Semantic information derivation from 3D point cloud

Abstract

Lazer tarayıcı teknolojileri son 10 yılda hızla popülerleşti ve çok sayıda endüstriyel soruna çözüm olarak kullanılmaya başlandı. Bunlardan biri de yapıların belgelendirmeleri ve plan çiziminde kullanılan ve `olduğu gibi` anlamına gelen `as∙built` çizimlerdir. Bilindiği gibi pek çok farklı durumda yapıların, binaların ve tarihi kalıntıların lazer tarama teknolojileri kullanılarak belgelenmiş olmaları gerekir ve toplanan nokta bulutlarının gerçek koordinatları ve ölçümleri ile birlikte sayısal ortamda saklanması gerekir. Diğer taraftan toplanan nokta bulutu verisi insanlar tarafından kolay okunabilir ve yorumlanabilir nitelikte değildir. Çoğu durumda nokta bulutu verileri CAD / CBS (GIS) yazılımları kullanılarak insanlar tarafından sadeleştirilir, çizime dönüştürülür. Son yıllarda bu sadeleştirme işlemleri yarı-otomatik obje tanıma yazılımları ile yürütülür hale gelmiştir. Bu yazılımlardan birkaçına örnek olarak PointCAB, LASTools, Dielmo3D verilebilir.Öte yandan, tıpkı CBS gibi, Yapı Bilgi Modellemesi (BIM) de hızla gelişen başka bir çoklu-disiplin uygulama alanıdır. BIM kavramı, inşaat mühendisleri, elektrik mühendisleri, geomatik mühendisleri, mimarlar ve inşaat süreçleri veya bina yönetimi ile ilgili olan tüm diğer uzmanlıkların ortak ilgi alanına girer. Bugünlerde pek çok ülkede BIM tabanlı uygulamalar, kamu binaları ve iş merkezleri gibi çok sayıda insanın içinde bulunacağı binalarda zorunluluk haline getirilmiştir. Bunun birden fazla nedeni vardır. Birincisi, BIM uygulamalarının kullanılmasının, inşaat süreçlerinde eski tarzdaki inşaatlara göre maliyetleri azalttığı bilinmektedir. İkinci olarak da bina inşa edildikten sonra, bina yönetimi ve bakım süreçlerinde görünmeyen masrafları azalttığı görülmüştür.Uygulanmış çizimler (as-built) ve sayısal belgeler bu perspektiften bakıldığında BIM kavramının önemli bir parçasıdır. Gelişmiş ülkelerde pek çok müteahhit firma beton dökümü, zemin sıkıştırma, model uyumunu test etme gibi inşa aşamalarında lazer tarayıcılarını kullanmaya başlamıştır. Bunun yanında, gelişmemiş ülkelerde binaların ve diğer ülkelerde de eski binaların belgelendirmeleri yapılmadığı için veya kat planları olmadığı için benzer bir durum söz konusudur. Yani, belgelendirmesi yapılmayan binaların da lazer tarayıcılar kullanılarak uygulanmış çizimlerinin yapılması gereklidir. Uygulanmış çizimler, buna benzer durumlarda lazer mesafe ölçüm cihazları veya mobil lazer tarayıcılar ile yapılır. Doğal olarak bu süreçlerde en çok zaman alan kısım, objelerin tekrar çizimi, yorumlama ve sınıflandırma vb. işleri kapsayan insanların yaptığı çalışmalarıdır.Bu çalışma kapsamında duvarları, taban ve tavan yüzeylerini nokta bulutu verisi içerisinden otomatik olarak tanıyan bir yöntem önerilmektedir. Bu yöntem, yüzeylerin ontolojik anlamlarını tanımlamayı, semantik veri yapısına aktarılmasını ve objelerin arasındaki ilişkilerin tanımlanmasını içerir. Bu işlemler, dolu bir odada sadece duvar, taban veya tavan geometrilerini dikkate alır; ışıklandırma, pencereler, radyatörler ve diğer mobilyaları göz ardı eder.Çalışma, PCL (Point Cloud Library) olarak bilinen C++ nokta bulutu işleme kütüphanesi kullanılarak yüzeylerin oluşturulması ile başlamaktadır. Bu kütüphanenin kullanımında çeşitli filtreler kullanılarak nokta yoğunluğu azaltılmış, bu yöntemle yüzeyleri ortaya çıkaran algoritmanın düşük performanslı bir cihazda dahi kolaylıkla çalıştırılabilmesi amaçlanmıştır. Random Sample Consensus (RANSAC) olarak bilinen algoritmanın yardımıyla nokta bulutu içerisindeki en fazla noktaya sahip yüzeyler ortaya çıkartılmış, ardından bu yüzeyler 3 boyutlu çokgen geometrilerine dönüştürülmüştür.Oluşturulan geometrilerin, duvar, taban veya tavan olup olmadığı oda ile olan ilişkileri test edilerek belirlenmiştir. Filtrelenmiş nokta bulutunun kapsadığı tüm hacim oda nesnesi olarak kabul edilmiş, prizmatik bir katı cisim modeline dönüştürülmüştür. Aynı katı cisim, yüzeylere parçalanarak ve bu yüzeyler etrafında bir tampon bölge belirlenerek, odayı kısıtlayan objelerin, yani taban, tavan ve duvar geometrilerinin bu tampon bölge ile kesişimi değerlendirilmiştir. Bu yolla bu objeler dışındaki diğer tüm muhtemel yüzey objeleri (çalışmada kullanılan veri setinde masa, ışıklandırma ve dolap benzeri nesneler yer almaktadır) filtrelenmiştir. FME (Feature Manipulation Engine) isimli yazılımın yardımıyla, oda orta noktası ile yüzey orta noktaları arasında oluşan vektörün sağ el kartezyen koordinat sisteminde Z eksenindeki bileşeni hangi yüzeylerin duvar, hangilerinin tavan ve hangilerinin taban olduğunu belirlemede kullanılmıştır. Çalışmanın son aşamasında oluşturulan duvar, taban ve tavan geometrilerinin semantik veri olarak ifadeleri ve sorgulamaları tamamlanmıştır. FME yazılımından oda bileşenleri olarak CSV (Comma Seperated Values) formatında çıkış alınmış, bu formattaki veri Protege isimli ontoloji editörüne otomatik olarak aktarılmıştır. Ardından ontoloji editörü Protege yazılımına eklenti olarak kurulan `reasoning engine`ler (sebep-sonuç ilişkileri kurarak ontolojik sınıflandırmaları yeniden değerlendiren ve bağımsız verileri bu kurallara dayanarak ait oldukları sınıflara atayan yazılım araçları) yardımıyla yüzeylerin ait oldukları ontolojik sınıflara kaydedilmesi sağlanmıştır. Bu yöntemle, semantik veri yeniden değerlendirilmiştir ve üst sınıflar olarak kurgulanan oda, kat ve bina sınıflarına da eş zamanlı olarak kaydolmaları sağlanmıştır. Semantik verinin DL (Descriptive Logic) tabanlı sorgulama yöntemleri (çalışmada SPARQL ve DL Query kullanılmıştır) ile sorgulama örnekleri hazırlanmıştır. Her ne kadar çalışmada lokal dosya formatları kullanılsa da veritabanı teknolojisinin de kullanılabilirliği değerlendirilmiş, özellikle nokta bulutundan basit geometrik şekillere evrildiği aşama sonrasında, mekansal veritabanı teknolojilerinin de desteklediği ortak bir standart olan WKT (Well Known Text) formatı ile tüm platformlarda kolaylıkla işlenebildiği ve analiz edilebildiği gösterilmiştir.Süreçlerin tamamında veri girdi ve çıktılarının otomasyona hazır ve herhangi bir veri seti için uygulanabilir olması göz önünde bulundurulmuştur. Bunun için özellikle parametrik ifadelerden, özellikle oda boyutu ile ilgili olabilecek herhangi bir parametre kullanılmamasına gayret gösterilmiştir. Örnek vermek gerekirse, nokta bulutu içerisinden dışa aktarılan, duvar olma ihtimali olan daha küçük nokta bulutları değerlendirilirken, kıyaslandığı diğer nesne yine ilk nokta bulutunun kendisidir. Dolayısı ile yüzeyler herhangi bir büyüklük değerinden ziyade, tarama yapılan odanın içerisindeki konumlarına göre değerlendirilmiştir.Çalışmanın, son yıllarda gittikçe sayıları artan otomatik semantik veri elde etme çalışmaları ile birlikte değerlendirildiğinde spesifik bir alana odaklandığı söylenebilir, ancak bununla birlikte sürecin tamamının aşama aşama değerlendirilerek ve bir sonraki aşamaya hazır edilerek tasarlanması bakımından ön açıcı olduğu düşünülmektedir. Farklı sektörlerdeki halihazırda bulunan benzer uygulamaların halen insan yorumu ve müdahalesine ihtiyaç duyduğu göz önünde bulundurarak, gelecekte daha kapsamlı çalışmalar ile birlikte makine ve insan görüşü arasındaki açının kapanacağını düşünülmektedir.

Laser scanner technologies takes off rapidly during last ten years and responses many different industrial solutions, such as documenting as-built constructions. In many situations, real constructions, buildings and heritage areas should be documented with laser scanner technologies and point cloud data should be stored with their real world coordinates and measurements. On the other hand, point cloud data is not easily readable and interpretable by humans. In most scenarios, point cloud data is abstracted by humans with help of Computer Aided Design (CAD) and/or Geospatial Information System (GIS) based software tools. In last several years these processes displaced by semi-automatic object recognition softwares and extensions, such as PointCAB, LASTools, Dielmo3D and etc.Building Information Modeling (BIM) is another rapidly developing area, which is also a multi-disciplinary application area like GIS. Civil engineers, electrical engineers, surveying engineers, architects and all experts about construction and building management systems are related with BIM concept. Nowadays, in many country BIM based building construction is declared as mandatory for public buildings and/or business centers, because BIM is not only profitable at construction progress, it is also profitable at building management and maintenance processes. As-built drawings and documentary is also an essential part of BIM. Many contractors in developed countries already use laser scanners to control the production during every implementation phases, such as concrete casting, earth compaction, model-fitting and etc. In undeveloped countries and old buildings at developed countries are also in same situation that are not well documented or does not have floor plans or models. It means there is also a need to document and redraw plans of these buildings. As-built plans of these buildings are created mostly with laser scanners or handheld laser distance measurement devices . Naturally most time consuming part of these processes is the evaluation process that is usually done manually by human beings human work, which includes drawing interpreting and reclassifying objects. In the scope of the study, an automatic methodology to recognize walls, floor and ceiling surfaces in a point cloud data has been proposed.This methodology includes also defining ontological meanings of surfaces, registering to a semantic structure and creating relationships. This progress is only focused on walls, floor and ceiling geometries in a full room without considering other additional indoor objects such as lightings, windows, radiators and other furniture elements.