Automatic extraction of planar objects from lidar point cloud data

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Ondokuz Mayıs Üniversitesi, Lisansüstü Eğitim Enstitüsü, Harita Mühendisliği Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2021

Tezin Dili: İngilizce

Öğrenci: ABU KAMARA

Danışman: Sedat Doğan

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Nokta bulutu verilerinden tam veya yarı-otomatik olarak nesnelerin çıkarılması problemi, çok büyük miktardaki veri ve problemin karmaşıklığı nedeniyle oldukça zor bir iştir. Bu tezde, düzlemsel nesnelerin LiDAR nokta bulutu verilerinden çıkarılması amacıyla model-tabanlı yöntemler, RANSAC ve en küçük kareler yöntemiyle düzlem uydurma optimizasyon tekniği ile yorumlanmıştır. RANSAC (Random Sample Consensus) algoritması, rasgele seçilen örneklerin iteratif hesaplar sonucunda model ile uzlaştırılması yaklaşımı olarak tanımlanabilir. Bu yaklaşım iyi bilinen ve yorumlanması kolay bir yaklaşım olmasına rağmen, problemin karmaşık yapısı ve büyük verinin analiz edilmesi zorunluluğu nedeniyle doğru sonuçların elde edilmesi ve elde edilen düzlem parçalarının anlamlı nesneler oluşturacak şekilde gruplandırılması işi, çözümü oldukça zor olan bir problemdir. Bölümleme (segmentation) modelleri 2- boyutlu bir görüntüdeki nesnelerin dış sınırlarını tam olarak bulabilmektedir. Bunun için sınıflandırma (classification) modellerinin tersine, bir nesnenin piksel piksel tanımını yapmaktadır. 3- boyutlu nokta bulutu verilerinde ise, sınıflandırma yapılabilmekte ve ancak nesne adaylarının sınırlandırıcı kübü (bounding box) elde edilebilmektedir. Bu küp içerisindeki aday nesnenin analitik tanımı, optimizasyon sonucunda elde edilen düzlem parametreleriyle yapılmıştır.