@phdthesis{Doll2017,
  type      = {Master Thesis},
  author    = {Thomas Doll},
  title     = {Segmentierung von multimodalen Laserscanner-Daten im Au{\"s}enbereich und Terrain-Klassifikation},
  address   = {Sankt Augustin},
  doi       = {10.24406/publica-fhg-281432},
  year      = {2017},
  abstract  = {In der vorliegenden Arbeit wird ein Verfahren zur Segmentierung von Au{\"s}enszenen und Terrain-Klassifkation entwickelt. Dazu werden 360 Grad-Laserscanner-Aufnahmen von Stra{\"s}en, Geb{\"a}udefassaden und Waldwegen aufgenommen. Von diesen Aufnahmen werden verschiedene visuelle Repr{\"a}sentationen in 2D erstellt. Dazu werden die Distanzinformationen und Winkel{\"u}berg{\"a}nge der Polarkoordinaten, die Remissionswerte und der Normalenvektor eingesetzt. Die Berechnung des Normalenvektors wird {\"u}ber ein modernes Verfahren mit einerniedrigen Laufzeit durchgef{\"u}hrt. Anschlie{\"s}end werden Oberfl{\"a}cheneigenschaften innerhalb einer Punktwolke analysiert und vier Klassen unterschieden: Untergrund, Vegetation, Hindernis und Himmel. Die Segmentierung und Klassifkation geschieht in einem Schritt. Dazuwird die Varianz auf den N ormalen {\"u}ber eine Filtermaske berechnet und ein Deskriptor erstellt. Der Deskriptor beinhaltet die Normalenvektoren und die Normalenvarianz f{\"u}rdie x-, y- und z-Achse. Die Ergebnisse werden als {\"U}berblendung auf dem Remissionsbilddargestellt. Die Auswertung wird {\"u}ber eigens erstellte Ground-Truth-Daten vorgenommen. Dazu wird das Remissionsbild genutzt und der Ground-Truth mit verschiedenen Farben eingezeichnet. Die Klassifkationsergebnisse sind in Precision-Recall-Diagrammen dargestellt.},
  language  = {de}
}