Generierung von thermischen Punktwolken von Gebäuden aus Infrarotbildsequenzen und MLS-Punktwolken
Generation of Thermal Point Clouds of Buildings from Infrared Image Sequences and MLS Point Clouds
Ludwig Hoegner, Jingwei Zhu, Yusheng Xu, Uwe Stilla
Thermische Infrarotbilder (TIR-Bilder) werden häufig zur Bewertung des Energieverbrauchs und der Leckagen von Gebäuden verwendet. Um die Schwierigkeiten der Bildinterpretation und der Verdeckung in TIR-Bildern zu reduzieren, ist der Übergang von Bilddaten zu georeferenzierten 3D-Koordinaten von Gebäuden erforderlich. In diesem Beitrag werden Punktwolken des mobilen Laserscannings (MLS) mit thermalen Intensitätswerten aus TIR-Bildsequenzen angereichert. Zunächst wird eine Methode zur Extraktion und Zuordnung von markanten Punkten sowohl aus der Punktwolke als auch aus den TIR-Bildern auf der Grundlage von Linienüberschneidungen vorgestellt und mit der Extraktion von 2D- und 3D-Harris-Corner-Punkten verglichen. Dann wird ein Korrespondenzbestimmungsalgorithmus auf der Grundlage von RANSAC für die Orientierungsschätzung der TIR-Bilder relativ zur Punktwolke vorgeschlagen und getestet. Die Punktwolke wird dann auf jedes Bild projiziert, um die TIR-Intensitäten für jeden Punkt zu interpolieren. Schließlich wird Non-Local-Means verwendet, um für jeden 3D-Punkt aus allen TIR-Bildern einen finalen Intensitätswert zu bestimmen.
Thermal infrared imagery (TIR imagery) is widely used to assess building energy use and leakage. To reduce the difficulties of image interpretation and occlusion in TIR images, the transition from image data to georeferenced 3D coordinates of buildings is required. In this paper, point clouds of mobile laser scanning (MLS) are automatically enriched with thermal intensities from a TIR image sequence. First, a method for extracting and mapping salient points from both the point cloud and TIR images based on line intersections is presented and compared with the extraction of 2D and 3D Harris Corner points. Then, a correspondence determination algorithm based on RANSAC is proposed and tested for the orientation estimation of the TIR images relative to the point cloud. The point cloud is then projected into every image to interpolate TIR intensities for every point. Finally, Non-Local-Means is used to determine a final intensity value for each 3D point from all TIR images where the 3D point is visible.
Schlüsselwörter: Mobile Mapping, 3D-Punktwolke, Infrarot, Sensorfusion, 3D-Gebäudemodell
Keywords: Mobile mapping, 3D point cloud, infrared, sensor fusion, 3D building model
Download PDF