Automatic roof plane extraction from LiDAR data using RANSAC algorithm
RANSAC algoritması kullanılarak LiDAR verisinden otomatik çatı düzlemi çıkarılması
- Tez No: 501060
- Danışmanlar: PROF. DR. Mustafa TÜRKER
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Hava verilerinden otomatik görüntü iĢleme ve nesne çıkarımı fotogrametri ve uzaktan algılama alanlarında önemli bir araĢtırma konusu haline gelmiĢtir. LiDAR olarak da bilinen hava lazer tarama sistemi, yer yüzeyinden yüksek hız ve yoğunlukta 3D uzamsal verilerin elde edilmesinde kullanılan en temel teknolojidir. LiDAR'ın çıktıları, sınıflandırılmamıĢ ve yapılandırılmamıĢ nokta bulutudur. Dolayısıyla, bu veriler üzerinde gerçekleĢtirilecek temel iĢlem, onları ayrı kategoriler halinde sınıflandırmaktır. Sonra, sınıflandırılan LiDAR verileri 3B Ģehir modellerini oluĢturmada giridi verisi olarak kullanılabilir. Bu veriler, sınıflandırma sürecinde kilit rol oynayan benzersiz özelliklere sahiptir. En temel özellikleri, bulut noktalarının 3D konumlarında gerçekleĢtirilen süreçler yoluyla elde edilen geometrik özellikleridir. RANSAC (Random Sample Consensus – Rastgele Örnekleme Konsensüsü), bölge büyütme ve Hough dönüĢümü gibi çeĢitli yöntemler yoluyla yürütülen düzlemsel çıkarım, bu süreçler arasında yer almaktadır. Bu çalıĢmada, bina çatılarından düzlem çıkarmada hızlı ve etkili bir algoritma olan RANSAC kullanılmıĢtır. ÇalıĢmanın amacı, bina çatılarından düzlem çıkarmada RANSAC'ı, LiDAR nokta bulut verisi üzerinde uygulamaktır. ġehir modellerinin önemli bileĢenlerinden olan bina çatılarının çıkarımının ilk ve en önemli adımı, binaları arazi ve bitki örtüsü gibi diğer yapılardan ayırıp tespit etmektir. Ġkinci adım, RANSAC algoritmasını tekil bina nokta bulutu verisine uygulamaktır. Geometrik konuma ve noktaların düzleme olan mesafelerine dayalı olarak, en küçük kareler yöntemi kullanılarak, düzlemi oluĢturan aday noktalar yoluyla en iyi düzlem oluĢturulur. Türkiye'nin Bergama kentinden seçilen çalıĢma alanlarında Reigl tarayıcı ile toplanan LiDAR nokta bulut verileri kullanılarak testler gerçekleĢtirilmiĢtir. Elde edilen sonuçlar RANSAC'ın performansının, kompleks çatı yapısına sahip binalarda ve yüksek yoğunluklu nokta bulutlarında küçük düzlemleri çıkarma becerisi açısından iyi olduğunu göstermektedir. Ayrıca, en iyi çıkarımı yapılan düzlemler, ham nokta bulutu veri setlerine doğru Ģekilde uyarlanmıĢtır.
Özet (Çeviri)
Automatic image processing and object extraction from airborne data have become an important topic of research in the field of photogrammetry and remote sensing. The aerial laser scanning system, also known as LiDAR, has become the dominant technology for acquiring 3D spatial data from the earth surface with high speed and density. LiDAR's output is an unclassified and unstructured point cloud dataset. Thus, the main process to be performed on this dataset is to classify it into distinct classes. Then, the classified LiDAR data can be used as input to create 3D city models. This data has a number of unique properties that play a fundamental part in their classification process. The main properties include the geometric properties that are obtained through the processes carried out on 3D positions of the points in the cloud. Among these processes is the plane extraction, which is carried out through the most commonly used methods of RANSAC (Random Sample Consensus), Region growing, and Hough Transform. In this study, the RANSAC algorithm was used to extract planes from building rooftops. The aim is to apply RANSAC on LiDAR point cloud data to extract planes from rooftops. The first and most important step in the extraction process of the planes from rooftops is to identify and distinguish buildings from the other features, such as terrain and vegetation. The second step is to apply the RANSAC algorithm on the point cloud data of the individual buildings. Based on the geometric position and the points' distance to the plane, the least squares method is used to cross the best plane through the candidate points that form the plane. The experiments were carried out on the selected study areas located in the city of Bergama, Turkey using LiDAR point cloud data collected by the Reigl airborne scanner. The results show that RANSAC's performance is quite good for buildings which have complex roofs and also it has the ability to extract small planes in high density point clouds. Furthermore, the best extracted planes are properly adjusted to the raw point cloud data sets.
Benzer Tezler
- LiDAR verilerinden bina çatı düzlemi otomatik çıkarım modeli geliştirme
Development of a model for automatic extraction of building roof plane from LiDAR data
SİBEL CANAZ SEVGEN
Doktora
Türkçe
2018
Jeodezi ve FotogrametriKaradeniz Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. FEVZİ KARSLI
- LiDAR verisinden bina çatı düzlemlerinin otomatik çıkarımı ve modellemesi
Automatic extraction and modeling of building roof planes from LiDAR data
MURAT GÜLER
Yüksek Lisans
Türkçe
2018
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TÜRKER
- Bir sanayi yapısının yangın dayanımının artırılması ve maliyete etkisinin araştırılması
Increasing the fire resistance of an industrial building and researching the effects on cost
OĞUZ KEMAL ALPASLAN
- Bilgisayar ortamında tasarlanmış planlar için otomatik olarak cephe üretilmesi
Başlık çevirisi yok
BURHAN BAHÇECİOĞLU