Project

Back to overview

Reconstruction of Large-Scale Interior Environments

Applicant Pajarola Renato
Number 159225
Funding scheme Project funding (Div. I-III)
Research institution Institut für Informatik Universität Zürich
Institution of higher education University of Zurich - ZH
Main discipline Information Technology
Start/End 01.02.2016 - 31.05.2019
Approved amount 188'464.00
Show all

Keywords (3)

Computer Graphics; 3D Reconstruction; Laser Range Scanning

Lay Summary (German)

Lead
Aktuelle und zukünftige Sensortechnologien unterstützen die Akquisition von sehr grossen räumlichen Geometrie- und Bilddaten, welche eine digitale Abbildung unserer Umgebung in grösster Detailtreue erlauben. Speziell die 3D Messtechnologien mittels Laser und strukturierter Licht Scanner erleben unglaubliche Fortschritte in Qualität, Präzision, Geschwindigkeit und Anwendbarkeit. Durch diese Fortschritte im Bereich der 3D Imaging und Scanning Technologien ist die effiziente Verarbeitung von massiven 3D Daten und die Rekonstruktion von 3D Modellen ein zentraler Entwicklungs- und Forschungsschwerpunkt geworden mit zahlreichen potentiellen Anwendungen in den Bereichen digitale Architektur, virtuelles Gebäudemanagement, sowie industrielle 3D Dokumentation. In diesem Projekt liegt der Fokus auf der Rekonstruktion der inneren Strukturen und Räume von Gebäuden, die erarbeiteten Kenntnisse werden jedoch auch einen positiven Einfluss auf andere Anwendungsszenarien von 3D Rekonstruktion haben.
Lay summary

Das übergeordnete Projektziel ist die Entwicklung von robusten Methoden und Algorithmen welche es erlauben aus grossen detaillierten 3D Punktmessdaten genaue 3D Modelle weitgehend automatisch zu rekonstruieren. In diesem Projekt werden effiziente Lösungen gesucht welche die Probleme umgehen können die entstehen durch fehlende Daten, teilweise Abdeckung durch Hindernisse, sowie strukturelle Artefakte die andernfalls zeitaufwendige manuelle Nachbearbeitung erfordern. Zudem zielt das Projekt auch auf die Extraktion von semantischen Informationen ab.

Spezifisch werden neue Methoden gesucht und entwickelt für die effiziente geometrische und semantische Rekonstruktion von komplexen 3D Innenräumen, Strukturen und Objekten aus grossen 3D Punktmessdaten. Das Projekt ist auf folgenden vier zentralen Aufgabenschwerpunkten aufgebaut die verschiedenen Stufen im Rekonstruktionsprozess entsprechen. (i) Entwicklung von neuen Methoden um stark korrumpierte Daten zu handhaben, grosse strukturelle Artefakte zu entfernen und fehlende Daten zu komplettieren. (ii) Entwicklung von robusten lokalen Oberflächenanalyse- und Fitting-Verfahren basierend auf aggregierten Punktdaten. (iii)  Entwicklung von Kriterien zur automatischen Detektion von strukturellen architektonischen Elementen, basierend auf der Analyse der relativen Anordnung individueller Komponenten. (iv) Entwicklung von Methoden zur Analyse der strukturellen Form oder räumlichen Anordnung von Komponenten und Objekten welche die Extraktion von semantischen Informationen unterstützen.

Unser Projekt wird neue geometrische Analysemethoden und Algorithmen generieren und den Stat-of-the-Art im Bereich von Large-Scale 3D Rekonstruktion vorantreiben. Wir erwarten, dass unsere Arbeiten auch neue Perspektiven in der digitalen architekturellen und industriellen 3D Dokumentation eröffnen.

Direct link to Lay Summary Last update: 02.04.2015

Responsible applicant and co-applicants

Employees

Publications

Publication
ASPIRE: Automatic scanner position reconstruction
Michailidis Georgios-Tsampikos, Pajarola Renato (2019), ASPIRE: Automatic scanner position reconstruction, in The Visual Computer.
Analysis of Semantic Labeling of Point Clouds
ZawallichLars, PajarolaRenato (2019), Analysis of Semantic Labeling of Point Clouds, University of Zürich, Zürich.
Enhanced Reconstruction of Architectural Wall Surfaces for 3D Building Models
MichailidisGeorgios-Tsampikos (2019), Enhanced Reconstruction of Architectural Wall Surfaces for 3D Building Models, in Posters Eurographics Conference, The Eurographics Association, -.
Robust normal estimation in unstructured 3D point clouds by selective normal space exploration
Mura Claudio, Wyss Gregory, Pajarola Renato (2018), Robust normal estimation in unstructured 3D point clouds by selective normal space exploration, in The Visual Computer, 34(6-8), 961-971.
Exploiting the room structure of buildings for scalable architectural modeling of interiors
Mura Claudio, Pajarola Renato (2017), Exploiting the room structure of buildings for scalable architectural modeling of interiors, in ACM SIGGRAPH 2017 Posters, Los Angeles, CaliforniaACM, Los Angeles.

Collaboration

Group / person Country
Types of collaboration
Center for Advanced Studies, Research and Development in Sardinia Italy (Europe)
- in-depth/constructive exchanges on approaches, methods or results
- Publication
- Exchange of personnel
University of Rostock Germany (Europe)
- in-depth/constructive exchanges on approaches, methods or results
- Publication
- Exchange of personnel
University of California Irvine United States of America (North America)
- in-depth/constructive exchanges on approaches, methods or results
- Publication

Scientific events

Active participation

Title Type of contribution Title of article or contribution Date Place Persons involved
Eurographics Conference Poster Exploiting the Room Structure of Buildings for Scalable Architectural Modeling of Interiors 06.05.2019 Porto, Portugal Pajarola Renato;
ACM SIGGRAPH Poster Exploiting the Room Structure of Buildings for Scalable Architectural Modeling of Interiors 12.08.2018 Vancouver, Canada Pajarola Renato;
Computer Graphics International Talk given at a conference Robust Normal Estimation in Unstructured 3D Point Clouds by Selective Normal Space Exploration 11.06.2018 Bintan, Indonesia Pajarola Renato; Gregory Wyss;
Colloquium February 2016
Collaborative Research Center (SFB/Transregio) 161: Quantitative Methods for Visual Computing Individual talk Architectural 3D Reconstruction of Indoor Environments 01.02.2016 Stuttgart, Germany Pajarola Renato;


Communication with the public

Communication Title Media Place Year
Talks/events/exhibitions Digital Festival 2017: Medien im digitalen Wandel – Fake News, Social Bots ind Manipulation German-speaking Switzerland 2017
Talks/events/exhibitions Informatik Tage 2017 German-speaking Switzerland 2017
Talks/events/exhibitions Scientifica 2017: Was Daten verraten German-speaking Switzerland 2017

Awards

Title Year
2nd Best Paper Award at CGI 2018 2018
ACM Senior Membership 2017
IEEE Senior Membership 2016

Abstract

Current and future sensor technologies are capable of generating massive spatio-temporal 3D point data sets. This mass of spatial data will facilitate the capturing of our environment in a highly detailed way. Driven by the advancement in digital 3D imaging and scanning technology, the efficient capturing, processing and reconstruction of 3D objects and environments has become a central task in many application domains such as, e.g. ,computer aided architecture or virtual engineering. With points inherently representing only discrete independent samples, and given the massive amounts of point samples that can be generated by capturing systems, the major challenges lie in the efficient processing of large point data sets and the extraction of structural as well as semantic shape information. This research project proposes new methods and models for the effective geometric and semantic reconstruction of 3D interior environments from massive scanned point sample data that handle both structural (architectural) components as well as individual objects.
-