Background Subtraction on Real Time Point Clouds

Abstract

Mange nyttige operasjoner på punktskyer krever mye regnekraft, og kan være sårbar mot støy. Denne avhandlingen setter frem en enkel systemarkitektur som kan huse forskjellige strategier for bakgrunnssubtraksjon som kan kjøre sammen med andre prosesser i sanntid. Empirisk data presentert i denne avhandlingen viser at punktskyer fra innendørsscener med et enkelt menneske som interesseobjekt kan reduseres med mer enn 80%. Systemet er implementert i C++ med et C-kompatibelt grensesnitt som gjør det mulig å nyttegjøre seg det i form av et dynamisk lenket programvarebibliotek i svært mange situasjoner og utviklingsmiljø. Også presentert her er et datasett som muligjør videre forskning, også uten å skaffe spesialiserte kamera.

Many useful operations on point clouds are time consuming and can be susceptible to noise. This thesis proposes a simple system architecture to host various background subtractors while operating on real time data. This removal of unnecessary information allows further processing to focus on the task at hand. Empirical data in this thesis shows that background subtraction can reduce the size of a point cloud by more than 80% in indoor scenes with one human being the foreground object of interest. The system is implemented in C++ with a C-compliant interface, allowing it to be used as a dynamically linked library in a vast amount of environments. Also presented is a dataset, allowing further work to be done without specialized camera hardware.