Stilla, Uwe (Prof. Dr.); Mayer, Helmut (Prof. Dr.)
Language:
en
Subject group:
BAU Bauingenieurwesen, Vermessungswesen
TUM classification:
BAU 950
Abstract:
For monitoring construction sites subsequent point clouds are co-registered, semantically segmented, and changes detected. The registration is performed in the frequency domain by correlating global spectra. The segmentation is achieved by reduction of feature dimensionality and using deep neural networks. Changes are detected by applying the Dempster-Shafter theory. Performance of co-registration and segmentation on benchmarks datasets is compared with state-of-the-art methods.
Translated abstract:
Zum Monitoring von Baustellen werden nacheinander aufgenommene Punktwolken koregistriert, semantisch segmentiert und Änderungen detektiert. Die Koregistrierung wird durch Korrelation von globalen Spektren im Frequenzbereich durchgeführt. Die Segmentierung erfolgt durch Reduzierung der Merkmalsdimension und Anwendung tiefer neuronale Netze. Zur Änderungsdetektion wird die Dempster-Shafter-Theorie angewendet. Die Leistungsfähigkeit der Koregistrierung und Segmentierung wird auf Benchmark-Datensätzen mit State-of-the-Art Methoden verglichen.
«
Zum Monitoring von Baustellen werden nacheinander aufgenommene Punktwolken koregistriert, semantisch segmentiert und Änderungen detektiert. Die Koregistrierung wird durch Korrelation von globalen Spektren im Frequenzbereich durchgeführt. Die Segmentierung erfolgt durch Reduzierung der Merkmalsdimension und Anwendung tiefer neuronale Netze. Zur Änderungsdetektion wird die Dempster-Shafter-Theorie angewendet. Die Leistungsfähigkeit der Koregistrierung und Segmentierung wird auf Benchmark-Datensätz...
»