Textured surfels visualization of multi-frame point cloud data

Abstract

Laser scanning devices enable the capturing and storage of scenes and objects in the real world. The corresponding point datasets approximate surfaces where the laser beam of the scanner was reflected. Already today, there is a wide field of applications that visualize point clouds, ranging from preservation of cultural heritages to land surveying. With advances in technology, measuring techniques became increasingly precise and accurate. The associated growth of the captured point clouds offers many opportunities but also challenges. Visualizing billions of points can easily surpass the memory capacities of commercial computers. Furthermore, render times can increase, hindering the dynamic exploration and analysis. In this work, we present a processing pipeline that reduces the complexity of point clouds. As a first step, planar regions of a point cloud are approximated by rectangles. Subsequently, calculated textures and displacement maps allow a more realistic representation of the classified points through rectangles. The generated data is stored in a data structure that supports different level of detail representations based on the camera position, as well as efficient culling of invisible points. Lastly, the data structure is rendered using the OSPRay render engine. In an evaluation, different parameter configurations of our processing pipeline are examined. The collected data is analyzed in terms of render time, memory consumption, and image quality. Furthermore, all results are compared with a sphere-based reference method. Overall, a notable saving in memory consumption can be observed. Meanwhile, image quality and rendering times provide comparable results to the reference method, especially for distant to medium viewing distances. However, the achieved compression rate is dependent on the spatial properties of the point cloud. Datasets with large planar regions allow the consolidations of a high amount of points by a small number of rectangles. Meanwhile, regions with high curvature can cause overlapping geometry and a lower point reduction. All in all, the presented approach enables the rendering of point clouds at different levels of detail. Approximated geometric shapes reduce memory consumption while preserving render times and image quality. Thus, complex point clouds can be visualized more efficiently on commercial computer systems.

Lasermessgeräte ermöglichen das Aufnehmen und Speichern von Szenen und Objekten in der realen Welt. Die zugehörigen Punktdatensätze approximieren Oberflächen, an welchen der Laserstrahl des Scanners reflektiert wurde. Bereits heute gibt es einen weiten Bereich an Anwendungen, welcher von der Erhaltung von kulturellem Erbe bis zur Landvermessung reicht. Mit technologischen Fortschritten wurden die Messtechniken immer präziser. Das verbundene Wachstum an Größe der aufgenommenen Punktwolken bietet viele Möglichkeiten, aber auch Herausforderungen. Das Visualisieren von Milliarden an Punkten kann schnell die Speicherkapazitäten von kommerziellen Computern übersteigen. Darüber hinaus kann die Renderzeit steigen, was die dynamische Exploration und Analyse erschwert. In dieser Arbeit präsentieren wir eine Verarbeitungspipeline, welche die Komplexität einer Punktwolke reduziert. In einem ersten Schritt werden planare Regionen in einer Punktwolke durch Rechtecke approximiert. Anschließend ermöglichen berechnete Texturen und Displacement Maps eine realistischere Repräsentation der klassifizierten Punkte durch Rechtecke. Die erzeugten Daten werden dabei in einer Datenstruktur gespeichert, welche verschiedene Detailgrade basierend auf der Kameradistanz unterstützt, sowie auch nicht sichtbare Punkte effizient entfernt. Zuletzt wird die Datenstruktur in der OSPRay Engine gerendert. In einer Evaluation werden verschiedene Parameterkonfigurationen unserer Verarbeitungspipeline untersucht. Die gesammelten Daten werden auf Renderzeiten, Speicherverbrauch und Bildqualität analysiert. Darüber hinaus werden alle Ergebnisse mit einer auf Sphären basierenden Referenzmethode verglichen. Insgesamt können beachtenswerte Einsparung im Speicherverbrauch ausgemacht werden. Währenddessen liefern die Resultate für Bildqualität und Renderzeiten, besonders für entfernt und mittlere Betrachtungsabstände, vergleichbare Ergebnisse mit der Referenzmethode. Jedoch ist die erreichte Kompressionsrate von den räumlichen Eigenschaften der Punktwolke abhängig. Datensätze mit großen planaren Regionen ermöglichen das Zusammenfassen von großen Punktmengen durch eine geringe Anzahl an Vierecken. Währenddessen können Regionen mit hoher Krümmung überlappende Geometrie und eine geringere Reduktion an Punkten verursachen. Alles in allem ermöglicht der präsentierte Ansatz das Rendern der Punktwolken in verschiedenen Detailstufen. Die approximierten geometrischen Formen reduzieren den Speicherverbrauch, während Renderzeiten und Bildqualität bewahrt werden. Dadurch können auch komplexe Punktwolken auf kommerziellen Computern effizient dargestellt werden.