktów z naziemnego skaningu laserowego na proces jej segmentacji. W badaniach wykorzystano chmurę punktów ze skanera FARO Photon 120 o rozdzielczości 5 mm, opisującą fragment pomieszczenia biurowego, oraz cyfrowe zdjęcia barwne wykonane różnymi aparatami cyfrowymi. Zdjęcia zrobiono lustrzanką cyfrową Nikon D3X, lustrzanką Canon D200 zintegrowaną ze skanerem laserowym, aparatem kompaktowym Panasonic TZ-30 oraz aparatem cyfrowym w telefonie komórkowym Samsung. Informację barwną ze zdjęć cyfrowych powiązano z chmurą punktów w oprogramowaniu Faro SCENE. Segmentację danych testowych po atrybucie RGB wykonano w opracowanej autorskiej aplikacji „RGB Segmentation”. Aplikacja bazowała na ogólnodostępnych bibliotekach Point Cloud Library (PCL). Umożliwiała wyodrębnienie ze źródłowej chmury punktów podzbiorów spełniających założone kryteria segmentacji z wykorzystaniem metody rosnących regionów. Wykorzystując opracowaną aplikację, wykonano segmentację czterech testowych chmur punktów zawierających atrybuty RGB z różnych źródeł. Ocena procesu segmentacji została przeprowadzona na podstawie porównania podzbiorów uzyskanych przy wykorzystaniu wspomnianej aplikacji i pogrupowanych manualnie przez operatora. Porównaniu podlegały: liczba uzyskanych segmentów, liczba poprawnie zidentyfikowanych obiektów oraz procent właściwie posegmentowanych punktów. Największy procent poprawnie posegmentowanych punktów i największą liczbę zidentyfikowanych obiektów uzyskano przy zastosowaniu danych skanerowych z atrybutem RGB ze zdjęć wykonanych Nikonem D3X. Na podstawie badań stwierdzono również, że jakość atrybutu RGB chmury punktów wpływa tylko na liczbę zidentyfikowanych obiektów. Wynik procesu segmentacji zbioru punktów skaningu laserowego nie jest funkcją obrazu RGB powiązanego z tym zbiorem.

The article presents the results of research on the effect that radiometric quality of point cloud RGB attributes have on color-based segmentation. In the research, a point cloud with a resolution of 5 mm, received from FARO Photon 120 scanner, described the fragment of an office’s room and color images were taken by various digital cameras. The images were acquired by SLR Nikon D3X, and SLR Canon D200 integrated with the laser scanner, compact camera Panasonic TZ-30 and a mobile phone digital camera. Color information from images was spatially related to point cloud in FARO Scene software. The color-based segmentation of testing data was performed with the use of a developed application named “RGB Segmentation”. The application was based on public Point Cloud Libraries (PCL) and allowed to extract subsets of points fulfilling the criteria of segmentation from the source point cloud using region growing method. Using the developed application, the segmentation of four tested point clouds containing different RGB attributes from various images was performed. Evaluation of segmentation process was performed based on comparison of segments acquired using the developed application and extracted manually by an operator. The following items were compared: the number of obtained segments, the number of correctly identified objects and the correctness of segmentation process. The best correctness of segmentation and most identified objects were obtained using the data with RGB attribute from Nikon D3X images. Based on the results it was found that quality of RGB attributes of point cloud had impact only on the number of identified objects. In case of correctness of the segmentation, as well as its error no apparent relationship between the quality of color information and the result of the process was found.