Hava LiDAR verilerinden tarımsal alan sınırlarının otomatik tespiti
Automatic detection of agricultural field boundaries from aerial LiDAR data
- Tez No: 864262
- Danışmanlar: PROF. DR. HAKAN KARABÖRK, DOÇ. DR. NURDAN BAYKAN
- Tez Türü: Doktora
- Konular: Jeodezi ve Fotogrametri, Mühendislik Bilimleri, Geodesy and Photogrammetry, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 156
Özet
Uydu görüntüleri, hava fotoğrafları ve LiDAR verilerinden nesne (obje) tespiti son yıllarda popüler hale gelen çalışmalar arasında yer almaktadır. Bu çalışmalar arasında özellikle son yıllarda önemi daha da artan gıda arzı ve bu arz nedeniyle yaşanan üretim sorunları düşünüldüğünde tarımsal alanların otomatik tespiti ve sınıflandırılması oldukça önemlidir. Son yıllarda sıklıkla kullanılan LiDAR teknolojisi sayesinde 3B nokta koordinatları elde edilebilmektedir. Bu 3B noktalar arazi ile arazi üzerindeki nesnelerin koordinatlarını da içermektedir. Bu nedenle çalışmada LiDAR verisi tercih edilmiştir. Çalışma kapsamında LiDAR verileri U.S. National Science Foundation, Intergovernmental Committee on Surveying and Mapping ve NOAA Offıce For Coastal Management isimli online kaynaklardan ve Körfez Haritacılık Planlama şirketinden offline bir şekilde ücretsiz olarak temin edilmiştir. LiDAR sisteminden elde edilen 3B nokta bulutu verisi ile 10 adet veri seti oluşturulmuştur. Daha sonra 3B nokta bulutu verisinden elde edilen görüntüler kullanılarak, tarımsal alandaki parsel sınırları tespit edilmiştir. Bu amaçla yapılan uygulamada öncelikle nokta bulutu verisinden elde edilen yoğunluk (intensity) görüntüleri belirli filtrelerden geçirilerek K-Ortalamalar, Bulanık C-Ortalamalar ve Ortalama Kaydırma kümeleme algoritmaları ile Canny, Sobel, Roberts ve Prewitt kenar bulma algoritmaları uygulanmış ve performans analizi yapılmıştır. Bu algoritmalar için en uygun parametre değerleri tespit edildikten sonra kümeleme ve kenar bulma algoritmalarının başarısı karşılaştırılmıştır. Doğruluk analizleri için F-Skor, Yüksek Sinyal Gürültü Oranı (YSGO), Sinyal Gürültü Oranı (SGO), Ortalama Karesel Hata (OKH), Yapızal Benzerlik İndeks Ölçümü (YBİÖ) ve Korelasyon Katsayısı (KK) ölçütleri kullanılmıştır. Elde edilen sonuçlarda F-Skor değerinde ortalama % 86 oranında başarı elde edildiği görülmüştür.
Özet (Çeviri)
Object detection from satellite images, aerial photographs and LiDAR data has become popular in recent years. Especially considering that the food supply and the production problems which has become increasingly important in recent years, automatic detection and classification of agricultural areas is very important. By means of LiDAR technology, which has been used frequently in recent years, 3D point coordinates can be obtained. 3D points contain coordinates terrain and terrain objects. For this reason, LiDAR data was preferred in the study. Within the scope of the study, LiDAR data was obtained freely from the online sources that National Science Foundation, Intergovernmental Committee on Surveying and Mapping and NOAA Office for Coastal Management and also from the Körfez Mapping Planning Company in Turkey as offline data. Initially 10 data sets were generated with 3D point cloud data. Afterwards, using images obtained from 3D point cloud data, parcel boundaries in the agricultural area were determined. In the study, Firstly the intensity images were obtained from the point cloud data were passed through the specific filters. After that K-Means, Fuzzy C-Means and Meanshift clustering algorithms and Canny, Sobel, Roberts, Prewitt edge detection algorithms were applied to the intensity images and the most appropriate parameter values for these algorithms have been determined. Then, the success of clustering and edge detection algorithms was compared. Accuracy analyzes were conducted with reference data sets. The effect and performance of the accuracy criteria that F-Score, Peak Signal to Noise Ratio, Signal to Noise Ratio, Mean Squared Error, Structural Similarity Index Measure and Correlation Coefficient were tested on the results. The results showed that an average success rate of 86 % was achieved in the F-Score value.
Benzer Tezler
- A practical implementation of navigation and obstacle avoidance for quadcopters
Dört pervaneli helikopterler için bir engelden kaçınma ve seyrüsefer uygulaması
ONUR YILDIRIM
Yüksek Lisans
İngilizce
2022
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- İnsansız hava aracı ve yersel hiperspektral veriler ile narenciye ağaçlarında verim tahmini
Yield estimation of citrus trees with unmanned aerial vehicle and terrestrial hyperspectral data
MESUT ÇOŞLU
Doktora
Türkçe
2023
Mühendislik BilimleriAkdeniz ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
PROF. DR. NAMIK KEMAL SÖNMEZ
- Enhancing UCAV operations with AI-driven point cloud semantic segmentation for precision gimbal targeting in defense industry
Savunma sanayiinde hassas gimbal hedefleme için yapay zeka tabanlı nokta bulutu semantik segmentasyon yaklaşımlarıyla S/İHA operasyonlarının iyileştirilmesi
SALİH BOZKURT
Doktora
İngilizce
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ZAİDE DURAN
- Swarm fighter aircraft control with deep reinforcement learning approach
Derin pekiştirmeli öğrenme ile sürü savaş uçaklarının kontrolü
METİN SARI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. FİKRET ÇALIŞKAN