20.500.12556/DKUM-65091 Algoritem za klasifikacijo točk vegetacije iz posnetkov LiDAR Algorithm for classification of vegetation in LiDAR data V doktorski disertaciji predstavimo nov algoritem za klasifikacijo vegetacije v podatkih LiDAR. Klasifikacijski postopek povzamemo z dvema korakoma: analiza porazdelitve točk ter analiza njihovega konteksta. Poglavitna značilnost točk vegetacije je namreč statistično visoka razpršenost višin, zato jih lahko učinkovito razpoznamo v odvisnosti od napak pri prileganju ravnin. Klasifikacijo dodatno izboljšamo z uvedbo treh kontekstnih filtrov, ki obravnavajo povezane objekte (na primer zidove, dimnike, balkone), razraščeno vegetacijo in majhne objekte (na primer avtomobile, ograje, kipe). Pokazali smo, da lahko s predlaganim algoritmom vegetacijo razpoznamo neodvisno od tipa vegetacije (listavci in iglavci), okolja (gorsko, gozdnato, urbano) in nivoja olistanosti. V postopku validacije algoritma smo namreč v povrečju dosegli 97,9% rezultat F1 v neurbanih območjih in 91% v urbanih, ki iz vidika težavnosti klasifikacije veljajo za zahtevnejša. Pri klasifikaciji uporabljamo samo geometrijske podatke oblaka točk, kar predstavlja prednost algoritma pred drugimi, katerih uspešnost je v veliki meri odvisna od lastnosti, kot so visoka gostota točk in zanesljivost (ali prisotnost) drugih informacij. Analiza treh vhodnih parametrov je prav tako pokazala, da so le-ti stabilni in robustni. Predlagani algoritem zato omogoča uporabniško interakcijo ter nadzor razmerja celovitosti in pravilnosti klasifikacije. In this Doctoral dissertation, we introduce a new algorithm for the classification of vegetation points within LiDAR data. The classification procedure can be outlined with two steps: An analysis of the distribution of points and an analysis of the context in which they are located. Vegetation points are, namely, characterised by their non-linear distributions and they can, therefore, be recognised effciently in relation to the large plane fitting errors. The classification is improved further by introducing three contextual filters, which deal with attached objects (e.g. walls, chimneys, balconies), overgrown vegetation and small objects (e.g. vehicles, fences, statues). We have shown that the proposed algorithm is able to classify vegetation despite of the different vegetation types (deciduous and coniferous), enviroments (mountain, forested,urban), and different levels of leaf conditions. An average F1 score of 97.9% was achieved for non-urban areas and 91% for urban areas, which are, in terms of classification difficulty, considered to be more difficult. The algorithm uses only the geometrical information of points, which presents an advantage when compared with the methods which rely on point clouds with high point density and reliability (or the presence) of other information. The parameter sensitivity analysis has also shown that the three used input parameters are stable and robust. They, therefore, provide an efficient way to regulate the ratio between completeness and correctness. algoritem daljinsko zaznavanje LiDAR matematična morfologija prileganje površij klasifikacija vegetacije algorithm remote sensing LiDAR mathematical morphology surface fitting vegetation classification true true false [D. Horvat] Slovenski jezik Angleški jezik Doktorsko delo/naloga 2017-02-22 14:17:58 2017-04-04 09:15:19 2022-07-07 03:08:06 2019-07-11 15:07:15 2017 0 Maribor 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 004.652.6:5514.04(043.3) 20461590 URN:SI:UM:DK:YU9WY3XY DOK_Horvat_Denis_2017.pdf DOK_Horvat_Denis_2017.pdf 1 1F93D2CE1D5B7F27CDAB7AF48E7CE2CF 352863d23cc0e071c607b851b9d498f34f474300d301c728f987fb10c1c3136b 09c03985-7c0e-11eb-bb7a-00155d0001ca https://dk.um.si/Dokument.php?lang=slv&id=110343 Fakulteta za elektrotehniko, računalništvo in informatiko 0 0 0