[論文レビュー] Implicit LOD using points ordering for processing and visualisation in Point Cloud Servers

Rémi Cura, Julien Perret+1 more|arXiv (Cornell University)|Feb 22, 2016

Remote Sensing and LiDAR Applications参考文献 25被引用数 3

ひとこと要約

本稿では、空間的パッチ内の点の順序を用いて外部メタデータを必要とせず幾何的LODを符号化する、新しい暗黙的LOD（詳細度）方式を点群サーバーに提案する。中点八分木（MidOc）順序付けを用いることで、可視化、密度補正、アルゴリズムの高速化のための効率的かつオンザフライでのLOD選択が可能となり、階層的点群化と空間局所性を活用することで、最大10倍の高速化を達成し、データ転送を大幅に改善する。

ABSTRACT

Lidar datasets now commonly reach Billions of points and are very dense. Using these point cloud becomes challenging, as the high number of points is intractable for most applications and for visualisation.In this work we propose a new paradigm to easily get a portable geometric Level Of Details (LOD) inside a Point Cloud Server.The main idea is to not store the LOD information in an external additional file, but instead to store it implicitly by exploiting the order of the points.The point cloud is divided into groups (patches). These patches are ordered so that their order gradually provides more and more details on the patch. We demonstrate the interest of our method with several classical uses of LOD, such as visualisation of massive point cloud, algorithm acceleration, fast density peak detection and correction.

研究の動機と目的

• ビッグデータ時代における、大規模で高密度な点群の管理という課題に取り組むこと。全解像度データは大多数の応用分野では現実的ではない。
• 外部メタデータや複雑な幾何的再構築に依存する従来のLOD手法の制限を克服し、LODを点の順序に暗黙的に埋め込むこと。
• ポータブルで自己完結的なLOD表現を用いて、数十億点のデータセットの効率的かつスケーラブルな処理と可視化を可能にすること。
• インタラクティブなWeb可視化、密度ピーク検出、データ削減といった実用的応用を、最小限の計算コストでサポートすること。

提案手法

• 点群を空間的パッチに分割し、局所的かつ階層的な処理とLOD表現を可能にする。
• 各LODレベルで、各八分木セルの中心に最も近い点を選んでパッチを表現する中点八分木（MidOc）順序付け戦略を適用する。
• サーバー内の点の固有の順序を用いて、複数の詳細度を暗黙的に符号化し、外部LODファイルの必要性を排除する。
• マーティン（Z-順序）またはヒルベルトカーブに基づく空間インデックスを活用し、階層的点サブセットへの高速なビット単位のアクセスを実現する。
• 視認距離に応じて必要なLODレベルのみを取得することで、部分的LODアクセスをサポートする（例：可視範囲クリッピングにおける可視化）。
• 粗いLODでも幾何的忠実性とカバレッジを維持するため、各LODレベル内での点の順序付けを実施し、点密度の変動にかかわらず頑健性を確保する。

実験結果

リサーチクエスチョン

• RQ1 外部メタデータを必要とせず、点群データ構造にLODを暗黙的に埋め込むことは可能か？ これにより、効率的かつポータブルな処理が可能になるか？
• RQ2 空間的パッチ内の点の順序をどのように用いることで、信頼性があり幾何的に意味のある詳細度の階層を生成できるか？
• RQ3 MidOc順序付けによる暗黙的LODは、可視化、密度補正、アルゴリズムの高速化において、どの程度性能向上をもたらすか？
• RQ4 点群サーバーにおける順序付きパッチを用いた場合、データ転送速度、計算コスト、LOD品質の間でどのようなトレードオフが生じるか？
• RQ5 本手法は帯域制限下でも、Webベースの可視化においてリアルタイムまたは準リアルタイム処理をサポートできるか？

主な発見

• MidOc順序付けを用いた暗黙的LOD方式により、全解像度ストリーミングに比べ最大10倍の高速なデータ転送が実現され、Webベースの可視化性能が顕著に向上した。
• 個々の点を読み取らずにパッチごとの点数を分析するため、本手法は大規模データセットにおいて1秒未満で異常検出が可能であり、高速な密度ピーク検出を実現した。
• ユーザーが定義した最大点数に制限することで、データ損失がなく、最小限の実行時コストで即座に密度補正が可能となった。
• 部分的LODアクセスが可能である：必要なLODレベルのみが取得され、I/Oが削減され、特に遠方でのレンダリングが高速化された。
• 本手法は点密度の変動に強く、事前の表面再構築や複雑な幾何的モデリングを必要としない。
• 現在のI/Oボトルネック（180M点/時間）が存在するが、低レベルC言語実装やGPUベースの八分木構築により、スケーラブルかつ高速化可能である。