Aplicação de técnicas de processamento e análise de imagens para detecção de edificações e vegetação a partir de dados LiDAR

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: Carrilho, André Caceres [UNESP]
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual Paulista (Unesp)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
LiDAR
Classificação
Morfologia matemática
Análise de componentes principais
RANSAC
Classification
Mathematical morphology
Principal component analysis
Link de acesso: http://hdl.handle.net/11449/137752
Resumo: As nuvens de pontos provindas de Sistemas de Varredura a LASER (Light Amplification by Stimulated Emission of Radiation) Aerotransportados (SVLA) representam a superfície com um grande detalhamento, sendo registrada a vegetação e as feições antrópicas, como edificações e rodovias, por exemplo. A automação da tarefa de classificação da nuvem de pontos é importante para a redução de custos em aplicações práticas relacionadas a atividades de mapeamento. Esta dissertação tem por objetivo principal o estudo, implementação e avaliação de técnicas de processamento e análise de imagens visando a classificação da nuvem de pontos LiDAR (Light Detection and Ranging), e a obtenção, de forma automática, do MDT (Modelo Digital do Terreno) e dos pontos pertencentes a edificações e vegetação. Inicialmente são apresentados os conceitos necessários para o entendimento do método proposto, o qual é detalhado na sequência, assim como os conjuntos de dados utilizados para as avaliações. Além da revisão conceitual sobre tópicos como Morfologia Matemática, Análise de Componentes Principais e algoritmo RANSAC, estudou-se a necessidade de redução da quantidade de iterações do RANSAC e uma alternativa para obtenção de alguns dos parâmetros do método a priori. Foram realizados experimentos sobre a escolha do interpolador (para a geração da grade regular) e para a seleção da forma e dimensão do elemento estruturante (usado nas operações morfológicas). A classificação final foi avaliada em termos de completeza e nível de acerto, calculadas com relação a referências geradas manualmente.
id UNSP_cac2722f282cb3cde1bdf84a3e72ed8f
oai_identifier_str oai:repositorio.unesp.br:11449/137752
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str
spelling Aplicação de técnicas de processamento e análise de imagens para detecção de edificações e vegetação a partir de dados LiDARApplications of image processing and analysis techniques towards buildings and vegetation detection using LiDAR dataLiDARClassificaçãoMorfologia matemáticaAnálise de componentes principaisRANSACClassificationMathematical morphologyPrincipal component analysisAs nuvens de pontos provindas de Sistemas de Varredura a LASER (Light Amplification by Stimulated Emission of Radiation) Aerotransportados (SVLA) representam a superfície com um grande detalhamento, sendo registrada a vegetação e as feições antrópicas, como edificações e rodovias, por exemplo. A automação da tarefa de classificação da nuvem de pontos é importante para a redução de custos em aplicações práticas relacionadas a atividades de mapeamento. Esta dissertação tem por objetivo principal o estudo, implementação e avaliação de técnicas de processamento e análise de imagens visando a classificação da nuvem de pontos LiDAR (Light Detection and Ranging), e a obtenção, de forma automática, do MDT (Modelo Digital do Terreno) e dos pontos pertencentes a edificações e vegetação. Inicialmente são apresentados os conceitos necessários para o entendimento do método proposto, o qual é detalhado na sequência, assim como os conjuntos de dados utilizados para as avaliações. Além da revisão conceitual sobre tópicos como Morfologia Matemática, Análise de Componentes Principais e algoritmo RANSAC, estudou-se a necessidade de redução da quantidade de iterações do RANSAC e uma alternativa para obtenção de alguns dos parâmetros do método a priori. Foram realizados experimentos sobre a escolha do interpolador (para a geração da grade regular) e para a seleção da forma e dimensão do elemento estruturante (usado nas operações morfológicas). A classificação final foi avaliada em termos de completeza e nível de acerto, calculadas com relação a referências geradas manualmente.The point clouds acquired by ALS (Airborne LASER Scanning) systems represent the surface with great level of detail, recording both natural vegetation and anthropic features, such as buildings and roads, for example. The automation’s task of point clouds classification is important to reduce costs in practical applications related to mapping activities and production. This work is primarily focused in the study, implementation and evaluation of image processing and analysis techniques, aiming the automatic cloud point classification, generation of the DTM (Digital Terrain Model) and the detection of roof plane and vegetation points. Besides the conceptual review about Mathematical Morphology, Principal Component Analysis and RANSAC (Random Sample Consensus), it was studied the need to reduce the quantity of iterations and an alternative to obtain some of the parameters required by RANSAC algorithm considering one preliminary classification based on Principal Component Analysis. Some experiments were conducted in order to select both the interpolation method (to generate the grid) and the shape and size of the structuring element (used in the morphological operations). The final classification was evaluated in terms of completeness and correctness, computed with respect to a manually generated reference.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Universidade Estadual Paulista (Unesp)Galo, MauricioUniversidade Estadual Paulista (Unesp)Carrilho, André Caceres [UNESP]2016-04-05T13:36:03Z2016-04-05T13:36:03Z2016-02-16info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/13775200087205433004129043P01647318644299561porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2025-10-22T17:05:28Zoai:repositorio.unesp.br:11449/137752Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462025-10-22T17:05:28Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Aplicação de técnicas de processamento e análise de imagens para detecção de edificações e vegetação a partir de dados LiDAR
Applications of image processing and analysis techniques towards buildings and vegetation detection using LiDAR data
title Aplicação de técnicas de processamento e análise de imagens para detecção de edificações e vegetação a partir de dados LiDAR
spellingShingle Aplicação de técnicas de processamento e análise de imagens para detecção de edificações e vegetação a partir de dados LiDAR
Carrilho, André Caceres [UNESP]
LiDAR
Classificação
Morfologia matemática
Análise de componentes principais
RANSAC
Classification
Mathematical morphology
Principal component analysis
title_short Aplicação de técnicas de processamento e análise de imagens para detecção de edificações e vegetação a partir de dados LiDAR
title_full Aplicação de técnicas de processamento e análise de imagens para detecção de edificações e vegetação a partir de dados LiDAR
title_fullStr Aplicação de técnicas de processamento e análise de imagens para detecção de edificações e vegetação a partir de dados LiDAR
title_full_unstemmed Aplicação de técnicas de processamento e análise de imagens para detecção de edificações e vegetação a partir de dados LiDAR
title_sort Aplicação de técnicas de processamento e análise de imagens para detecção de edificações e vegetação a partir de dados LiDAR
author Carrilho, André Caceres [UNESP]
author_facet Carrilho, André Caceres [UNESP]
author_role author
dc.contributor.none.fl_str_mv Galo, Mauricio
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Carrilho, André Caceres [UNESP]
dc.subject.por.fl_str_mv LiDAR
Classificação
Morfologia matemática
Análise de componentes principais
RANSAC
Classification
Mathematical morphology
Principal component analysis
topic LiDAR
Classificação
Morfologia matemática
Análise de componentes principais
RANSAC
Classification
Mathematical morphology
Principal component analysis
description As nuvens de pontos provindas de Sistemas de Varredura a LASER (Light Amplification by Stimulated Emission of Radiation) Aerotransportados (SVLA) representam a superfície com um grande detalhamento, sendo registrada a vegetação e as feições antrópicas, como edificações e rodovias, por exemplo. A automação da tarefa de classificação da nuvem de pontos é importante para a redução de custos em aplicações práticas relacionadas a atividades de mapeamento. Esta dissertação tem por objetivo principal o estudo, implementação e avaliação de técnicas de processamento e análise de imagens visando a classificação da nuvem de pontos LiDAR (Light Detection and Ranging), e a obtenção, de forma automática, do MDT (Modelo Digital do Terreno) e dos pontos pertencentes a edificações e vegetação. Inicialmente são apresentados os conceitos necessários para o entendimento do método proposto, o qual é detalhado na sequência, assim como os conjuntos de dados utilizados para as avaliações. Além da revisão conceitual sobre tópicos como Morfologia Matemática, Análise de Componentes Principais e algoritmo RANSAC, estudou-se a necessidade de redução da quantidade de iterações do RANSAC e uma alternativa para obtenção de alguns dos parâmetros do método a priori. Foram realizados experimentos sobre a escolha do interpolador (para a geração da grade regular) e para a seleção da forma e dimensão do elemento estruturante (usado nas operações morfológicas). A classificação final foi avaliada em termos de completeza e nível de acerto, calculadas com relação a referências geradas manualmente.
publishDate 2016
dc.date.none.fl_str_mv 2016-04-05T13:36:03Z
2016-04-05T13:36:03Z
2016-02-16
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11449/137752
000872054
33004129043P0
1647318644299561
url http://hdl.handle.net/11449/137752
identifier_str_mv 000872054
33004129043P0
1647318644299561
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv repositoriounesp@unesp.br
_version_ 1854955044048207872

Registros relacionados