Semana 7. Segmentación Geométrica de Puntos y Datasets LiDAR

Datasets LiDAR

Esta semana he investigado y probado algunos datasets públicos que contienen nubes de puntos LiDAR o modelos 3D, que pueden ser útiles para análisis y segmentación de mi proyecto. Los que he encontrado más útiles son los siguientes:

1. Stanford 3D Scanning Repository

• Descripción: Conjunto de modelos 3D escaneados, algunos de los cuales contienen superficies planas como paredes.
• Tipo de datos: Modelos 3D.
• Enlace: Stanford 3D Scanning Repository

2. Open Access LiDAR Data (IGN España)

• Descripción: Datos LiDAR del Instituto Geográfico Nacional de España, que cubren superficies urbanas y rurales.
• Tipo de datos: LiDAR (formatos LAZ y LAS).
• Enlace: PNOA LiDAR - IGN

3. KITTI Vision Benchmark Suite

• Descripción: Conjunto de datos LiDAR capturados por vehículos autónomos, que incluye entornos urbanos con superficies planas como paredes de edificios.
• Tipo de datos: LiDAR (.bin).
• Enlace: KITTI Vision Benchmark

4. ScanNet

• Descripción: Dataset de escaneos 3D de entornos interiores con información de segmentación semántica, incluyendo paredes y estructuras interiores.
• Tipo de datos: Nubes de puntos 3D y segmentación semántica.
• Enlace: ScanNet Dataset

Segmentación Geométrica de Puntos

La segmentación geométrica de puntos se refiere al proceso de dividir una nube de puntos 3D en grupos basados en las características geométricas de los puntos.

Tipos de Segmentación Geométrica

Existen varios tipos de segmentación geométrica que se utilizan según el tipo de superficie o estructura que se desee identificar. Los principales son:

1. Segmentación de Planos

• Descripción: Utiliza algoritmos como RANSAC para detectar superficies planas (como paredes o suelos) dentro de una nube de puntos.
• Técnica: Es robusto frente a outliers y funciona muy bien en entornos ruidosos.

2. Segmentación por Curvatura

• Descripción: Se segmentan puntos según la curvatura local de las superficies. Los puntos en superficies esféricas o cilíndricas serán agrupados juntos.
• Uso común: Se utiliza para identificar superficies curvas como esferas, cilindros o conos.
• Métodos: Se pueden usar técnicas como el análisis de componentes principales (PCA) para estimar la curvatura local.

3. Segmentación Basada en la Normal

• Descripción: Los puntos que tienen la misma orientación de normal (el vector perpendicular a la superficie) se agrupan.
• Uso común: Ideal para superficies planas o paralelas (como paredes o techos).
• Métodos: La estimación de la normal es un paso previo importante en muchos algoritmos de segmentación. Se pueden usar vecinos cercanos para calcular la normal de cada punto.