Geri Dön

LiDAR verilerinden bina çatı düzlemi otomatik çıkarım modeli geliştirme

Development of a model for automatic extraction of building roof plane from LiDAR data

  1. Tez No: 523262
  2. Yazar: SİBEL CANAZ SEVGEN
  3. Danışmanlar: PROF. DR. FEVZİ KARSLI
  4. Tez Türü: Doktora
  5. Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 139

Özet

Bina çatı düzlemlerinin toplanan uzaktan algılama verilerinden çıkarımı son yıllarda araştırmacılar tarafından sıkça çalışılan konulardan biridir. Özellikle, bina çatı düzleminin Light Detection And Ranging (LiDAR) verisi kullanılarak çıkarımı çok popüler bir konu haline gelmiştir. Çünkü aktif bir sistem kullanan LiDAR teknolojisi 3 Boyutlu (3B) veriyi hızlı ve doğru bir şekilde gece/gündüz toplayabilmektedir. LiDAR verisi kullanarak düzlemsel özellik çıkarmada kullanılan en popüler yöntemlerden biri Random Sample and Concencus (RANSAC) algoritmasıdır. RANSAC algoritması, düzlemi devamlı sonsuz bir planimetrik uzayda tanımlamakta ve düzlemin sınırları içerisinde olmayan ama devam eden düzlem planimetrisindeki noktaları da düzleme ait noktalarmış gibi çıkarmaktadır. Bir başka deyişle, RANSAC algoritması ile LiDAR verisinden çıkarılan bina çatı düzlemleri ağaç, kuş, elektrik kabloları vb. gürültülerden gelen aykırı değerlere sahip olabilmektedir. Çünkü bu aykırı değerler yöntemde tanımlanan düzlem eşitliği sınırında ve düzlem planimetrisi içinde kalabilmektedir. Bu çalışmanın amacı RANSAC tarafından çıkarılan bina çatı düzlemlerinde aykırı değerleri tanımlayıp elimine etmek ve böylece RANSAC algoritmasını geliştirmektir/iyileştirmektir. Bu yüzden bu tez çalışmasında, RANSAC düzlem yakalama yöntemini iyileştirmek amacıyla bir algoritma geliştirilmiştir. LiDAR verilerinden düzlem çıkarmada ise öncelikle yer ve yerüstüne ait noktaların ayrılması ve sadece yerüstüne ait noktaların işleme alınması gerekmektedir. Bu bağlamda, LiDAR verilerini yer ve yerüstü noktalar olarak sınıflandıran yeni bir yöntem geliştirilmiştir. Yerüstüne ait nokta veriler kullanılarak ise düzlem çıkarma algoritması geliştirilmiştir. Bu geliştirilen algoritma (Improved-RANSAC, I-RANSAC), tek bina içeren sekiz adet LiDAR verisi ve birden fazla binayı içeren üç adet LiDAR verisi ile test edilmiştir. Elde edilen sonuçlar öncelikle eğer verinin koordinat sistemi biliniyorsa nitel kalite kontrol yönteminde Google uydu fotoğrafları üzerine yansıtılarak gözlemsel olarak analiz edilmiştir. Nicel kalite kontrol yöntemi için ise öncelikle bina çatı düzlem sınırları Google uydu fotoğraflarından manuel olarak sayısallaştırılmıştır. RANSAC ile I-RANSAC algoritmasından çıkarılan bina çatı düzlem noktalarının, manuel olarak çıkarılan bina sınırı içinde kalıp kalmadığı analiz edilerek, Precision (Doğruluk), Recall (Hassasiyet) ve F-measure (F-puanı) metrikleri hesaplanmış ve genel olarak 3 ölçüt sonuçları 0.95'in üstünde elde edilmiştir. Nicel ve nitel kalite kontrol yöntemi analizlerinden, geliştirilen bina çatı düzlemi çıkarma algoritmasının (I-RANSAC) bina çatı düzlemlerini başarılı bir şekilde çıkardığı sonucuna varılmıştır.

Özet (Çeviri)

Building roof plane extraction from a dataset has been widely studied by researchers during the last decades. Especially, building roof plane extraction from Light Detection And Ranging (LiDAR) data has become very popular study since LiDAR, which is used active system, technology can collect 3 Dimensional (3D) data fast and accurately during day or night. One of most popular algorithms for planar feature extraction is Random Sample and Concencus (RANSAC). The RANSAC algorithm defines the planes in a continuous infinite planimetric space, and the points on the continuing plane planimetry, which are not within the bounds of the plane, are extracted as if they are in plane boundary. In other words, a building roof plane extracted by the RANSAC algorithm might have outliers coming from trees, birds, wires etc. because the outlier points might be in the defined plane model equation's and plane planimetric space. The aim of this study is to develop an algorithm for defining and eliminating the outliers from building roof planes, which are extracted using RANSAC algorithm to enhance/improve RANSAC plane extraction results. Hence, an algorithm was develop (called as Improved-RANSAC, I-RANSAC) to enhance RANSAC algorithm for planar feature extraction. To extract planar feature from Lidar data, ground and non-ground points need to be classified. To classify points into ground and non-ground classes a new algorithm was developed. Using only non-ground points from the whole LiDAR data, the proposed plane extraction algorithm (I-RANSAC) was tested with 8 single building LiDAR data and 3 LiDAR data sets that contain more than one buildings. The results were projected on Google satellite photographs and analyzed with a qualitative quality control if the coordinate system of the data is known. For the quantitative quality control, boundary of the buılding roofs are manually digitized and LiDAR points before and after applying the developed algorithm to the extracted planar features were evaluated. Precision, Recall and F-measures are calculated and observed as around 0.95. According to analysis of the results, it is clear that the developed algorithm is capable of successfully extracting building roof planes using LiDAR data.

Benzer Tezler

  1. Automatic roof plane extraction from LiDAR data using RANSAC algorithm

    RANSAC algoritması kullanılarak LiDAR verisinden otomatik çatı düzlemi çıkarılması

    KHALIL KARBALAI MOHAMMADZADEH

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Jeodezi ve FotogrametriHacettepe Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. Mustafa TÜRKER

  2. 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

    Türkçe

    2018

    Jeodezi ve FotogrametriHacettepe Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA TÜRKER

  3. Nokta bulutu verilerinden çıkarılan bina çatı geometrisinin düzgünleştirilmesine yönelik yeni bir algoritma ve arayüz geliştirme

    A novel algorithm and interface for automatic regularization of building boundary geometry extracted from point cloud data

    EMİRHAN ÖZDEMİR

    Doktora

    Türkçe

    Türkçe

    2023

    Jeodezi ve FotogrametriKaradeniz Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. FEVZİ KARSLI

  4. Mekânsal dijital ikizlere yönelik yapı modeli üretiminde prosedürel modelleme yönteminin tasarımı ve geliştirilmesi

    Design and development of procedural modeling method in generating structure models for spatial digital twins

    GÜÇLÜ ŞENYURDUSEV

    Doktora

    Türkçe

    Türkçe

    2024

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET ÖZGÜR DOĞRU

  5. Estimation of building height from ICESat-2/ATLAS and airborne LiDAR data using machine learning algorithms

    Makine öğrenmesi algoritmaları kullanılarak ICESat-2/ATLAS ve havasal LiDAR verilerinden bina yüksekliği tahmini

    ASLIHAN YÜCEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Jeodezi ve Fotogrametriİzmir Katip Çelebi Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MÜGE AĞCA