Geri Dön

Object detection using optical and LiDAR data fusion with graph-cuts

Çizge kesit ile optik ve LiDAR veri füzyonu kullanarak nesne tespiti

  1. Tez No: 457169
  2. Yazar: ONUR TAŞAR
  3. Danışmanlar: DOÇ. DR. SELİM AKSOY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 122

Özet

Uzaktan algılama verisinde nesne tespiti, oldukça popüler bir problem olmuştur ve tarım, navigasyon, çevre düzenlemesi, kentsel görüntüleme ve haritacılık gibi çok geniş bir yelpazedeki uygulama alanlarında yaygın olarak kullanılmaktadır. Fakat bu problemi çözmek için sadece tek bir veri kaynağını kullanmak yeterli olmayabilir. Havadan çekilmiş optik ve LiDAR verilerinin füzyonu, birbirini tamamlayıcı bilgiler taşıdığı için uzaktan algılama verisinde nesne tespitinde umut verici bir yaklaşım olmuştur. Biz verinin çoklu düzey bölünmesini gerçekleştiren ve bölünmüş veriyi minimum düzeyde öğrenme kullanarak nesneleri tespit eden sistemler öneriyoruz. Yöntemimiz ön işleme aşamasında veriyi yükseklik değerine göre eşikleme ve daha etkili bir biçimde işlemek için onu küçük bileşenlere bölme adımları içeriyor. Sınıflandırma görevi için ise, LiDAR verisinden yükseklik, havadan çekilmiş veriden spektral ve komşuluk haritasından konumsal bilgileri kullanarak, her bir bileşende nesneleri tespit eden iki farklı çizge kesme tabanlı yöntem öneriyoruz. İlk yöntem ikili sınıflandırma sağlarken, ikincisi ise çoklu sınıflandırma gerçekleştiriyor. İlk yöntemi kullanarak yüksek piksellerde binaları ağaçlardan, alçak piksellerde ise yolları çimenlik alanlardan ayırt ediyoruz. İkinci yöntem ise her bir bileşendeki bütün nesneleri tek seferde tespit etmek için kullanılıyor. Bizim önerdiğimiz yöntemin ihtiyaç duyduğu tek öğrenme çizge kesme yöntemindeki çizgenin kenarlarının ağırlıklarını belirlemek için kullanılan örneklerdir. Bir kıyas veri seti üzerinde gerçekleştirilen deneyler gösteriyor ki önerdiğimiz az miktarda öğrenme kullanan yöntem literatürdeki sonuçlarla uyumludur.

Özet (Çeviri)

Object detection in remotely sensed data has been a popular problem and is commonly used in a wide range of applications in domains such as agriculture, navigation, environmental management, urban monitoring and mapping. However, using only one type of data source may not be sufficient to solve this problem. Fusion of aerial optical and LiDAR data has been a promising approach in remote sensing as they carry complementary information for object detection. We propose frameworks that partition the data in multiple levels and detect objects with minimal supervision in the partitioned data. Our methodology involves thresholding the data according to height, and dividing the data into smaller components to process it efficiently in the preprocessing step. For the classification task, we propose two graph cut based procedures that detect objects in each component using height information from LiDAR, spectral information from aerial data, and spatial information from adjacency maps. The first procedure provides a binary classification, whereas the second one performs a multi-class classification. We use the first framework to separate buildings from trees in the high pixels, and roads from grass areas in the low pixels. The second procedure is used to detect all of the classes in each component at once. The only supervision our proposed methodology requires consists of samples that are used to estimate the weights of the edges in the graph for the graph-cut procedures. Experiments using a benchmark data set show that the performance of the proposed methodology that uses small amount of supervision is compatible with the ones in the literature.

Benzer Tezler

  1. Satellite images super resolution using generative adversarial networks

    Uydu görüntülerinde çekişmeli üretici ağ kullanarak süper çözünürlük

    MARYAM SERDAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. AHMET HAMDİ KAYRAN

  2. Object-based urban land cover extraction using the synergy of lidar data and very high resolution multispectral imagery

    Lidar verisi ve çok yüksek çözünürlüklü çok bantlı görüntü sinerjisini kullanarak nesne-tabanlı kentsel arazı örtüsü çıkarımı

    ENES HALICI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Jeodezi ve FotogrametriHacettepe Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA TÜRKER

  3. Developing algorithm for automatic detection of caves using unmanned aerial vehicle data

    İnsansız hava araçlarından elde edilen verilerle otomatik mağara tespiti yapabilen algoritmanın geliştirilmesi

    MUSTAFA BÜNYAMİN SAĞMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Savunma ve Savunma Teknolojileriİstanbul Teknik Üniversitesi

    Savunma Teknolojileri Ana Bilim Dalı

    DOÇ. DR. ORKAN ÖZCAN

  4. Çok bölgeli uçuş süresi sensörleri kullanılan otonom cihazlar için tinyml platformu ile nesne algılama

    Tiny machine learning model for object detection with multi zone time of flight sensors

    SERGEN ERKAN ARSLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. BÜLENT BOLAT

  5. Moving object detection in 2D and 3D scenes

    2 boyutlu ve 3 boyutlu sahnelerde hareketli nesne tespiti

    SALİM SIRTKAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2004

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYDIN ALATAN