Fakultät Informatik

Generation of Huge Points Clouds

Betreuer: Dipl. Inf. Jens Krüger
Bearbeiter: Christian Gerum


Aufgabenstellung
Um die Grenzen des von Dipl. Inf. Jens Krüger konziperten Kompressionstools HiraGen, welches große Punktwolken sehr effektiv komprimiert, zu testen, mussten sehr große Eingabedatenmengen generiert werden. Zu diesem Zweck wurde auf drei verschiedene Datenquellen zurückgegriffen:


Durchführung

  1. Der Wholebody Scan
    Als erste Quelle wurde der Ganzkörperscan eines Menschen gewählt. Abhängig eines frei wählbaren Absorbtionswertes werden verschiedene Strukturen extrahiert, z.B. Knochen oder Haut. Dieser Ansatz wurde sowohl für das vorgegebene kubische (Werte-)Gitter als auch für ein daraus berechnetes Dodekaeder Gitter realisiert. Die Berechnung der Normalen erfolgte über ein externes Tool.
  2. Analytische Funktionen
    Als weitere Quelle wurden drei dreidimensionale Objekte beschreibende analytische Funktionen implementiert. Dies waren eine einfache Wellenoberfläche, eine bestimmte Form der Chmutov Surface und eine leicht modifizierte Version der Roman Surface. Die Normalen wurden direkt berechnet.

    3. Scan der Erdoberfläche Dieser Satellitenscan der Erdoberfläche stellt bei weitem die massivste Menge an Punkten bereit. Der Datensatz selbst bestand aus 25.733 Dateien mit einer Größe von insgesamt 69,1 GB. Gespeichert ist jeweils der Höhenwert über dem Meeresspiegel eines jeden Scanpunktes, von denen es 1200*1200 pro Quadrant sind. Ein Quadrant erstreckt sich über 1 Breitengrad * 1 Längengrad. Dies ergibt - nur für die Landmasse - eine Anzahl von 37.055.520.000 Punkte. Aus diesem Grund wurde ein Parameter eingeführt, der das Sampling in eine geringere Auflösung steuert. Außerdem ist es möglich die Höhenwerte mit einem Faktor zu skalieren, da die Höhenunterschiede der Erdoberfläche im Vergleich zum Gesamtdurchmesser eher gering sind und folglich im Endresultat kaum zu erkennen sind. Des weiteren existiert die Möglichkeit alle Punkte unterhalb einer gewählten Höhe nicht beleuchten zu lassen, was wiederum die Sichtbarkeit gewisser Strukturen verbessern kann.

     

    News

    Matthias Niessner, our new Professor from Stanford University, offers a number of interesting topics for  master theses.

     

    PhD positions on   Computational Fabrication and 3D Printing and  Photorealistic Rendering for Deep Learning and Online Reconstruction are available at the Computer Graphics & Visualization group.