Προσέγγιση εξαγωγής (μοντέλων) κτιρίων βασισμένη στον συνδυασμό Point Cloud (νέφους σημείων) από LiDAR και χαρακτηριστικών
Από RemoteSensing Wiki
(Νέα σελίδα με ''''Πρότυπος Τίτλος''' Προσέγγιση εξαγωγής (μοντέλων) κτιρίων βασισμένη στον συνδυασμό Point Cloud (ν...') |
|||
| Γραμμή 16: | Γραμμή 16: | ||
'''Λέξεις κλειδιά''' | '''Λέξεις κλειδιά''' | ||
LiDAR Point Clouds (νέφη σημείων LiDAR), εξαγωγή κτιρίων, χάρτης υψομέτρου, φίλτρο Gabor, συνδυασμός χαρακτηριστικών | LiDAR Point Clouds (νέφη σημείων LiDAR), εξαγωγή κτιρίων, χάρτης υψομέτρου, φίλτρο Gabor, συνδυασμός χαρακτηριστικών | ||
| + | |||
| + | ''' <h1> Σύνοψη </h1> ''' | ||
| + | <p align="justify">Η εξαγωγή (μοντέλων) κτιρίων αποτελεί σημαντική μέθοδο απόκτησης πληροφοριών στον αστικό σχεδιασμό. Το γεγονός ότι η τηλεπισκόπηση έχει πλεονεκτήματα όπως η μεγάλη κάλυψη και η λήψη δεδομένων σε πραγματικό χρόνο, την καθιστά σημαντική για την εξαγωγή μοντέλων κτιρίων, ειδικότερα μέσω των νεφών σημείων LiDAR. Στο παρόν άρθρο περιγράφεται η εξαγωγή μοντέλου κτιρίου μέσω του συνδυασμού Point Cloud και χαρακτηριστικών υφής τα οποία εξάγονται με τη χρήση χάρτη υψομέτρου, με τα πειραματικά αποτελέσματα να δείχνουν ότι η μέθοδος αυτή επιτυγχάνει καλύτερα αποτελέσματα σε σύγκριση με άλλες μεθόδους και λογισμικά, με ακρίβεια άνω του 87%.</p> | ||
| + | |||
| + | '''<h1>Εισαγωγή</h1>''' | ||
| + | <p align="justify">Η τηλεπισκόπηση επιτρέπει την απόκτηση πληροφοριών χωρίς φυσική επαφή με αντικείμενα ή φαινόμενα. Η τεχνολογική πρόοδος στη χωρική και χρονική ανάλυση των εικόνων τηλεπισκόπησης τις κάνει κύρια πηγή δεδομένων για την εξαγωγή αντικειμένων όπως βλάστηση, παράκτιες ζώνες και δρόμους. Η εξαγωγή κτιρίων μέσω τηλεπισκόπησης έχει πλέον αναδειχτεί, λόγω της ταχύτητάς της, τις δυνατότητες κάλυψης σε μεγάλη κλίμακα και έκταση αλλά και για οικονομικούς λόγους.</p> | ||
| + | |||
| + | <p align="justify">Η τεχνολογία LiDAR (Light Detection And Ranging) χρησιμοποιεί παλμικό λέιζερ για την μέτρηση αποστάσεων μεταξύ αισθητήρα και διαφορετικών αντικειμένων. Πολλές μελέτες χρησιμοποιούν το LiDAR για την εξαγωγή κτιρίων, με ικανοποιητικά αποτελέσματα σε διάφορα περιβάλλοντα. Υπάρχουν διάφορες τεχνικές εξαγωγής βασισμένες στα χαρακτηριστικά των εικόνων και του LiDAR, που επιτρέπουν ακριβείς χαρτογραφήσεις κτιρίων.</p> | ||
| + | |||
| + | <p align="justify">Το Point Cloud ενδέχεται να οδηγήσει σε απώλεια ορισμένων χαρακτηριστικών μιας και δύσκολα διακρίνει αντικείμενα με παρόμοια ύψη, ωστόσο είναι ικανό να εξάγει διαφορετικά αντικείμενα με τα χαρακτηριστικά των υφών τους σε δισδιάστατες εικόνες. Ο χάρτης υψομέτρων σαν δισδιάστατη εικόνα που προκύπτει από την προβολή του Point Cloud σε επίπεδο, μπορεί να παρέχει χαρακτηριστικά υφής και έχει χρησιμοποιηθεί στον τομέα εξαγωγής κτιρίων. Τα πειραματικά αποτελέσματα της διαδικασίας αυτής ήταν αποτελεσματικά όσον αφορά την εξάλειψη των δέντρων και την εξαγωγή κτιρίων διαφορετικής κλίμακας. Επίσης, αρκετά ακριβείς ήταν και οι χάρτες υψομέτρων με θέμα την κάλυψη και τις χρήσεις γης που προέκυψαν από δεδομένα τηλεπισκόπησης συγκριτικά με τα δεδομένα της επίγειας καταγραφής. Η οργάνωση των δεδομένων LiDAR σε τρεις χάρτες (χάρτης πυκνότητας βάθους, ύψους και κανονικών επιφανειών) αποδείχτηκε ότι ανακτά με επιτυχία την ιεραρχία και την ακεραιότητα των αντικειμένων, ανεξάρτητα από την πυκνότητα και τις απώλειες δεδομένων. Επιπλέον, η εξαγωγή χαρακτηριστικών υφής από τον χάρτη υψομέτρων μπορεί να χρησιμοποιηθεί για να ανιχνεύσει κτίρια από δορυφορικές εικόνες με καλύτερη απόδοση από άλλες σύγχρονες μεθόδους.</p> | ||
| + | |||
| + | <p align="justify">Η εργασία αναφέρεται στο συνδυασμό των χαρακτηριστικών του Point Cloud και της υφής για την εξαγωγή κτιρίων. Στην εργασία υποστηρίζεται ότι η επιλογή χαρακτηριστικών μπορεί να γίνει με τη χρήση αλγορίθμων νοημοσύνης σμήνους, όπως ο αλγόριθμος βελτιστοποίησης σμήνους σωματιδίων (Particle Swarm Optimization - PSO).</p> | ||
| + | |||
| + | <p align="justify">Η διάρθρωση της εργασίας περιγράφεται παρακάτω. Στην Ενότητα 2, αναλύονται η βασική μέθοδος και οι βασικές αρχές της παρούσας έρευνας. Τα βήματα της μεθόδου περιγράφονται στην ενότητα 3. Στην ενότητα 4 περιγράφονται τα πειράματα που πραγματοποιούνται σύμφωνα με τη μέθοδο, τα πειραματικά δεδομένα, τα τελικά αποτελέσματα και η αξιολόγηση της ακρίβειας. Στην ενότητα 5 συνοψίζονται τα βήματα της παρούσας εργασίας και οι ερευνητικές προοπτικές.</p> | ||
| + | |||
| + | '''<h1>Βασική θεωρία φίλτρων Gabor</h1>''' | ||
| + | |||
| + | <p align="justify">Όσον αφορά τις δισδιάστατες εικόνες, το φίλτρο Gabor είναι μία αποτελεσματική τεχνική φιλτραρίσματος και βασίζεται σε ένα ημιτονοειδές επίπεδο κύμα. Το φίλτρο Gabor μπορεί να χαρακτηρίσει τη δομή της χωρικής συχνότητας μιας εικόνας, αλλά και να διατηρήσει πληροφορίες χωρικής σχέσης. Επιπλέον, καθώς το φίλτρο Gabor είναι αναλλοίωτο σε ζουμ, περιστροφή και μετάθεση, είναι κατάλληλο για την αναπαράσταση και αναγνώριση υφής. Στο χωρικό πεδίο, ένα 2D φίλτρο Gabor είναι μια γκαουσιανή συνάρτηση πυρήνα διαμορφωμένη από ένα ημιτονοειδές επίπεδο κύμα, το οποίο αποτελείται από ένα πραγματικό μέρος και ένα φανταστικό μέρος που αντιπροσωπεύει την ορθογώνια κατεύθυνση. Αυτά τα δύο μέρη μπορούν είτε να σχηματίσουν μια πολλαπλότητα είτε να χρησιμοποιηθούν ξεχωριστά.</p> | ||
| + | |||
| + | <p align="justify">Η εξαγωγή χαρακτηριστικών υφής με τη χρήση του φίλτρου Gabor περιλαμβάνει δύο κύριες διαδικασίες: το σχεδιασμό του φίλτρου και την εξαγωγή συνόλων χαρακτηριστικών υφής. Η διαδικασία απόκτησης χαρακτηριστικών υφής από μια εικόνα με χρήση του φίλτρου Gabor έχει ως εξής. Πρώτον, η εικόνα εισόδου διαιρείται σε μπλοκ. Δεύτερον, δημιουργούνται οι τράπεζες φίλτρων Gabor και, τρίτον, συντίθενται τα πρότυπα φίλτρων Gabor με κάθε μπλοκ εικόνας στο χωρικό πεδίο. Τέταρτον, κάθε μπλοκ εικόνας διέρχεται από τις εξόδους των προτύπων φίλτρων Gabor και "συμπυκνώνεται" στο χαρακτηριστικό υφής του μπλοκ εικόνας.</p> | ||
| + | |||
| + | '''<h1>Εξαγωγή κτιρίων με βάση τη συνένωση του Point Cloud και των χαρακτηριστικών υφής</h1>''' | ||
| + | '''<h2>Χαρακτηριστικά του Point Cloud</h2>''' | ||
| + | |||
| + | <p align="justify">Το σύστημα LiDAR παράγει έναν αριθμό σημείων θορύβου κατά την απόκτηση δεδομένων, τα οποία εμφανίζονται συνήθως ως ανωμαλίες στο υψόμετρο και επηρεάζουν την ακρίβεια της εξαγωγής κτιρίων. Για την αποθορυβοποίηση του Point Cloud και το φιλτράρισμα των ανωμαλιών, εφαρμόζεται διαδικασία επεξεργασίας. Έπειτα, εξάγονται τα χαρακτηριστικά του Point Cloud, τα οποία περιλαμβάνουν διάφορες ιδιοτιμές. Αντίθετα με τα ιδιοδιανύσματα, οι ιδιοτιμές διατηρούνται αναλλοίωτες κατά την περιστροφή και χρησιμοποιούνται για την εξαγωγή χαρακτηριστικών για τα κτίρια. Επιπλέον, η πυκνότητα και το ύψος είναι κρίσιμα χαρακτηριστικά του Point Cloud. Επομένως, τα χαρακτηριστικά που βασίζονται στις ιδιοτιμές, την πυκνότητα και το ύψος εξάγονται ως δεδομένα αναφοράς.</p> | ||
Αναθεώρηση της 16:41, 1 Μαρτίου 2024
Πρότυπος Τίτλος Προσέγγιση εξαγωγής (μοντέλων) κτιρίων βασισμένη στον συνδυασμό Point Cloud (νέφους σημείων) από LiDAR και χαρακτηριστικών υφής από χάρτη υψομέτρου
Τίτλος A Building Extraction Approach Based on the Fusion of LiDAR Point Cloud and Elevation Map Texture Features
Ημερομηνία δημοσίευσης 07/2019
Πηγή https://www.mdpi.com/2072-4292/11/14/1636
Συγγραφείς Xudong Lai, Jingru Yang, Yongxu Li, Mingwei Wang
Λέξεις κλειδιά LiDAR Point Clouds (νέφη σημείων LiDAR), εξαγωγή κτιρίων, χάρτης υψομέτρου, φίλτρο Gabor, συνδυασμός χαρακτηριστικών
Πίνακας περιεχομένων |
Σύνοψη
Η εξαγωγή (μοντέλων) κτιρίων αποτελεί σημαντική μέθοδο απόκτησης πληροφοριών στον αστικό σχεδιασμό. Το γεγονός ότι η τηλεπισκόπηση έχει πλεονεκτήματα όπως η μεγάλη κάλυψη και η λήψη δεδομένων σε πραγματικό χρόνο, την καθιστά σημαντική για την εξαγωγή μοντέλων κτιρίων, ειδικότερα μέσω των νεφών σημείων LiDAR. Στο παρόν άρθρο περιγράφεται η εξαγωγή μοντέλου κτιρίου μέσω του συνδυασμού Point Cloud και χαρακτηριστικών υφής τα οποία εξάγονται με τη χρήση χάρτη υψομέτρου, με τα πειραματικά αποτελέσματα να δείχνουν ότι η μέθοδος αυτή επιτυγχάνει καλύτερα αποτελέσματα σε σύγκριση με άλλες μεθόδους και λογισμικά, με ακρίβεια άνω του 87%.
Εισαγωγή
Η τηλεπισκόπηση επιτρέπει την απόκτηση πληροφοριών χωρίς φυσική επαφή με αντικείμενα ή φαινόμενα. Η τεχνολογική πρόοδος στη χωρική και χρονική ανάλυση των εικόνων τηλεπισκόπησης τις κάνει κύρια πηγή δεδομένων για την εξαγωγή αντικειμένων όπως βλάστηση, παράκτιες ζώνες και δρόμους. Η εξαγωγή κτιρίων μέσω τηλεπισκόπησης έχει πλέον αναδειχτεί, λόγω της ταχύτητάς της, τις δυνατότητες κάλυψης σε μεγάλη κλίμακα και έκταση αλλά και για οικονομικούς λόγους.
Η τεχνολογία LiDAR (Light Detection And Ranging) χρησιμοποιεί παλμικό λέιζερ για την μέτρηση αποστάσεων μεταξύ αισθητήρα και διαφορετικών αντικειμένων. Πολλές μελέτες χρησιμοποιούν το LiDAR για την εξαγωγή κτιρίων, με ικανοποιητικά αποτελέσματα σε διάφορα περιβάλλοντα. Υπάρχουν διάφορες τεχνικές εξαγωγής βασισμένες στα χαρακτηριστικά των εικόνων και του LiDAR, που επιτρέπουν ακριβείς χαρτογραφήσεις κτιρίων.
Το Point Cloud ενδέχεται να οδηγήσει σε απώλεια ορισμένων χαρακτηριστικών μιας και δύσκολα διακρίνει αντικείμενα με παρόμοια ύψη, ωστόσο είναι ικανό να εξάγει διαφορετικά αντικείμενα με τα χαρακτηριστικά των υφών τους σε δισδιάστατες εικόνες. Ο χάρτης υψομέτρων σαν δισδιάστατη εικόνα που προκύπτει από την προβολή του Point Cloud σε επίπεδο, μπορεί να παρέχει χαρακτηριστικά υφής και έχει χρησιμοποιηθεί στον τομέα εξαγωγής κτιρίων. Τα πειραματικά αποτελέσματα της διαδικασίας αυτής ήταν αποτελεσματικά όσον αφορά την εξάλειψη των δέντρων και την εξαγωγή κτιρίων διαφορετικής κλίμακας. Επίσης, αρκετά ακριβείς ήταν και οι χάρτες υψομέτρων με θέμα την κάλυψη και τις χρήσεις γης που προέκυψαν από δεδομένα τηλεπισκόπησης συγκριτικά με τα δεδομένα της επίγειας καταγραφής. Η οργάνωση των δεδομένων LiDAR σε τρεις χάρτες (χάρτης πυκνότητας βάθους, ύψους και κανονικών επιφανειών) αποδείχτηκε ότι ανακτά με επιτυχία την ιεραρχία και την ακεραιότητα των αντικειμένων, ανεξάρτητα από την πυκνότητα και τις απώλειες δεδομένων. Επιπλέον, η εξαγωγή χαρακτηριστικών υφής από τον χάρτη υψομέτρων μπορεί να χρησιμοποιηθεί για να ανιχνεύσει κτίρια από δορυφορικές εικόνες με καλύτερη απόδοση από άλλες σύγχρονες μεθόδους.
Η εργασία αναφέρεται στο συνδυασμό των χαρακτηριστικών του Point Cloud και της υφής για την εξαγωγή κτιρίων. Στην εργασία υποστηρίζεται ότι η επιλογή χαρακτηριστικών μπορεί να γίνει με τη χρήση αλγορίθμων νοημοσύνης σμήνους, όπως ο αλγόριθμος βελτιστοποίησης σμήνους σωματιδίων (Particle Swarm Optimization - PSO).
Η διάρθρωση της εργασίας περιγράφεται παρακάτω. Στην Ενότητα 2, αναλύονται η βασική μέθοδος και οι βασικές αρχές της παρούσας έρευνας. Τα βήματα της μεθόδου περιγράφονται στην ενότητα 3. Στην ενότητα 4 περιγράφονται τα πειράματα που πραγματοποιούνται σύμφωνα με τη μέθοδο, τα πειραματικά δεδομένα, τα τελικά αποτελέσματα και η αξιολόγηση της ακρίβειας. Στην ενότητα 5 συνοψίζονται τα βήματα της παρούσας εργασίας και οι ερευνητικές προοπτικές.
Βασική θεωρία φίλτρων Gabor
Όσον αφορά τις δισδιάστατες εικόνες, το φίλτρο Gabor είναι μία αποτελεσματική τεχνική φιλτραρίσματος και βασίζεται σε ένα ημιτονοειδές επίπεδο κύμα. Το φίλτρο Gabor μπορεί να χαρακτηρίσει τη δομή της χωρικής συχνότητας μιας εικόνας, αλλά και να διατηρήσει πληροφορίες χωρικής σχέσης. Επιπλέον, καθώς το φίλτρο Gabor είναι αναλλοίωτο σε ζουμ, περιστροφή και μετάθεση, είναι κατάλληλο για την αναπαράσταση και αναγνώριση υφής. Στο χωρικό πεδίο, ένα 2D φίλτρο Gabor είναι μια γκαουσιανή συνάρτηση πυρήνα διαμορφωμένη από ένα ημιτονοειδές επίπεδο κύμα, το οποίο αποτελείται από ένα πραγματικό μέρος και ένα φανταστικό μέρος που αντιπροσωπεύει την ορθογώνια κατεύθυνση. Αυτά τα δύο μέρη μπορούν είτε να σχηματίσουν μια πολλαπλότητα είτε να χρησιμοποιηθούν ξεχωριστά.
Η εξαγωγή χαρακτηριστικών υφής με τη χρήση του φίλτρου Gabor περιλαμβάνει δύο κύριες διαδικασίες: το σχεδιασμό του φίλτρου και την εξαγωγή συνόλων χαρακτηριστικών υφής. Η διαδικασία απόκτησης χαρακτηριστικών υφής από μια εικόνα με χρήση του φίλτρου Gabor έχει ως εξής. Πρώτον, η εικόνα εισόδου διαιρείται σε μπλοκ. Δεύτερον, δημιουργούνται οι τράπεζες φίλτρων Gabor και, τρίτον, συντίθενται τα πρότυπα φίλτρων Gabor με κάθε μπλοκ εικόνας στο χωρικό πεδίο. Τέταρτον, κάθε μπλοκ εικόνας διέρχεται από τις εξόδους των προτύπων φίλτρων Gabor και "συμπυκνώνεται" στο χαρακτηριστικό υφής του μπλοκ εικόνας.
Εξαγωγή κτιρίων με βάση τη συνένωση του Point Cloud και των χαρακτηριστικών υφής
Χαρακτηριστικά του Point Cloud
Το σύστημα LiDAR παράγει έναν αριθμό σημείων θορύβου κατά την απόκτηση δεδομένων, τα οποία εμφανίζονται συνήθως ως ανωμαλίες στο υψόμετρο και επηρεάζουν την ακρίβεια της εξαγωγής κτιρίων. Για την αποθορυβοποίηση του Point Cloud και το φιλτράρισμα των ανωμαλιών, εφαρμόζεται διαδικασία επεξεργασίας. Έπειτα, εξάγονται τα χαρακτηριστικά του Point Cloud, τα οποία περιλαμβάνουν διάφορες ιδιοτιμές. Αντίθετα με τα ιδιοδιανύσματα, οι ιδιοτιμές διατηρούνται αναλλοίωτες κατά την περιστροφή και χρησιμοποιούνται για την εξαγωγή χαρακτηριστικών για τα κτίρια. Επιπλέον, η πυκνότητα και το ύψος είναι κρίσιμα χαρακτηριστικά του Point Cloud. Επομένως, τα χαρακτηριστικά που βασίζονται στις ιδιοτιμές, την πυκνότητα και το ύψος εξάγονται ως δεδομένα αναφοράς.
