Potree: rendering large point clouds in web browsers

Abstract

Im Zuge dieser Arbeit stellen wir einen Punktwolkenrederer namens Potree vor, der es ermöglicht riesige Datensätze mit Milliarden von Punkten, wie sie zum Beispiel durch LIDAR Scanner oder Photogrammetrie Software entstehen, in einem Web Browser zu betrachten. Einer der Vorteile davon Punktwolken in Web Browsern zu rendern ist, dass es Benutzern erlaubt ihre Datensätze mit Partnern oder der Öffentlichkeit zu teilen, ohne dass diese erst große Datenmengen herunterladen oder eine Drittanwendung installieren müssen. Der Fokus auf große Datensätze und die zahlreichen Messwerkzeuge erlaubt es Benutzern auserdem, aufgenommene Datensätze zu analysieren und Messungen durchzuführen, ohne dass die Daten vorher in einem kosten- und zeitintensiven Schritt in Dreiecksmodelle umgewandelt werden müssen. Das Laden und Rendern von Milliarden von Punkten in Potree wird durch eine hierarchische Datenstruktur ermöglicht, in der Teilmengen der Punktwolke in unterschiedlichen Auflösungen gespeichert werden. Teilmengen mit geringer Dichte werden im Root Node gespeichert. Mit jedem weiteren Level erhöht sich die Dichte, und somit der Detailgrad, der Daten die in den Nodes abgespeichert werden. Durch diese Struktur kann Potree sich auf diejenigen Teile der Punktwolke beschränken die für einen gegebenen Blickwinkel am wichtigsten sind. Punkte die sich nicht im Blickfeld befinden werden übersprungen, und für entfernte Bereiche wird eine niedrigere Detailstufe aus geladen und gerendert. Das Endergebnis dieser Arbeit ist ein open source und web-basierter Punktwolkenrenderer, der erfolgreich mit Datensätzen bis zu 597 Milliarden Punkten getestet wurde.

This thesis introduces Potree, a web-based renderer for large point clouds. It allows users to view data sets with billions of points, from sources such as LIDAR or photogrammetry, in real time in standard web browsers. One of the main advantages of point cloud visualization in web browser is that it allows users to share their data sets with clients or the public without the need to install third-party applications and transfer huge amounts of data in advance. The focus on large point clouds, and a variety of measuring tools, also allows users to use Potree to look at, analyze and validate raw point cloud data, without the need for a time-intensive and potentially costly meshing step. The streaming and rendering of billions of points in web browsers, without the need to load large amounts of data in advance, is achieved with a hierarchical structure that stores subsamples of the original data at different resolutions. A low resolution is stored in the root node and with each level, the resolution gradually increases. The structure allows Potree to cull regions of the point cloud that are outside the view frustum, and to render distant regions at a lower level of detail. The result is an open source point cloud viewer, which was able to render point cloud data sets of up to 597 billion points, roughly 1.6 terabytes after compression, in real time in a web browser.