Geospatial Processing and Visualization of Point Clouds: from GPUs to Big Data Technologies
Ver/ abrir
Use este enlace para citar
http://hdl.handle.net/2183/24513
A non ser que se indique outra cousa, a licenza do ítem descríbese como Atribución-NoComercial-SinDerivadas 4.0 España
Coleccións
- Teses de doutoramento [2089]
Metadatos
Mostrar o rexistro completo do ítemTítulo
Geospatial Processing and Visualization of Point Clouds: from GPUs to Big Data TechnologiesTítulo(s) alternativo(s)
Procesamento Xeoespacial e Visualización de Nubes de Puntos: dende GPUs ata Tecnoloxías Big DataAutor(es)
Director(es)
Amor, MargaritaDoallo, Ramón
Data
2019Resumo
[Resumo] A tecnoloxía LiDAR (Light Detection And Ranging) é actualmente unha das máis
valiosas fontes de información xeográfica xa que permite, mediante dispositivos de
dixitalización láser, a obtención de modelos tridimensionais de alta resolución de
grandes áreas de terra. Os datos LiDAR, normalmente almacenados como nubes
de puntos, utilízanse nun gran número de campos científicos e profesionais como un
elemento fundamental do traballo. Debido á enorme cantidade de información que
pode ser xerada mediante esta tecnoloxía, os conxuntos de datos LiDAR sempre
foron considerados coma un gran desafío á hora de desenvolver aplicacións software
capaces de manexar tales volumes de información de xeito rápido e eficiente.
Toda a investigación realizada durante esta Tese centrouse no desenvolvemento
de novas técnicas, algoritmos e sistemas que mellorasen o rendemento, a eficiencia
e a calidade dos múltiples e diversos elementos críticos dos contornos LiDAR.
Así, desenvolvéronse sistemas web de tipo cliente-servidor para visualizar e procesar en tempo real grandes nubes de puntos de resolución completa, permitindo o acceso desde calquera tipo de dispositivo, dende tabletas a equipos de sobremesa, adaptando as súas funcionalidades e características aos requisitos e necesidades de campos específicos do coñecemento científico. As elevadas esixencias de almacenamento típicamente asociadas aos datos LiDAR, así como o intenso tráfico de rede que pode xerarse en aplicacións de tipo web, levou ao desenvolvemento de métodos de compresión de datos sen perdas xunto con novas estruturas de datos baseadas na non redundancia de información. Estes novos elementos foron utilizados para proporcionar un soporte altamente eficiente para técnicas multi-resolución out-ofcore para a visualizacion en tempo real de nubes de puntos masivas, reducindo de xeito significativo os requisitos de almacenamento, o consumo de memoria principal e de vídeo, así como a conxestión no tráfico de rede. Por último, estableceuse como obxectivo da fase final da Tese, superar as limitacións derivadas da execución de soft-ware en computadores compostos por unha única máquina para o almacenamento e a computación sobre grandes conxuntos de datos LiDAR masivos. A partir dun estudo preliminar para analizar a idoneidade de diferentes solucións big data para almacenar, distribuír e dar soporte ao envío de datos a varios clientes LiDAR, desenvolveuse un sistema altamente escalable para a computación distribuída sobre os volumes de datos mencionados. Como punto de partida, implementáronse diversas propostas utilizando como caso de estudo a creación de modelos dixitais do terreo
(MDT), servindo como base tecnolóxica para un futuro servizo coa capacidade de
ofrecer unha biblioteca de múltiples procesos xeoespaciais. [Resumen] La tecnología LiDAR (Light Detection And Ranging) es actualmente una de las
fuentes de información geográfica más valiosas ya que permite obtener, mediante el
uso de dispositivos de escaneo láser, modelos tridimensionales de alta resolución de amplias extensiones de terreno. Los datos LiDAR, almacenados tipicamente como nubes de puntos, son utilizados en un gran número de campos científicos y profesionales como elemento fundamental de trabajo. Debido a las enormes cantidades de información que pueden generarse, los conjuntos de datos LiDAR siempre han supuesto un enorme desafío a la hora de desarrollar software capaz de manejar dichos volúmenes de información de manera rápida y eficiente.
Todas las investigaciones realizadas durante esta Tesis se centraron en desarrollar
nuevas técnicas, algoritmos y sistemas que permitiesen mejorar el rendimiento, la
eficiencia y calidad de múltiples y diversos elementos críticos de los entornos LiDAR.
Así, se desarrollaron sistemas web de tipo cliente-servidor para la visualización en
tiempo real y el procesamiento de grandes nubes de puntos de resolución completa
desde cualquier tipo de dispositivo, desde PCs hasta tabletas, adecuando sus
funcionalidades y prestaciones a los requerimientos y necesidades de campos de conocimiento
científico específicos. Las altas demandas de almacenamiento asociadas
a los datos LiDAR, así como tambien el intenso tráfico de red que puede darse en
aplicaciones de tipo web, llevaron al desarrollo de métodos de compresión de datos
sin pérdida junto con nuevas estructuras de datos basadas en la no-redundancia de
información. Estos nuevos elementos se emplearon para dar soporte altamente efi
ciente a técnicas de multiresolución out-of-core para la visualización en tiempo real
de nubes de puntos masivas, logrando reducir de manera notable los requisitos de
almacenamiento, el consumo de memoria principal y de vídeo, así como también la
congestión de red. Por último, se fijó como objetivo de la etapa final de la tesis, el de
superar las limitaciones derivadas de la ejecución de software en equipos compuestos por una sola m_aquina para el almacenamiento y computaci_on de grandes conjuntos de datos masivos LiDAR. Partiendo de un estudio preliminar para analizar la idoneidad de distintas soluciones big data a la hora de almacenar, distribuir y dar soporte al envío de datos hacia múltiples clientes LiDAR, se desarrolló un sistema altamente escalable para la computación distribuida sobre los citados volúmenes de datos. Como punto de partida, se implementó un conjunto de propuestas utilizando como caso de estudio la creación de modelos digitales de terreno (MDT), sirviendo este como base tecnológica para un futuro servicio con la capacidad de ofrecer una librería de diversos procesos geoespaciales. [Abstract] Currently, LiDAR (Light Detection And Ranging) technology is one of the most
valuable sources of geographic information, allowing us to obtain, through the use
of laser scanning devices, high-resolution three-dimensional models of large tracts
of land. LiDAR data, typically stored as point clouds, have been used in a wide
range of scientific and professional fields as a fundamental element of work. Due to
the extremely large volumes of data that can be generated, LiDAR datasets have
always been a challenge for developing software capable of handling such volumes
of information in a fast and efficient way.
All the research carried out during this Thesis was focused on developing new
techniques, algorithms and systems to improve the performance, efficiency and quality
of several critical elements in LiDAR environments. Thereby, client-server web
systems were developed for real-time visualization and processing of large point
clouds of full-resolution grating their access from any type of device, from desktop
PCs to tablets, adapting their functionalities and features to the requirements and
needs of specific fields of scientific knowledge. The high storage demands typically
associated with LiDAR, as well as the intense network traffic that can be produced
in web environments, led to the development of lossless data compression methods
along with novel data structures based on non data redundancy. These new elements were used to provide highly efficient support for out-of-core multi-resolution
techniques for real-time visualization of massive point clouds, achieving a notable
reduction in storage requirements, main memory and video memory consumptions,
as well as a reduction in network congestion. The objective in the final stage of
the Thesis was to overcome all storage and computational constraints related to the
use of a single machine with large collection of massive LiDAR datasets. Starting
from a preliminary study to analyse the suitability of different big data solutions for
storing, distributing and supporting the concurrent access to the data from several
LiDAR clients, a highly scalable system was developed offering distributed computing capability for processing said volumes of data. As a starting point, a series of proposals was implemented using as a case study the obtention of digital terrain models (DTM), serving as a technological basis for a future service with the ability to offer a much wider library of several geospatial processes
Palabras chave
Data point sets
Lidar technology
Geospatial measurement
Big Data
Lidar technology
Geospatial measurement
Big Data
Descrición
Programa Oficial de Doutoramento en Investigación en Tecnoloxías da Información. 5023V01
Dereitos
Atribución-NoComercial-SinDerivadas 4.0 España