Laserscandaten fangen unsere physische Welt in großen Punktwolken ein, deren Datenvolumen oft im Terabyte-Bereich liegen. Das Verarbeiten dieser Daten ist sowohl vom Volumen als auch von der Extraktion nutzbarer Information eine Herausforderung.
Für die effiziente Verarbeitung dieser gigantischen Punktwolken nutzen wir optimierte räumliche Datenstrukturen in Kombination mit speziellen neuronale Netzwerkarchitekturen, um Objekte und Strukturen in den Punktwolken zu segmentieren und für 3D-Rekonstruktionen zu nutzen. Eine Aufgabe, die besonders bei Punktwolken urbaner Areale von großer Bedeutung, aber auch sehr anspruchsvoll ist. Solche Punktwolken enthalten sehr heterogene und nützliche Information, wie z.B. Gebäude, Vegetation und Infrastruktur, aber auch nicht stationäre Objekte wie Fußgänger und Fahrzeuge. Ein erfolgreiches Beispiel für den Einsatz von KI ist die Rekonstruktion von Gehsteigen und Bahnsteigkanten aus Echtweltdaten mithilfe von 3D CNNs (Convolutional Neural Networks), die wir bereits in verschiedenen Projekten mit Unternehmenspartnern umgesetzt haben.
