SLO | ENG

Večja pisava | Manjša pisava

Izpis gradiva

Naslov:Algoritem za klasifikacijo točk vegetacije iz posnetkov LiDAR
Avtorji:Horvat, Denis (Avtor)
Žalik, Borut (Mentor) Več o mentorju... Novo okno
Datoteke:.pdf DOK_Horvat_Denis_2017.pdf (11,60 MB)
 
Jezik:Slovenski jezik
Vrsta gradiva:Doktorsko delo/naloga (mb31)
Tipologija:2.08 - Doktorska disertacija
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:V doktorski disertaciji predstavimo nov algoritem za klasifikacijo vegetacije v podatkih LiDAR. Klasifikacijski postopek povzamemo z dvema korakoma: analiza porazdelitve točk ter analiza njihovega konteksta. Poglavitna značilnost točk vegetacije je namreč statistično visoka razpršenost višin, zato jih lahko učinkovito razpoznamo v odvisnosti od napak pri prileganju ravnin. Klasifikacijo dodatno izboljšamo z uvedbo treh kontekstnih filtrov, ki obravnavajo povezane objekte (na primer zidove, dimnike, balkone), razraščeno vegetacijo in majhne objekte (na primer avtomobile, ograje, kipe). Pokazali smo, da lahko s predlaganim algoritmom vegetacijo razpoznamo neodvisno od tipa vegetacije (listavci in iglavci), okolja (gorsko, gozdnato, urbano) in nivoja olistanosti. V postopku validacije algoritma smo namreč v povrečju dosegli 97,9% rezultat F1 v neurbanih območjih in 91% v urbanih, ki iz vidika težavnosti klasifikacije veljajo za zahtevnejša. Pri klasifikaciji uporabljamo samo geometrijske podatke oblaka točk, kar predstavlja prednost algoritma pred drugimi, katerih uspešnost je v veliki meri odvisna od lastnosti, kot so visoka gostota točk in zanesljivost (ali prisotnost) drugih informacij. Analiza treh vhodnih parametrov je prav tako pokazala, da so le-ti stabilni in robustni. Predlagani algoritem zato omogoča uporabniško interakcijo ter nadzor razmerja celovitosti in pravilnosti klasifikacije.
Ključne besede:algoritem, daljinsko zaznavanje, LiDAR, matematična morfologija, prileganje površij, klasifikacija vegetacije
Leto izida:2017
Založnik:[D. Horvat]
Izvor:Maribor
UDK:004.652.6:5514.04(043.3)
COBISS_ID:20461590 Povezava se odpre v novem oknu
Število ogledov:293
Število prenosov:73
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
Področja:KTFMB - FERI
:
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share

Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Algorithm for classification of vegetation in LiDAR data
Opis:In this Doctoral dissertation, we introduce a new algorithm for the classification of vegetation points within LiDAR data. The classification procedure can be outlined with two steps: An analysis of the distribution of points and an analysis of the context in which they are located. Vegetation points are, namely, characterised by their non-linear distributions and they can, therefore, be recognised effciently in relation to the large plane fitting errors. The classification is improved further by introducing three contextual filters, which deal with attached objects (e.g. walls, chimneys, balconies), overgrown vegetation and small objects (e.g. vehicles, fences, statues). We have shown that the proposed algorithm is able to classify vegetation despite of the different vegetation types (deciduous and coniferous), enviroments (mountain, forested,urban), and different levels of leaf conditions. An average F1 score of 97.9% was achieved for non-urban areas and 91% for urban areas, which are, in terms of classification difficulty, considered to be more difficult. The algorithm uses only the geometrical information of points, which presents an advantage when compared with the methods which rely on point clouds with high point density and reliability (or the presence) of other information. The parameter sensitivity analysis has also shown that the three used input parameters are stable and robust. They, therefore, provide an efficient way to regulate the ratio between completeness and correctness.
Ključne besede:algorithm, remote sensing, LiDAR, mathematical morphology, surface fitting, vegetation classification


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici