An object segmentation approach for mobile lidar pointclouds

LiDAR sensörleri bir sahneyi 3 boyutlu noktalarıyla algılamak için kullanılan araçlardan birisidir. Fakat bu sensörlerden elde edilen nokta bulutları homojen değildir: Noktalar değişken yoğunluklara sahiptir ve gölgelenme problemleri mevcuttur. Bu nedenden dolayı nesne ayırt etme problemi ortaya çıkar çünkü bilinen kümeleme yöntemleri tek başına 3 boyutlu noktalarda kötü sonuçlar vermektedir. Bu çalışmada yerde olanlar ve yerde olmayanlar şeklinde iki sınıf tanımlayan bir yaklaşım geliştirildi. DBSCAN temelli yöntem için öncelikle noktalar yerde olan ve olmayan şeklinde etiketledi. Daha sonra ayırt etme hassaslığı her bir sınıf için farklı ayarlandı. CCL tabanlı yöntem içinse nokta bulutlarından üç tane kuş bakışı matris türetildi. Bunlardan ilki yeri ayırt etmek ve diğer iki matrisin sonuçlarını birleştirmek için kullanıldı. Kalan iki matris üzerinde ER-CCL yöntemi kullanıldı. Bunlardan biri uzun kenarlı hücrelerden oluşup yerde olmayan nesneleri ayırt etmek için kullanıldı. Diğeri ise kısa kenarlı hücreler kullanarak yerdeki nesneleri ayırt etmede kullanıldı. Sunulan yaklaşım DBSCAN temelli ve CCL temelli yöntemlerle değerlendirildi. Oluşturulan yöntemlerin v-measure ve completeness kümeleme metriklerinde temel aldıkları yönteme göre sırasıyla DBSCAN için %4 ve %13, CCL için %13 ve %20 oranında daha iyi sonuç verdiği görüldü. Böylelikle kentsel alanlarda 3 boyutlu alanları ayırt edebilmek için farklı ayırt etme yöntemleriyle kullanılabilen bir yaklaşım sunulmuş oldu. Anahtar kelimeler: 3 boyutlu nesne ayırt etme, kümeleme, LiDAR, DBSCAN