Semantic segmentation of 3D point clouds is pivotal for urban modeling and autonomous systems, yet challenges like irregular data structure and complex geometry hinder accurate segmentation. This study explores integrating the 3D Medial Axis Transform (MAT)—a topological skeleton encoding shape geometry via maximally inscribed balls—into deep learning frameworks to enhance semantic reasoning. We propose a feature fusion approach embedding MAT-derived attributes (radii, separation angles, medial bisectors) into point-based (PointNet++) and graph-based (Superpoint Graph) networks, enabling explicit geometric context for local points and superpoint relationships. Experiments on diverse datasets (3DOM, SynthCity, SHREC) demonstrate that MAT-enhanced features, particularly radii and separation angles, improve mean intersection over union (mIoU) by 5.8–12.4% compared to baseline RGB-only models, especially for classes like grass and shrubs where appearance features are ambiguous. However, MAT-guided geometric partitioning requires careful regularization to avoid over-segmentation, and graph convolutions benefit most from mean MAT attributes for global structure modeling. This work establishes MAT as a valuable geometric prior for point cloud segmentation, highlighting its potential to bridge topological structure and data-driven learning.

Eerder publiceerden we in Geo-Info over onze methode om 3D-data zoals nodig in geluidsimulaties automatisch te genereren uit landsdekkende gegevens zoals BAG, BGT en hoogtepunten [1]. Deze geluidsimulaties zijn gebaseerd op gestandaardiseerde rekenvoorschriften voor geluids- belasting. Ook het berekenen van de luchtkwaliteit ten gevolge van binnenstedelijk verkeer kent een Standaard Rekenmethode, beheerd door het RIVM. Deze methode is onder andere gebaseerd op de afstand tussen gebouwen en de weg en hoogtes van deze gebouwen, met andere woorden: een mooi 3D-geo informatievraagstuk. Daarom hebben we met een groep Geomatics-studenten gekeken of we deze informatie automatisch kunnen genereren, zodat de luchtverontreiniging ten gevolge van verkeer op landelijke schaal kan worden berekend.