An object segmentation approach for mobile lidar pointclouds
Mobil lidar nokta bulutları için bir nesne ayırt etme yaklaşımı
- Tez No: 687188
- Danışmanlar: PROF. DR. TANKUT ACARMAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: 3 boyutlu nesne ayırt etme, kümeleme, LiDAR, DBSCAN, 3D object segmentation, clustering, LiDAR, DBSCAN
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 42
Özet
LiDAR sensörleri bir sahneyi 3 boyutlu noktalarıyla algılamak için kullanılan araçlardan birisidir. Fakat bu sensörlerden elde edilen nokta bulutları homojen değildir: Noktalar değişken yoğunluklara sahiptir ve gölgelenme problemleri mevcuttur. Bu nedenden dolayı nesne ayırt etme problemi ortaya çıkar çünkü bilinen kümeleme yöntemleri tek başına 3 boyutlu noktalarda kötü sonuçlar vermektedir. Bu çalışmada yerde olanlar ve yerde olmayanlar şeklinde iki sınıf tanımlayan bir yaklaşım geliştirildi. DBSCAN temelli yöntem için öncelikle noktalar yerde olan ve olmayan şeklinde etiketledi. Daha sonra ayırt etme hassaslığı her bir sınıf için farklı ayarlandı. CCL tabanlı yöntem içinse nokta bulutlarından üç tane kuş bakışı matris türetildi. Bunlardan ilki yeri ayırt etmek ve diğer iki matrisin sonuçlarını birleştirmek için kullanıldı. Kalan iki matris üzerinde ER-CCL yöntemi kullanıldı. Bunlardan biri uzun kenarlı hücrelerden oluşup yerde olmayan nesneleri ayırt etmek için kullanıldı. Diğeri ise kısa kenarlı hücreler kullanarak yerdeki nesneleri ayırt etmede kullanıldı. Sunulan yaklaşım DBSCAN temelli ve CCL temelli yöntemlerle değerlendirildi. Oluşturulan yöntemlerin v-measure ve completeness kümeleme metriklerinde temel aldıkları yönteme göre sırasıyla DBSCAN için %4 ve %13, CCL için %13 ve %20 oranında daha iyi sonuç verdiği görüldü. Böylelikle kentsel alanlarda 3 boyutlu alanları ayırt edebilmek için farklı ayırt etme yöntemleriyle kullanılabilen bir yaklaşım sunulmuş oldu.
Özet (Çeviri)
LiDAR sensors are used to percept a scene by its 3D point cloud data. But LiDAR sensor measurement data are not homogeneous, they have uneven density and subject to occlusion problems. And the technical challenge lies along object segmentation because well-known clustering methods can not perform well with stand-alone 3D point cloud data. In this study, an approach is proposed by defining two classes of objects that are ground and nonground objects. The points are labeled ground and nonground points for DBSCAN based method. Then, sensitivity is adjusted for each class to improve the segmentation performance of ground and non-ground objects. For the CCL based method, three bird's eye view matrices are derived from point cloud data. The first matrix is used to separate ground and nonground areas and to merge other two matrix results. The ERCCL algorithm applied with a smaller sided cell for segmentation of ground objects and a bigger sided cell for segmentation of nonground objects. The presented approach is benchmarked with a DBSCAN based method and a CCL based method. The presented method outperforms the DBSCAN method by 4% and 13% and outperforms the CCL based method by 13% and %20 in v-measure and completeness clustering metrics, respectively. Overall, an approach is proposed to segment 3D terrains in an urban area with different segmentation methods.
Benzer Tezler
- Investigation of artificial intelligence-based point cloud semantic segmentation
Yapay zeka tabanlı nokta bulutu semantik bölümlendirmesinin incelenmesi
MUHAMMED ENES ATİK
Doktora
İngilizce
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ZAİDE DURAN
- Depth-based scene mapping through spatio-temporal knowledge integration
Uzamsal-zamansal bilgi yardımıyla derinlik temelli sahne haritalandırılması
MERİÇ DURUKAN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiSistem ve Kontrol Mühendisliği Ana Bilim Dalı
PROF. DR. HURİYE IŞIL BOZMA AYDIN
- Fully automated on-street parking spot detection with different deep learning methods
Farklı derin öğrenme yöntemleriyle tam otomatik cadde park yeri tespiti
EMRE ÇİÇEK
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYeditepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEZER GÖREN UĞURDAĞ
- Telekomünikasyon sektöründe kullanılan ek odaların sokak düzeyi görüntülerinden tespit edilmesi
Detection of manholes from street-level imagery in telecommunication business
AHMET EĞRİ
Yüksek Lisans
Türkçe
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CANER GÜNEY
- An efficient graph-theoretical approach for interactive mobile image and video segmentation
Etkileşimli gezgin imge ve video bölütleme için çizge temelli etkin bir yaklaşım
OZAN ŞENER
Yüksek Lisans
İngilizce
2013
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULLAH AYDIN ALATAN