Lidar nokta bulutlarının semantik segmantasyonu için derin öğrenme tabanlı iyileştirilmiş poıntnet++ mimarisi

Bu çalışmada, hava LiDAR nokta bulutlarının semantik segmentasyonunda iç mekân nokta bulutları için tasarlanmış, nokta bulutlarını doğrudan işleyebilen ve bu alanda öncü bir 3B Derin Sinir Ağı (DNN) mimarisi olan PointNet++ kullanılmıştır. Öncelikli olarak PointNet++ mimarisi çoklu sınıf arazi örtüsü ve iki sınıflı zemin/zemin-üstü problemlerinin semantik segmentasyonu için büyük ölçekli hava LiDAR nokta bulutlarına uyarlanmıştır. Mimariyi değişken nokta yoğunluğuna karşı daha kararlı hale getirebilmek amacı ile mimarinin orijinal yığın toplama stratejisi yerine nokta yoğunluğuna adapte olabilen Adaptif 1 ve Adaptif 2 isminde iki yeni yaklaşım önerilmiştir. Ayrıca, mimarinin farklı gruplama katmanlarını birleştiren yeni bir hibrit model geliştirilerek işleme süresi ve performansı açısından avantaj ve dezavantajları değerlendirilmiştir. Tez kapsamında, komşuluk arama yarıçap seçimini başlangıç değer için otomatize edebilen bir yaklaşım da önerilmiştir. Bunların yanı sıra, yoğunluk, geri dönüş sayısı ve dönüş numarası gibi ek ham özniteliklerin mimarinin performansı üzerine olan etkileri de irdelenmiştir. Önerilen yaklaşımların semantik segmentasyon performansları ISPRS Vaihingen, DALES, düzensiz DALES ve OpenGF nokta bulutu veri setleri üzerinde araştırılmıştır. Özellikle nokta yoğunluğu değişkenliğinin fazla olduğu OpenGF test veri setleri üzerinde orijinal mimariye göre ağırlıklı ortalama kesişim-birleşim oranı (mIoU) metriği Adaptif 1 yaklaşımı ile %17'ye ve Adaptif 2 yaklaşımı ile %11'e varan iyileşme göstermiştir. Adaptif 1 ve Adaptif 2 yaklaşımları sayesinde düzensiz DALES veri seti üzerinde mIoU doğruluklarında sırası ile %1 ve %3 performans artışı sağlanmıştır. Adaptif 1 ve Adaptif 2 yaklaşımlarının genelleştirme kabiliyetleri test edilerek orijinal mimariye göre doğruluk düzeylerinde sırasıyla yaklaşık %3 ve %5 oranında iyileşme sağladığı tespit edilmiştir. Bu yaklaşımlar sayesinde mimarinin deneme yanılma yöntemi ile parametre seçimine olan ihtiyacı büyük oranda ortadan kaldırılmıştır. Mimari, değişken nokta yoğunluğuna ve parametre seçimine karşı daha kararlı bir hale getirilmiştir.