İnsansız hava aracı görüntülerinden kentsel alanlarda araç tespiti
Vehicle detection in urban areas from unmanned aerial vehicle images
- Tez No: 493895
- Danışmanlar: PROF. DR. MUSTAFA TÜRKER
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 100
Özet
Kentsel alanlarda ve özellikle yoğun metropol şehirlerde uydu görüntüleri ya da hava fotoğrafları kullanılarak çeşitli yöntemlerle görüntü üzerindeki birbirinden farklı özellikteki bina, ağaç ve araç gibi nesnelerin otomatik olarak tespiti ve değişim analizi yapmak kentsel alanların planlanması, yönetimi ve sürdürülebilirliği için oldukça önemlidir. Söz konusu bu bilgilerin yersel ölçümler gibi klasik metotlarla elde edilmesi oldukça fazla zaman, maliyet ve işgücü kaybına neden olmaktadır. Bu sebepten dolayı bu alanda yapılan çalışmaların uydu görüntüleri veya hava fotoğrafları kullanılarak otomatik veya yarı otomatik yöntemler ile tespit edilmesi önem arz etmektedir. Bu tez çalışmasında insansız hava araçlarından (İHA) çekilerek elde edilen çok yüksek konumsal çözünürlüklü renkli ve üç bantlı (Kırmızı, Yeşil, Mavi) görüntülerden kentsel alanlarda sabit araçların tespiti için bir yaklaşım geliştirilmiştir. Çalışmada veri olarak Hacettepe Üniversitesi Beytepe Yerleşkesinde bir insansız hava aracı (İHA) ile alımı yapılan görüntüler kullanılmıştır. Çalışmada ilk olarak görüntü eşleme ve otomatik korelasyon tekniği ile İHA görüntülerinden sayısal yüzey modeli (SYM) ve ardından ortofoto üretilmiştir. Sonra, tüm çalışma alanı için elde edilen ortofoto üzerinden birbirinden farklı özelliklere sahip üç adet test alanı (Test Alanı #1, Test Alanı #2 ve Test Alanı #3) seçilmiştir. Bir sonraki aşamada, her bir test alanı için, üç bantlı (KYM) ortofoto verisi ve ek bant olarak yükseklik verisi de kullanılarak toplam dört bantlı veriye önce çoklu çözünürlük segmentasyon işlemi ve ardından kontrollü sınıflandırma işlemi uygulanmıştır. Daha sonra, ortofoto görüntüleri üzerinden, test alanları içerisindeki her bir sabit araç geometrik şekil itibariyle dış sınırları üzerinden kapalı birer alan olarak çizilerek, vektör veri formatında referans veri seti oluşturulmuştur. Çalışmanın son aşamasında, önerilen yöntem ile tespit edilen sabit araçlar ve referans veri seti çakıştırılarak doğruluk analizleri yapılmıştır. Bu bağlamda, doğruluk değerleri Doğru Pozitif (True Positive - TP), Yanlış Pozitif (False Positive - FP) ve Yanlış Negatif (False Negative - FN) olarak üç farklı kategoride ele alınarak araç tespit yüzdeleri ve kalite yüzdeleri hesaplanmış ve elde edilen sonuçlar sayısal olarak yorumlanmıştır. Elde edilen sonuçlara göre, Test Alanı #1 için araç tespit yüzdesi % 88.99, kalite yüzdesi % 51.56, Test Alanı #2 için araç tespit yüzdesi % 78.53, kalite yüzdesi % 55.17 ve Test Alanı #3 için araç tespit yüzdesi % 92.15, kalite yüzdesi % 72.43 olarak hesaplanmıştır. Test alanlarında yer alan bina ve ağaç gibi araç dışı nesnelerin yüksekliklerinin doğruluk analizlerini etkiledikleri görülmüştür. Özellikle otopark alanlarındaki sabit araçların, birbirlerine çok yakın şekilde park edilme durumu ve etrafındaki ağaçların ve bina çatılarının altında kalma durumu sonuçları olumsuz yönde etkilemektedir. Kullanılan SYM'nin doğruluğu ve nokta yoğunluğunun da araç tespit yüzdesini doğrudan etkilediği görülmüştür. Dolayısıyla, kullanılan ortofotonun konumsal ve spektral çözünürlüğü ile SYM'nin doğruluğunun artmasının araç tespit yüzdesi ve kalite yüzdesi değerlerinin her ikisini de artırması beklenmektedir. Elde edilen sonuçlar, bu tez çalışmasında önerilen yöntemle sabit araçların çok yüksek konumsal çözünürlüklü K, Y, M görüntülerinden otomatik tespitinin yüksek doğrulukla yapılabildiğini göstermektedir.
Özet (Çeviri)
It is very important for the planning, management and sustainability of urban areas, especially in metropolitan cities to automatically detect and analyze the change of objects such as buildings, trees, and vehicles using satellite images or aerial photographs with various methods. Obtaining this information with classical methods such as terrestrial measurements causes a lot of time, cost and labor loss. Hence, it is important that the work done in this area is detected by automatic or semi-automatic methods using satellite images or aerial photographs. In this thesis, an approach has been developed for the detection of stationary vehicles from very high spatial resolution color and three band (Red, Green, Blue) images obtained by unmanned aerial vehicles (UAV) in urban areas. Images were taken with a UAV at the Beytepe Campus of Hacettepe University in the study. In this study, first, a digital surface model (DSM) was generated by image matching and automatic correlation technique followed by orthophoto production. Then, three test fields (Test Area # 1, Test Area # 2 and Test Area # 3) with different characteristics were selected from the orthophoto of the whole study area. In the next step, multiresolution segmentation followed by supervised classification was performed using three band (RGB) orthophoto data and elevation data as an additional band. Then, a reference dataset in vector format was created by drawing a closed area over the outer boundaries of each stationary vehicle in the test fields from the orthophotos. At the last stage of the work, stationary vehicles determined by the proposed method and the reference dataset are overlaid and accuracy analyses are performed. In this context, vehicle detection percentages and quality percentages are calculated and reviewed by considering the accuracy values in three different categories as True Positive (TP), False Positive (FP) and False Negative (FN). According to the obtained results, the vehicle detection percentage for test area # 1 is 88.99%, the quality percentage is 51.56%, the vehicle detection percentage for test area # 2 is 78.53%, the quality percentage is 55.17% and the vehicle detection percentage for test area # 3 is 92.15% calculated as 72.43%. It has been observed that the heights of nonvehicle objects such as buildings and trees in test areas influence accuracy analyses. In particular, the stationary vehicles parked in close proximity to each other and the ones that are surrounded by the trees and parked under the roofs of the buildings are affecting the results negatively. It was observed that the accuracy of the DSM and the point density directly affected the vehicle detection percentage. Hence, it is expected that an increase in the spatial and spectral resolution of the orthophoto as well as an increase in the accuracy of the DSM will increase the vehicle detection percentage and the percentage of quality values. Obtained results show that automatic detection of stationary vehicles from very high spatial resolution RGB images can be performed with high accuracy using the method proposed in this thesis study.
Benzer Tezler
- Unmanned aerial vehicles based 3D city modeling data collection, processing and analysis the case of Yavuz Sinan neighborhood
İnsansız hava araç tabanlı 3D şehir modellemesi veri toplama, işleme ve analizi Yavuz Sinan mahallesi örneği
ABDALRAHMAN ALASHI
Yüksek Lisans
İngilizce
2019
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
DOÇ. DR. ÖZHAN ERTEKİN
- Kentsel alanlarda İHA görüntülerinden ortofoto oluşturma ve otomatik ağaç tespiti
Orthophoto generation and automatic tree detection from UAV images in urban areas
MEHMET FATİH GÜRBÜZ
Yüksek Lisans
Türkçe
2016
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TÜRKER
- İHA görüntülerinden üretilen sayısal yüzey ve arazi modellerinin lidar ve sayısal fotogrametri yöntemleri ile karşılaştırmalı analizi
Comparative analysis of digital surface and terrain models generated from UAV images with lidar and digital photogrammetry methods
AKIN BARUN
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. TAŞKIN KAVZOĞLU
PROF. DR. UMUT GÜNEŞ SEFERCİK
- İnsansız hava aracı görüntülerinden bina çatılarının üç boyutlu çıkartılması
Three dimensional extraction of the building roofs from the images of an unmanned aerial vehicle
FATİH TEKİR
Yüksek Lisans
Türkçe
2019
Bilim ve TeknolojiYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BAYRAM
- Derin öğrenme ile yeşil alanların çıkarımı
Exraction of green areas with deep learning
YUSUF YEKTA GÜZEL
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ANİME MELİS UZAR DİNLEMEK