Caracterización espacial y expansión sintética de escenarios reales

Abstract

La generación de escenarios naturales realistas es un reto vigente a lo largo de la historia de la informática gráfica. Las nubes de puntos capturadas con LiDAR resultan de gran interés para la representación y el análisis de escenarios del mundo real. Sin embargo, la calidad obtenida mediante estos sensores se encuentra condicionada por diversos parámetros, entre los que se encuentra la distancia al escenario escaneado, el ángulo de apertura, el número de rayos láser y errores derivados del proceso de adquisición. Además, estas nubes pueden presentar una baja densidad de puntos, lo que dificulta visualizarlas de manera efectiva. En este proyecto se propone un método para reconstruir estas nubes de puntos, mejorando la densidad de puntos y proporcionando una representación 3D del escenario. Para este fin, el escenario se segmenta en capas de vegetación y de terreno, donde cada una se reconstruirá por separado.

The generation of realistic natural scenarios is a longstanding and ongoing challenge in Computer Graphics. LiDAR (Laser Imaging Detection and Ranging) point clouds have been gaining interest for the representation and analysis of real-world scenarios. However, the output of these sensors is conditioned by several parameters, including, but not limited to, distance to scanning target, aperture angle, number of laser beams, as well as systematic and random errors for the acquisition process. Hence, LiDAR point clouds may present inaccuracies and low density, thus hardening their visualization. In this work, we propose reconstructing the surveyed environments to enhance the point cloud density and provide a 3D representation of the scenario. To this end, ground and vegetation layers are detected and parameterized to allow their reconstruction.