Bildbasierte Rekonstruktion von Gebäuden durch Fitting volumetrischer Körper

Abstract

In dieser Arbeit wird ein Annäherungsalgorithmus entwickelt, mithilfe dessen verschiedene Gebäuden anhand eines zweidimensionalen Bildes zu einem dreidimensionalen Objekt rekonstruiert werden. Eine automatische Objekterkennung im Eingabebild ist nicht Teil der Arbeit, da der Fokus auf der genauen Rekonstruktion liegt. Stattdessen sollen die Eckpunkte des Gebäudes durch den Anwender eingegeben werden. Um den Prozess zu vereinfachen, werden die Gebäude in mehrere Einzelteile unterteilt, zum Beispiel wird ein Einfamilienhaus aus einem Quader und einem Prisma zusammengesetzt. Diese Einzelobjekte gibt es in einer Datenbank als Modellobjekte. Aus dieser Datenbank wird anhand der Benutzereingabe die passenden Objektteile für die Rekonstruktion entnommen. Bei der Rekonstruktion werden sowohl der Ort und die Dimension des Modellobjekts rekonstruiert, als auch auch der Ort und Blickwinkel der Kamera, mit der das Objekt des Eingabebildes aufgenommen wurde. Für die Annäherung wird das Gradientenabstiegsverfahren verwendet. Dieses findet, abhängig von den Eigenschaften des Modellobjekts, nicht immer ein optimales Ergebnis. Daher wird es mit einem Simulated Annealing Algorithmus kombiniert, um die Wahrscheinlichkeit eines sehr guten Rekonstruktionsergebnisses zu erhöhen. Auÿerdem wird in dieser Arbeit ein Algorithmus mit dem Namen 'Sticky Objects' entwickelt, mit der rekonstruierte Einzelobjekte, die nicht exakt auf oder aneinander liegen, zum Beispiel wenn sie aus einer anderen Perspektive betrachtet im Raum schweben, aneinander haftend gemacht. Es wird ein Prototyp für die Anwendung entwickelt, der bestätigt, dass die hier verwendeten Algorithmen sich für bestimmte Beispiele sehr gut eignen. Ob ein Objekt mit einem sehr guten Ergebnis rekonstruiert werden kann, hängt von seinen Eigenschaften und denen der Modellparameter ab. Es werden zum Schluss dieser Arbeit Erweiterungsmöglichkeiten zusammengetragen, mit denen der Rekonstruktionsprozess optimiert werden kann.

In this thesis, an approximation algorithm is developed by which different kinds of buildings are reconstructed from a two dimensional picture to a three dimensional object. An automatic object recognition on the input image is not part of this thesis, as the focus is on the exact reconstruction. Instead, the corner points of the building should be entered by the user. To simplify the process, the buildings are divided into several parts, e.g. a single family house is composed of a cuboid and a prism. These individual object parts exist in a database as model objects. Based on the user input, the appropriate object parts for the reconstruction are taken from this database. The algorithm reconstructs the location and dimension of the object as well as the location and angle of the camera used to capture the object of the input image. For the approximation, the gradient descent method is used. Depending on the properties of the model object, the gradient descent method does not always find the optimal result. To increase the likelihood of finding a very good result, it is combined with a simulated annealing algorithm. In addition, there are cases where individually reconstructed object parts look like a whole building in one perspective, but float in space in a different perspective, an algorithm called 'Sticky Objects' is developed to make sure that the individually reconstructed objects stick together. A prototype for the application is implemented to confirm the suitability of the chosen algorithms for certain examples. Whether an object can be reconstructed with a very good result depends a lot on its properties and those of the model object parameters. At the end of this thesis, several extension possibilities for an optimization of the reconstruction process are compiled.