Lidar 3d Nokta Bulutu Verilerinin Konum ve RenkÖzelliklerine Göre Bölütlenmesi

Abstract

Lidar (ışık algılayan ve mesafe ölçen) sistemler ile taranan çevre ve nesnelerin, üç boyutlu ve renkli 3D nokta bulutu verileri elde edilebilmektedir. Lidar teknolojisinin gün geçtikçe daha da gelişmesi ile birlikte, elde edilen verinin kalitesi artmakta (daha detaylı ve yüksek çözünürlüklü olmakta) ve bunun sonucu olarak da çok yüksek miktarlarda düzensiz bir veri yığını ortaya çıkmaktadır. Homojen özelliğe sahip ve konum olarak birbirine yakın veri elemanlarını gruplayarak, birlikte değerlendirilmesini sağlayan bölütleme aşaması, verinin beklenebilir bir zamanda işlenmesi ve nesnelerin ayırt ediciliği yüksek özelliklerinin ortaya çıkmasına imkân verdiği için 3D nokta bulutu işlemede önemli bir role sahiptir. Bölütleme işleminin de, veri miktarına ve kullanım amacına göre beklenebilir derecede hızlı çalışması ve doğru sonuçlar üretmesi önemli bir uğraş konusu olmuştur. Projede geliştirilen metot, bölütleme işlemini sadece yerel yüzeylerdeki nokta gruplarının oluşturdukları düzlemsel eğim açıları ve ağırlık merkezleri gibi basit geometrik özelliklerini kullanarak bölütleme yapabildiği gibi, verideki ayırt edici renk bilgisi yeterli olduğu takdirde noktaların renk özelliklerinden de faydalanabilmektedir. Proje kapsamında, birisi iç mekân ve ikisi dış mekân olmak üzere üç farklı ortam taranarak 3D nokta bulutu verisi temin edilmiştir. Bu ham nokta verileri, veri indirgeme ve/veya gürültü giderme gibi bazı ön işlemlerden geçirilmiş ve önişlem sonucunda bölütleme referans verisi hazırlanmak üzere her birinden örnek bir kesit alınmıştır. Böylece, referans verilerine sahip üç adet örnek bölütleme veri seti oluşturulmuştur. Hazırlanan referans veri setleri üzerinden, metodun nicel test sonuçları (doğruluk ve F1 skor değerleri) elde edilmiş ve literatürde başarı sağlamış metotlar ile hem bölütleme başarısı hem de işlem süresi göz önüne alınarak karşılaştırılmıştır. Test sonuçlarına bakıldığında, projede kapsamında geliştirilen metot 0.85 (%85) doğruluk ve 0.77 (%77) F1 skor ortalama değerleri ile diğer metotlarla karşılaştırıldığında bölütleme başarısı ve hız açısından üstünlük sağlamıştır.