3D building modeling : topology-aware kinetic fitting of polyhedral roofs and automatic roof superstructure reconstruction

• Auteur / Autrice : Mathieu Brédif
• Direction : Henri Maître, Marc Pierrot-Deseilligny
• Type : Thèse de doctorat
• Discipline(s) : Signal et images
• Date : Soutenance en 2010
• Etablissement(s) : Paris, Télécom ParisTech

Mots clés

Mots clés contrôlés

Modélisation des données du bâtiment

Imagerie tridimensionnelle

Résumé

Il existe aujourd'hui une demande croissante pour des modèles numériques de ville de plus en plus précis. Alors que les travaux récents ont permis la production robuste de modèles polyédriques de bâtiments, les superstructures de toits telles que les cheminées et les chiens assis ne sont pas modélisées, et les erreurs géométriques et topologiques peuvent être importantes. L'approche itérative proposée affine géométriquement et sémantiquement un modèle de bâtiment approché sans superstructures, à l'aide d'un Modèle Numérique de Surface (MNS). Elle alterne la reconstruction de superstructures et le recalage des pans de toit principaux. La détection et la reconstruction de superstructures sont basées sur une bibliothèque de modèles paramétriques de superstructures. Un ensemble de superstructures disjointes est recherché, en se réduisant au problème de recherche d'une clique pondérée maximale. La phase de recalage tire parti des superstructures précédemment détectées afin de mieux estimer les pans de toit principaux. Elle corrige des simplifications tant géométriques telles qu'une symétrie erronée des toits, que topologiques telles que la fusion de sommets proches. Nous utilisons une représentation géométrique des bâtiments par les plans porteurs de chaque facette polyédrique, plus intuitive dans ce contexte que la représentation habituelle par la position de ses sommets. Nous introduisons le problème de triédralisation qui scinde les sommets surcontraints en sommets bien définis à l'intersection de 3 plans seulement. Nous proposons une structure de donnée cinétique garantissant des facettes non auto-intersectantes au cours de la réestimation itérative de leurs plans porteurs.

There is nowadays a growing demand for increasingly more accurate 3D city models. Whereas recent works have lead to the robust generation of polyhedral building models, they do not model roof superstructures such as chimneys or dormer windows, and may feature large geometric and topological errors. We propose an approach to refine geometrically and semantically a superstructure-less approximate building model, using a Digital Surface Model (DSM). This iterative approach alternates between superstructure reconstructions and geometric fitting of the main roof planes. Superstructure detection and reconstruction are based on a library of parametric superstructure models. A set of disjoint superstructures is searched to explain the height differences between the DSM and the building model, reducing the search to a maximum weighted clique problem. The fitting step uses the previously detected superstructures to refine the main roof plane estimations. It corrects both geometric simplifications such as an erroneous roof symmetry, and topological simplifications such as the merging of close vertices of the polyhedral building model. The proposed representation of the building geometry uses the planes supporting each polyhedral facet, which is more intuitive in this context than the usual representation using the vertex locations. We introduce the trihedralization problem of splitting vertices that become over-constrained after updating their adjacent facet supports into well-defined vertices at the intersection of 3 planes. We propose a novel kinetic data structure that prevents facet self-intersections throughout the iterative reestimation of their supporting planes.