Semantisch segmentierte Ergebnisdaten einer LiDAR-Punktwolkenaufzeichnung im Bereich der Technischen Hochschule Köln
Published by Mobilithek
About this dataset
Die mFUND-Machbarkeitsstudie „pointCloud2Model“ verfolgte das Ziel, aus 3D-Punktwolken klassifizierte 3D-Modellkarten für die Befahrbarkeitsanalyse von Engstellen im Großraum- und Schwertransport zu erzeugen. Zur Umsetzung eines wissenschaftlich fundierten Ansatzes mit unverfälschten Ergebnissen wurde ein kostengünstiges Mobile-Mapping-System entwickelt. Dieses bestand im Wesentlichen aus einem Ouster OS1-128 LiDAR-Sensor sowie einem Xsens MTi-G-710 Inertialnavigationssystem (INS) und wurde auf dem Dachträger eines PKW montiert. Der bereitgestellte Datensatz enthält eine semantisch segmentierte 3D-Punktwolke, die einen Teilbereich des Campus Deutz der Technischen Hochschule Köln erfasst. Vor der semantischen Segmentierung wurde die Sensortrajektorie mithilfe des Verfahrens LiDAR Odometry and Mapping (LOAM) korrigiert. Folgende Klassen wurden für die semantische Segmentierung definiert: Fahrzeuge (Violett) Gebäude (Hellbraun) Gehwege (Dunkelgrau) Grünflächen (Hellgrün) Straßen (Hellgrau) Straßeninfrastrukturelemente (Blau) Vegetation (Dunkelgrün) Wände (Gelb) In einem weiteren Datensatz werden die unbearbeiteten Rohdaten der Punktwolkenaufzeichnung bereitgestellt.