Kurzfassung
Zur Erfassung topographischer Daten haben sich Laserscanning basierte Methoden etabliert. Für großflächige bzw. landesweite Messkampagnen eignen sich flugzeug- bzw. helikoptergestützte Plattformen (ALS), zur kleinräumigen Erfassung kommen häufig sogente Terrestrische Laserscanner (TLS) zum Einsatz. Abhängig vom Gerätetyp und dem verwendeten Messprinzip können mehr als eine Million Punkte pro Sekunde erfasst werden. Dem damit offenkundig verbundenen Nutzen einer äußerst dichten und genauen Erfassung des Geländes stehen aber auch meist enorme Datenmengen gegenüber. Dies stellt den Anwender derartiger Daten häufig vor nahezu unüberwindbare Probleme. Daher werden im Allgemeinen aus den Rohdaten (Punktwolken) abgeleitete Produkte zur Verfügung gestellt. Im Bereich der Topographiemodellierung finden häufig digitale Geländemodelle Verwendung. Diese können mit Hilfe robuster Filtermethoden aus den Originalpunkten abgeleitet werden. Dieser Beitrag demonstriert die Anwendung einer punktwolken-basierten Segmentierungsmethode zur Reduktion der zu verarbeitenden Daten für weiterführende, geomorphologische Geländeanalysen. Dabei wird das erfasste Gelände auf Basis der Rohdaten in ebene Flächen unterteilt. So kann eine Datenreduktion um den Faktor 3.000 erzielt werden, ohne signifikante Einbußen in Bezug auf die Detailliertheit der Geländebeschreibung hinnehmen zu müssen. Die Anwendung dieses Ansatzes wird an Hand einer Serie von ALS und TLS Aufnahmen der Hangrutschung in Doren, Vorarlberg, demonstriert. Mit Hilfe zusätzlich erfasster geologischer Geländemessungen konnte gezeigt werden, dass geomorphologische Hauptrichtungen auch in den stark reduzierten Laserscanning Daten erfolgreich bestimmt werden können.

Abstract
Laser scanning has proven to be an adequate tool for the acquisition of topographic data. For large scale or even country-wide campaigns, airborne platforms (ALS) are suited, while for small areas, terrestrial laser scanners (TLS) are commonly used. According to the instrument type and the measurement principle applied, more than one million points may be acquired per second. This allows for dense and accurate acquisition of the topography. Unfortunately, the amount of data becomes a considerable challenge for the user of such data. Therefore, often products derived from the original point clouds are provided. For topographic modeling, digital terrain models are commonly used. Such models may be derived by means of robust filtering strategies for separating ground surface points from others representing, for example, vegetation, buildings, etc. Within this contribution, the application of a point-based segmentation algorithm for reducing the amount of data for the purpose of subsequent geomorphological topography analysis is presented. For this, the raw point data is subdivided into planar faces, allowing reducing the amount of data by a factor of up to 3,000 without a significant reduction in the level of detail of the terrain representation. The application of this approach is proven on a series of ALS and TLS data sets acquired at the landslide in Doren, Vorarlberg. By means of additionally recorded geological in-situ measurements it could be demonstrated that geomorphological primary directions can be properly determined within the reduced laser scanning data.

Kurzfassung
Aufgrund der Vielfalt an potentiellen klinischen Anwendungsgebieten ist die Segmentierung medizinischer, volumetrischer Datensätze ein wichtiges Forschungsgebiet. Um klinische Relevanz und praktische Akzeptanz unter Radiologen und Ärzten zu erreichen, müssen generische, interaktive 3D Segmentierungsalgorithmen einfach zu bedienen und akkurat sein.Weiters ist ständiges und in Echtzeit dargestelltes Feedback für den Benutzer essenziell. In dieser Arbeit präsentieren wir einen neuartigen 3D-Segmentierungsansatz der mithilfe moderner 3D Grafikkarten Benutzerinteraktion, Segmentierung und volumetrische Visualisierung in ein gemeinsames Rahmenwerk integriert. Dies ist ein Beispiel für das Zusammenwirken von Computer Grafik und Computer Vision in einem Gebiet, das auch als Visual Computing bezeichnet wird. Direkte 2D und 3D Interaktion mit großen, volumetrischen Datensätzen wird mit einem Segmentierungsalgorithmus kombiniert, der als konvexes Energieminimierungsproblem definiert ist. Dieses global optimale Segmentierungsresultat und dessen Ausbreitung und Entwicklung während des Minimierungsprozesses wird kontinuierlich über eine hardware-beschleunigte Volume-Rendering-Engine visualisiert. Durch die integrierte Implementierung dieser Komponenten auf der Grafikkarte erhält man ein interaktives Echtzeit 3D Segmentierungssystem, welches Benutzerinteraktion auf das Nötigste reduziert. Die Einsatzfähigkeit des Systems zur Lösung praktischer Segmentierungsaufgaben wird anhand quantitativer und qualitativer Auswertungen gezeigt.

Abstract
Segmentation of medical volume data sets (i.e., partitioning images into a set of disjoint regions representing different semantic objects) is an important research topic due to its large number of potential clinical applications. In order to get accepted by physicians and radiologists a generic, interactive 3D segmentation algorithm has to be simple-to-use, accurate, and show immediate feedback to the user. In this work we present a novel 3D segmentation paradigm that effectively combines interaction, segmentation and volumetric visualization in a single framework integrated on a modern graphics processing unit (GPU). This is an example of the fruitful combination of computer graphics and computer vision, a field nowadays called visual computing. Direct interaction with a large volumetric data set using 2D and 3D painting elements is combined with a segmentation algorithm formulated as a convex energy minimization. This globally optimal segmentation result and its evolution over time is continuously visualized by means of a hardware accelerated volume rendering along with the original data. By implementing all of these components on a GPU, a highly responsive interactive 3D segmentation system requiring minimal user interaction is achieved. We demonstrate quantitative and qualitative results of our novel approach on liver and liver tumor segmentation data where a manual ground truth is available.