Geri Dön

Otomatik bina çıkarımı uygulamalarında çoklu algılama sistemi verilerinin kullanım olanaklarının analizi

The analysis of possible use of multi sensor system data for automatic building extraction

PDF İndir

  1. Tez No: 324493
  2. Yazar: MELİS UZAR DİNLEMEK
  3. Danışmanlar: DOÇ. DR. NACİ YASTIKLI
  4. Tez Türü: Doktora
  5. Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
  6. Anahtar Kelimeler: Otomatik bina çıkarımı, LiDAR, çoklu algılama sistemi, kural-tabanlı sınıflandırma, segmentasyon, bulanık mantık, Automatic building extraction, LiDAR, multi sensor system, rule-based classification, segmentation, fuzzy logic
  7. Yıl: 2012
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Bilim Dalı
  13. Sayfa Sayısı: 169

Özet

Kent yönetiminde, yapılaşmanın izlenmesi ve mevcut durumun tespit edilmesi kontrol ve karar verme süreçleri için oldukça önemlidir. Kentlerde dönüşüm projelerinin uygulanmaya başlanmasıyla mevcut binalara ait doğru, güncel ve hızlı bina verisi ihtiyacı artmıştır. Özellikle deprem kuşağında yer alan kentlerde klasik ölçme yöntemleri ve fotogrametrik üretim süreçlerine gerek duyulmadan otomatik bina çıkarımı gündeme gelmiştir. Bu çalışmada aynı platform üzerine yerleştirilen LiDAR, sayısal kamera ve GPS/IMU'dan oluşan çoklu algılama sistemi ile nesneye yönelik kural tabanlı sınıflandırma yöntemi kullanılarak otomatik bina çıkarımı olanakları araştırılmıştır. Bu amaçla, otomatik bina çıkarımında kullanılan mevcut yöntemler incelenmiş, yurtdışında ve ülkemizde yapılan ilgili araştırmalara yer verilmiştir. Piksel tabanlı sınıflandırma ve nesne tabanlı sınıflandırma yöntemleri kullanılarak otomatik bina çıkarımı konusunda yaşanan problemler tespit edilmiştir. Otomatik bina çıkarımında karşılaşılan en yaygın problem, bina sınıfı ile bina sınıfı olmayan (yeşil alan, zemin vb.) sınıfların karışmasıdır. Bu çalışma ile bina sınıfı ile diğer sınıfların karışması probleminin çözümü için sınıflar arasındaki farklılıkların tespit edilip, sınıflandırma sonucunda karışan objelerin ilgili sınıflara atanmasına, iyileştirilmesine dayanan bir yaklaşım geliştirilmiştir. Sınıflandırma aşamasında yeşil alan, bina sınırı, gölge ve zemin gibi yardımcı sınıflar oluşturularak otomatik olarak çıkarılan bina sınıfının doğruluğunun artırılması sağlanmıştır. Otomatik bina çıkarımı için geliştirilen yaklaşımda, NDVI, eğim, Hough, Canny ve bant farkı görüntüleri gibi yardımcı veriler çoklu algılama sistemi ile toplanan veriler yardımıyla oluşturulmuş ve hedef sınıf olan bina sınıfının iyileştirilmesinde kullanılmıştır. Geliştirilen yaklaşım ile kural setleri oluşturulmuş ve oluşturulan kural setleri Amerika Birleşik Devletleri'ne ait Çalışma Alanı (1) ve Ülkemizde Sivas iline ait Çalışma Alanı (2) de test edilmiştir. Geliştirilen yaklaşım ile oluşturulan kural setleri kullanılarak Çalışma Alanı (1) ve Çalışma Alanı (2)'de otomatik olarak çıkarılan bina sınıfı için doğruluk analizi yapılmıştır. Sınıflandırma sonucu Çalışma Alanı (1) için bütünlük %96.73 ve doğruluk %95.02, Çalışma (2) için bütünlük %80 ve doğruluk %85 değerleri elde edilmiştir. Çoklu algılama sistemi ile elde edilen Çalışma Alan (1) ve (2) verileri kullanılarak otomatik bina çıkarımında karşılaşılan sorunlar ve bu sorunların çözümü için geliştirilen çözüm önerileri sunulmuştur.

Özet (Çeviri)

The monitoring of construction activities and determination of current situation is important for control and decision making process of urban management. In cities, the need for accurate, up to date and fast data for building is steadily increased with urban transformation projects. Especially, in cities located within seismic belts, automated building extraction without any requirement for classical measurement methods and photogrammetric production processes has become an important subject. In this study, automatic building extraction possibilities are investigated with multi sensor system which are consist of LiDAR (Light Detection and Ranging), GPS/IMU and digital camera positioned on the same platform using object-oriented rule-based classification method. For this purpose, current methods used for automatic building extraction are investigated and international and national applications are examined. The problems in automatic building extraction are mentioned using pixel based and object based classification methods. The common problem in automatic building extraction is misclassification of building and other objects (vegetation, ground etc.). In this study, the approach is developed based on the determination of the differences between building and other classes than improvement of the classification using these differences. The accuracy of the classification is improved with creating additional class including vegetation, building border, shadow and ground during the classification process. Digital surface model (DSM), orthophoto and intensity image were produced with the help of multi sensing system data (3D point cloud, intensity and aerial photographs). The additional data including Hough, Canny and band ratio images were produced with the help of the data comes from multi sensor system and utilized for improvement of the targeted building class. The rule set were created with developed approach and tested at two study area in USA and Sivas Turkey. The accuracy assessment of the automatically extracted building class in study area (1) and (2) was performed using created rule set with developed approach.The obtained accuracy for the automatic building extraction was 96.73% for completeness and 95.02% for accuracy for study area (1) and 80% for completeness and 85% for accuracy for study area (2). The faced problems during automatic building extraction process were stated and the suggestions for the solving faced problems were presented.

Benzer Tezler

  1. Tez No

    409744

    Nokta tabanlı sınıflandırma yöntemleri ile LiDAR verilerinin sınıflandırılması

    Classification of LiDAR data with point based classification methods

    ZEHRA ERİŞİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Jeodezi ve FotogrametriYıldız Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. NACİ YASTIKLI

  2. Tez No

    336894

    Multi-sensor based ambient assisted living system

    Çoklu algılayıcı tabanlı çevre destekli yaşam sistemi

    AHMET YAZAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ENİS ÇETİN

  3. Tez No

    615568

    Automatic airplane detection using deep learning techniques and very high-resolution satellite images

    Derin öğrenme teknikleri ve çok yüksek çözünürlüklü uydu görüntüleri kullanılarak otomatik uçak tespiti

    BAKARY TRAORE

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    İletişim Bilimleriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    Prof. Dr. ELİF SERTEL

  4. Tez No

    787684

    Yüksek çözünürlüklü görüntülerden otomatik bina çıkarımı

    Automatic building extraction from high resolution images

    HÜSEYİN ÇOBANOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Jeodezi ve FotogrametriZonguldak Bülent Ecevit Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SAYGIN ABDİKAN

  5. Tez No

    418518

    Uzaktan algılanmış görüntülerden faydalanılarak obje-tabanlı sınıflandırma yöntemi ile kent merkezlerindeki detayların çıkarımı

    Extracti̇on of detai̇ls i̇n the ci̇ty center benefi̇ti̇ng from remote sensi̇ng i̇mages usi̇ng by object-based classi̇fi̇cati̇on method

    BURHAN BAHA BİLGİLİOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Jeodezi ve FotogrametriAksaray Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SELÇUK REİS

Geri Dön