Design and implementation of a framework to generate synthetic 3D urban reconstruction datasets

This thesis proposes a framework to generate synthetic datasets for 3D urban reconstruction algorithms by harvesting data from virtually generated 3D urban environments. 3D reconstruction is a popular topic in computer vision and state-of-the-art methods are growing rapidly. Despite its popularity, there is a lack of benchmark dataset in the field and this makes it difficult to compare the performance of different methods. Currently, performance of the reconstruction methods are compared by using small object datasets. However, there exist methods concerning the reconstruction of larger areas, such as urban environments. Therefore, small datasets are unable to provide a sufficient analysis of performance and there is a need for convenient datasets. Collecting test data from the real-world has been expensive and cumbersome. For this reason, a framework is implemented generating synthetic urban environments allowing users to make various edits on the model and collecting data by virtual camera set and a laser scanner. In this thesis, first we discuss the necessity of a new urban generator instead of using existing generators. Then, we explain how our urban generator is implemented and how the test data is collected from the scene. Finally, we discuss the quality of the results and future work for improvement.

Questa tesi propone un framework per generare dataset sintetici per algoritmi di ricostruzione di ambienti urbani 3D attraverso la raccolta di dati generati virtualmente in ambienti urbani 3D. La ricostruzione 3D è un argomento ampiamente studiato nell'ambito della computer vision e i metodi impiegati stanno aumentando rapidamente. Nonostante la sua popolarità mancano dataset di riferimento nel campo e questo rende difficile confrontare le prestazioni di metodi diversi. Attualmente, le prestazioni dei metodi di ricostruzione vengono confrontati utilizzando dataset piuttosto piccoli. Questi però non sono adeguati per l'analisi delle prestazioni di metodi di ricostruzione di aree più grandi, come gli ambienti urbani. Esiste quindi la necessità di avere dataset per questi tipi di metodi. La raccolta dei dati di test dal mondo reale è costoso e difficile. Per questo motivo, viene proposto un framework per la generazione di ambienti urbani che consente agli utenti di effettuare varie modifiche del modello e per la raccolta dei dataset attraverso una telecamera virtuale e un laser scanner. In questa tesi, inizialmente si discute la necessità di un nuovo generatore di ambienti urbani al posto dei generatori esistenti. Successivamente si spiega come tale generatore è stato implementato e come i dati di test vengono raccolti dalla scena. Infine, si discutono la qualità dei risultati ed i possibili lavori futuri.