Enriching thermal point clouds of buildings using semantic 3D building models

要約

熱点群は、熱放射とレーザー点群を効果的に統合します。
ただし、建物の熱点群を解釈するための意味情報を正確に推測することはほとんどできません。
3D 建築モデルにカプセル化されたセマンティクスを LoD3 に転送することで、このギャップを埋める可能性があります。
この研究では、LoD3 建築モデルの地理的位置とセマンティクスを使用して熱点群を強化するワークフローを提案します。これは、両方のモダリティの機能を利用します。提案された方法は、異なるソースからの点群を自動的に相互登録し、熱点を強化できます。
ファサードの詳細なセマンティクスのクラウド。
強化された熱点群は熱解析をサポートし、熱点群上で直接動作する現在希少な深層学習モデルの開発を促進できます。

要約(オリジナル)

Thermal point clouds integrate thermal radiation and laser point clouds effectively. However, the semantic information for the interpretation of building thermal point clouds can hardly be precisely inferred. Transferring the semantics encapsulated in 3D building models at LoD3 has a potential to fill this gap. In this work, we propose a workflow enriching thermal point clouds with the geo-position and semantics of LoD3 building models, which utilizes features of both modalities: The proposed method can automatically co-register the point clouds from different sources and enrich the thermal point cloud in facade-detailed semantics. The enriched thermal point cloud supports thermal analysis and can facilitate the development of currently scarce deep learning models operating directly on thermal point clouds.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google