Object detection using optical and LiDAR data fusion with graph-cuts

Uzaktan algılama verisinde nesne tespiti, oldukça popüler bir problem olmuştur ve tarım, navigasyon, çevre düzenlemesi, kentsel görüntüleme ve haritacılık gibi çok geniş bir yelpazedeki uygulama alanlarında yaygın olarak kullanılmaktadır. Fakat bu problemi çözmek için sadece tek bir veri kaynağını kullanmak yeterli olmayabilir. Havadan çekilmiş optik ve LiDAR verilerinin füzyonu, birbirini tamamlayıcı bilgiler taşıdığı için uzaktan algılama verisinde nesne tespitinde umut verici bir yaklaşım olmuştur. Biz verinin çoklu düzey bölünmesini gerçekleştiren ve bölünmüş veriyi minimum düzeyde öğrenme kullanarak nesneleri tespit eden sistemler öneriyoruz. Yöntemimiz ön işleme aşamasında veriyi yükseklik değerine göre eşikleme ve daha etkili bir biçimde işlemek için onu küçük bileşenlere bölme adımları içeriyor. Sınıflandırma görevi için ise, LiDAR verisinden yükseklik, havadan çekilmiş veriden spektral ve komşuluk haritasından konumsal bilgileri kullanarak, her bir bileşende nesneleri tespit eden iki farklı çizge kesme tabanlı yöntem öneriyoruz. İlk yöntem ikili sınıflandırma sağlarken, ikincisi ise çoklu sınıflandırma gerçekleştiriyor. İlk yöntemi kullanarak yüksek piksellerde binaları ağaçlardan, alçak piksellerde ise yolları çimenlik alanlardan ayırt ediyoruz. İkinci yöntem ise her bir bileşendeki bütün nesneleri tek seferde tespit etmek için kullanılıyor. Bizim önerdiğimiz yöntemin ihtiyaç duyduğu tek öğrenme çizge kesme yöntemindeki çizgenin kenarlarının ağırlıklarını belirlemek için kullanılan örneklerdir. Bir kıyas veri seti üzerinde gerçekleştirilen deneyler gösteriyor ki önerdiğimiz az miktarda öğrenme kullanan yöntem literatürdeki sonuçlarla uyumludur.