[論文レビュー] Implicit LOD for Processing, Visualisation and Classification in Point Cloud Servers

Rémi Cura, Julien Perret+1 more|arXiv (Cornell University)|Jan 1, 2016

Image Processing and 3D Reconstruction参考文献 23被引用数 4

ひとこと要約

本稿では、点群をパッチにグループ化し、MidOc順序付けを適用することで、処理および可視化中に段階的な精細化が可能な、暗黙的な詳細度（LOD）メカニズムを点群サーバーに導入する。この手法により、効率的なストリーミング、遅いアルゴリズムの高速化、密度ピークの検出、埋め込まれた幾何的記述子によるオンザフライ分類が可能となる。

ABSTRACT

We propose a new paradigm to effortlessly get a portable geometric Level Of Details (LOD) for a point cloud inside a Point Cloud Server. The point cloud is divided into groups of points (patch), then each patch is reordered (MidOc ordering) so that reading points following this order provides more and more details on the patch. This LOD have then multiple applications: point cloud size reduction for visualisation (point cloud streaming) or speeding of slow algorithm, fast density peak detection and correction as well as safeguard for methods that may be sensible to density variations. The LOD method also embeds information about the sensed object geometric nature, and thus can be used as a crude multi-scale dimensionality descriptor, enabling fast classification and on-the-fly filtering for basic classes.

研究の動機と目的

• 明示的なマルチスケール構造を用いずに、ポータブルでオンザフライ幾何的LODを点群サーバーで可能とすること。
• 順序付けによる段階的精細化を活用して、点群のサイズを縮小し、可視化およびストリーミングを効率化すること。
• 点の順序を細かくから粗く処理することで、計算的に高負荷なアルゴリズムの高速化を図ること。
• LOD構造の内在的性質を用いて、密度の変動を検出し、是正すること。
• 高速でマルチスケールの分類およびフィルタリングが可能な、幾何的性質の情報を埋め込むこと。

提案手法

• 処理の局所化を図るため、入力点群を空間的パッチに分割する。
• 各パッチ内でMidOc順序付けを適用し、点が順次読み込まれる際に段階的な詳細の獲得が保証されるようにする。
• 順序付けられたシーケンスを活用して、可視化や計算中にストリーミングおよび段階的精細化を可能にする。
• 順序付け構造を用いて、複数スケールでの幾何的性質および次元性を推定する。
• LODをサーバーパイプラインに統合し、幾何的性質に基づく分類およびフィルタリングを可能にする。
• 順序に沿った点密度の傾向を分析することで、LOD構造を用いて密度ピークの検出と是正を実現する。

実験結果

リサーチクエスチョン

• RQ1 明示的なマルチスケールモデルを用いずに、点群サーバー内にポータブルで暗黙的なLODを生成する方法は何か？
• RQ2 パッチのMidOc順序付けは、可視化およびアルゴリズムの高速化に適した段階的精細化を可能にするか？
• RQ3 LOD構造は、密度ピークの検出および是正にどの程度寄与できるか？
• RQ4 LODは幾何的次元性を暗黙的に符号化でき、高速な分類およびフィルタリングを可能にするか？
• RQ5 暗黙的LODは点群処理および可視化における効率性をどのように向上させるか？

主な発見

• 暗黙的LODにより、MidOc順序付けされたパッチ走査によって段階的に詳細が露わになることで、点群ストリーミングが効率的に行える。
• 順序に基づく粗くから細かく処理する優先順位付けにより、遅いアルゴリズムの高速化が実現される。
• LODシーケンスに沿った密度傾向の内在的性質を活用して、密度ピークの検出と是正が効率的に実行できる。
• LOD構造が幾何的情報を埋め込んでいるため、次元性に基づく高速かつオンザフライの分類およびフィルタリングが可能となる。
• 段階的精細化を通じて幾何的忠実度を保持しながら、可視化に適した点群サイズの縮小が実現される。
• 本手法は、既存の点群サーバー・アーキテクチャと互換性があり、軽量でポータブルなLODソリューションを提供する。