Not logged in.
Quick Search - Contribution
Contribution Details
| Type | Bachelor's Thesis |
| Scope | Discipline-based scholarship |
| Title | Analyzing the Impact of Occlusion on the Quality of Semantic Segmentation Methods for Point Cloud Data |
| Organization Unit | |
| Authors |
|
| Supervisors |
|
| Language |
|
| Institution | University of Zurich |
| Faculty | Faculty of Business, Economics and Informatics |
| Date | 2023 |
| Abstract Text | This thesis aims to analyze the impact of occlusion on the quality of semantic segmentation methods for point cloud data. Occlusion is a prevalent phenomenon in 3D scenes, where objects often overlap or obstruct each other. This can significantly compromise the quality and integrity of data, leading to inaccuracies in semantic segmentation. While the issue of occlusion has garnered attention in 3D data processing, current research on how different occlusion levels impact the quality of semantic segmentation is rare. Specifically, there is a palpable gap in understanding how to quantify occlusion in the scene and how this characteristic influence the performance of advanced semantic segmentation software like the Minkowski Engine. To bridge the research gap, we proposed a novel metric to quantify the occlusion level of a scene. We then applied this metric to analyze the impact of occlusion on the quality of semantic segmentation methods for point cloud data. Our results show that the occlusion level of a scene has limited impact to the quality of semantic segmentation. |
| Zusammenfassung | Ziel dieser Arbeit ist es, die Auswirkungen von Okklusion auf die Qualität semantischer Segmentierungsmethoden für Punktwolkendaten zu analysieren. Okklusion ist ein weit verbreitetes Phänomen in 3D-Szenen, bei dem sich Objekte oft überlappen oder gegenseitig verdecken. Dies kann die Qualität und Integrität der Daten erheblich beeinträchtigen und zu Ungenauigkeiten bei der semantischen Segmentierung führen. Obwohl das Problem der Okklusion in der 3D-Datenverarbeitung viel Aufmerksamkeit erregt hat, gibt es nur wenige Forschungsarbeiten darüber, wie sich unterschiedliche Okklusionsgrade auf die Qualität der semantischen Segmentierung auswirken. Insbesondere gibt es eine spürbare Lücke im Verständnis, wie man Okklusion in der Szene quantifizieren kann und wie dieses Merkmal die Leistung von fortgeschrittener semantischer Segmentierungssoftware wie der Minkowski Engine beeinflusst. Um diese Forschungslücke zu schließen, haben wir eine neuartige Metrik zur Quantifizierung des Verdeckungsgrades einer Szene vorgeschlagen. Anschließend haben wir diese Metrik angewandt, um die Auswirkungen der Verdeckung auf die Qualität der semantischen Segmentierungsmethoden für Punktwolkendaten zu analysieren. Unsere Ergebnisse zeigen, dass der Verdeckungsgrad einer Szene einen begrenzten Einfluss auf die Qualität der semantischen Segmentierung hat. |
| PDF File |
Download
|
| Export |
BibTeX
|