Nokta bulut verilerde bulanık mantık tabanlı sınıflandırma uygulaması ve analizi
Fuzzy logic based on point cloud data classification application and analysis
- Tez No: 907371
- Danışmanlar: DOÇ. DR. BAHADIR ERGÜN
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gebze Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Jeodezi ve Coğrafi Bilgi Teknolojileri Bilim Dalı
- Sayfa Sayısı: 98
Özet
Noktasal bulut verisi birden fazla uygulama alanı için önemli olmakla birlikte zengin bir veri kaynağı olarak da görülmektedir. Noktasal bulutlar; x(enlem),y(boylam),z(yükseklik) koordinatlarının bir araya gelmesiyle oluşan veri yapılarıdır. Genellikle büyük boyutlarda olup verinin analizi ve işlenmesinde önemli bir zorluk oluşturmaktadır. Bu gibi sıkıntıların giderilmesi için nokta bulut verileri kullanılarak yapılan sınıflandırma çalışmalarında birçok yaklaşım modeli ve yöntemler geliştirilmektedir. Bu çalışmada ilk aşama olarak nokta bulut verileri Fuzzy Logic(Bulanık Mantık)tabanlı sınıflandırma işlemlerinde kullanılan iki farklı algoritmayla analiz edilmiştir. Bu algoritmalar, K-Means(K-Ortalamalar) ve Fuzzy C-Means(Bulanık C-Ortalamalar) gibi yaygın makine öğrenimi algoritmalarıdır. Çalışmanın makine öğrenimi tekniklerinin karmaşık veri setlerindeki uygulanabilirliğini ve performansını anlamamıza katkı sağlaması amaçlanmıştır. Uygulama için Cloud Compare yazılımı kullanılarak Gebze Teknik Üniversitesi'nin kalibrasyon odasının bir kısmı veri seti olarak kesilmiştir. Kesilen nokta bulut verisi Matlab programında yazılan kodlara aktarılarak sınıflandırma analizi yapılmıştır. Kümeleme işleminden sonra noktasal bulut verisinin orta noktası tespit edilmiştir. Algoritmaların performansı DBI(Davies- Bouldin Index)kullanılarak değerlendirilmiştir. Hesaplanan DBI değerinin düşük olması kümelerin birbirinden ayırt edilme gücünü artırmaktadır. Bu nedenle elde edilen en düşük indeks değerleri için uygulamada 4 küme kullanılmıştır. Sonuç olarak 4 küme için hesaplanan Fuzzy C-Means algoritmasının DBI değeri (2,1024), K-Means algoritmasının DBI değeri (0,8293) çıkmıştır. DBI doğrulama ölçütünün sıfıra yakın değerler için daha doğru sonuçlar verdiği göz önünde bulundurularak çalışmada K-Means algoritmasının Fuzzy C-Means algoritmasına kıyasla daha başarılı olduğu saptanmıştır. İkinci aşamada ise FCM ve K-Means kümeleme işlemine ek olarak bulanık çıkarım yöntemlerinden Mamdani ve Sugeno yöntemleri de sınıflandırmaya dahil edilerek rastgele seçilen 5 noktaya ait coğrafi koordinat verisinin sınıflandırması çalışılmıştır. Elde edilen sonuç verileri gerçek koordinat değerleriyle karşılaştırılıp farklar grafik üzerinde gösterilmiştir. X, Y ve Z doğrultu farkları hesaplanarak gerçek değerlere kıyasla hata değerleri hesaplanmıştır. En az hataya Sugeno yöntemiyle ulaşıldığı gözlenmiştir. Hata değerlerinin [-0.02243, 0.02866m], [-0.05867, 0.05447m] ve [-0.05730, 0.07366m] arasında değiştiği gözlenmiştir. Böylece çalışmanın nokta bulut verisi analizi ve işlenmesi konusunda önemli bir adım olup hem akademik hem de endüstriyel alanda ilgili araştırmacılar için faydalı olması beklenmektedir. Ayrıca noktasal bulut verisi analizi ve makine öğrenimi tekniklerinin entegrasyonu, gelecekteki araştırma ve uygulama alanlarında daha da önem kazanacağı düşünülmektedir.
Özet (Çeviri)
Point cloud data is important for more than one application area and is also seen as a rich data source. Point clouds are data structures formed by the combination of x (latitude), y (longitude), z (height) coordinates. They are usually large in size and pose a significant difficulty in the analysis and processing of data. In order to overcome such problems, many approach models and methods are developed in classification studies conducted using point cloud data. In this study, as the first stage, point cloud data were analyzed with two different algorithms used in Fuzzy Logic-based classification processes. These algorithms are common machine learning algorithms such as K-Means and Fuzzy C-Means. The aim of the study is to contribute to our understanding of the applicability and performance of machine learning techniques in complex data sets. For the application, a part of the Gebze Technical University calibration room was cut as a data set using the Cloud Compare software. The cut point cloud data was transferred to the codes written in the Matlab2016b program and clustering analysis was performed. After the clustering process, the midpoint of the point cloud data was determined. The performance of the algorithms was evaluated using DBI (Davies-Bouldin Index). The low calculated DBI value increases the power of distinguishing the clusters from each other. Therefore, 4 clusters were used in the application for the lowest index values obtained. As a result, the DBI value of the Fuzzy C-Means algorithm calculated for 4 clusters was (2.1024), and the DBI value of the K-Means algorithm was (0.8293). Considering that the DBI verification criterion gives more accurate results for values close to zero, it was determined that the K-Means algorithm was more successful than the Fuzzy C-Means algorithm in the study. In the second stage, in addition to the FCM and K-Means clustering process, the fuzzy inference methods Mamdani and Sugeno were included in the classification and the classification of the geographical coordinate data of 5 randomly selected points was studied. The resulting data was compared with the real coordinate values and the differences were shown on the graph. The X, Y and Z direction differences were calculated and error values were calculated compared to the real values. It was observed that the least error was achieved with the Sugeno method. It was observed that the error values varied between [-0.02243, 0.02866m], [-0.05867, 0.05447m] and [-0.05730, 0.07366m]. Thus, the study is an important step in point cloud data analysis and processing and is expected to be useful for both academic and industrial researchers. In addition, the integration of point cloud data analysis and machine learning techniques is thought to gain more importance in future research and application areas.
Benzer Tezler
- Kapalı alanda lazer mesafe ölçer temelli dinamik ve statik engellerden sakınabilen zeki mobil robot
An intelligent mobile robot that can be avoidance from static and dynamic obstacles based on laser range sensor in indoor
MUSA MATLI
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. RAİF BAYIR
- Nokta bulutlarının otomatik birleştirilmesinde yeni bir yöntem önerisi
A new method for automatic point cloud registration
RAMAZAN ALPER KUÇAK
Doktora
Türkçe
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERDAR EROL
- Histogram-based sampling and multi-level global registration for 3D point clouds
3B nokta bulutları için histogram tabanlı örnekleme ve çok katmanlı global eşleştirme
OSMAN ERVAN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- İnsansız hava aracı ile elde edilen görüntülerden üretilen ortofoto ve sayısal yüzey modellerinin doğruluğunun araştırılması
Accucary analysis of the orthophotos and digital surface models which are produced from images obtained by unmanned aerial vehicle
EMRE ŞENKAL
Yüksek Lisans
Türkçe
2018
Jeodezi ve FotogrametriEskişehir Teknik ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DOÇ. DR. UĞUR AVDAN
- Analysis of visual design principles in art and architecture by computer vision and learning based model
Sanat ve mimaride görsel tasarım prensiplerinin bilgisayarlı görü ve öğrenme tabanlı model ile analizi
GÖZDENUR DEMİR
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ASLI KANAN