Kantenerkennung für die Qualitätsanalyse in 3D Punktwolken

Die 3D-Objektaufnahme durch einen Laserscanner kann durch viele Einflüsse verfälscht werden. Um eine vollumfängliche Qualitätsmodellierung einer 3D Punktwolke durchzuführen, müssen deshalb verschiedene Einflussgrößen modelliert werden, die systematische Abweichungen hervorrufen können.
Insbesondere beobachtete Kanten können zu systematischen Abweichungen in der Streckenmessung führen. Die Wahrscheinlichkeit, dass der Laserspot Flächen unterhalb oder oberhalb einer Kante abdeckt steigt mit der Größe des Laserspots und ist somit abhängig von der Distanz und des Auftreffwinkels. Je nach Auftreffen des Laserspots und Form der Kante kann demnach die beobachtete Strecke systematisch verkürzt oder verlängert werden. Deshalb sollen Kantenpunkte in 3D Punktwolken identifiziert werden.
Im Rahmen dieser Arbeit sollen vorhandene Algorithmen zur Kantenerkennung in 3D Punktwolken implementiert werden. Mit Hilfe einer geeigneten Simulationsumgebung sollen die Algorithmen anschließend validiert und verglichen werden.