Hava lidar nokta bulutu verileri filtreleme algoritmalarının geliştirilmesi ve performanslarının karşılaştırılması

Abstract

Hava ve yersel lazer tarama tekniği son yirmi yılda mekânsal ölçmeler için tercih edilen bir ölçüm teknolojisi olmuştur. Sektördeki birçok firma hava ve yersel lazer tarama cihazlarını kullanmakta, veri toplama, işleme ve görüntüleme yazılımlarını geliştirmektedir. Yüksek kalitedeki 3 boyutlu nokta bulutu verisi Sayısal Arazi Modeli (SAM), 3 boyutlu kent modelleri, orman izleme ve yönetimi, şeritvari haritalama ve kültürel mirasların belgelenmesi gibi geniş çapta çeşitli uygulamalarda kullanılmaktadır. LiDAR sistemlerinin maliyeti ve doğruluğu yersel ve fotogrametrik ölçüm metotlarıyla kıyaslanabilir durumdadır. Bu nedenlerden dolayı LiDAR, ölçme ve planlama uygulamaların temel bileşeni olan SAM üretilmesinde geniş çaplı olarak kullanılmaktadır. LiDAR kullanılan uygulamalarda hassas ve doğru bir SAM elde edilebilmesi amacıyla lazer sensörün kaydettiği verinin zemin noktası ya da zemine ait olmayan bir nokta mı olduğunun belirlenmesi için filtreleme gerekli bir işlemdir. Yükseklik farkının fazla ve değişken olduğu bölgelerde zemin ve obje verilerini ayırt etmek başlı başına bir problem kabul edilmektedir. Bununla beraber arazinin raster modeli hesaplanırken öncelikle zemin dışındaki objelere ait noktalar kaldırılırsa doğru SAM elde edilebilir. LiDAR'ın yaygınlaşmasıyla birlikte bu veri tiplerine ve filtreleme tekniklerine aşina olmayan kullanıcılar birçok zemin filtreleme algoritması içinden seçim yapmakta zorlanmaktadır. Genellikle arazi yüzeyinin uygun koşulları sağlaması durumunda bu filtreleme algoritmaları verimli şekilde çalışmaktadır. Bu tez çalışmasında Adaptive Triangulated Network (ATIN) ve Morfolojik temelli filtreleme algoritmaları ile tez kapsamında geliştirilen Uyarlanmış Üçgenleme Filtresi ve Enterpolasyon temelli algoritma ile oluşturulan filtreleme metotlarının performans analizi ve birbirleri ile karşılaştırılması yapılmıştır.

Within last two decades airborne and terrestrial laser scanning systems have become ingrained survey technologies for obtain of geospatial information. A large of companies generally use airborne and terrestrial laser scanners and develop data acquisition, processing and visualization software packages. The high quality 3D point clouds produced by laser scanners are used for a wide range applications including the production of Digital Terrain Models (DTM), 3D city models, forest management and monitoring, corridor mapping and documentation of cultural heritage. Costs and accuracy of LIDAR systems can comparable to topographic and photogrammetric surveys. For those reasons, LIDAR data is being used widespread in producing DTM which is fundamental element of survey and planning applications. In almost all LIDAR applications, point filtering is an essential step to detect which LIDAR points are from the object features and which are from the ground surface. Distinguishing ground from non-ground objects can be a tough challenge in itself in regions with high elevation variability. Also, DTMs can only be produced if object points are removed primarily for creating to a raster DEM. With the widespread use of LIDAR, users who are not familiar with this data generally find it complicated to select and use from among many filtering algorithms. In general, this filtering algorithms working efficiently when land surface provides suitable conditions. In this thesis, main goal is compare and analysis of Adaptive Triangulated Network (ATIN), Morphological filter algorithms, Concerted Triangulated Filter and Kriging Interpolation Based filter method which is derived from these most-preferred filter algorithms.