Automatic roof plane extraction from LiDAR data using RANSAC algorithm

Hava verilerinden otomatik görüntü iĢleme ve nesne çıkarımı fotogrametri ve uzaktan algılama alanlarında önemli bir araĢtırma konusu haline gelmiĢtir. LiDAR olarak da bilinen hava lazer tarama sistemi, yer yüzeyinden yüksek hız ve yoğunlukta 3D uzamsal verilerin elde edilmesinde kullanılan en temel teknolojidir. LiDAR'ın çıktıları, sınıflandırılmamıĢ ve yapılandırılmamıĢ nokta bulutudur. Dolayısıyla, bu veriler üzerinde gerçekleĢtirilecek temel iĢlem, onları ayrı kategoriler halinde sınıflandırmaktır. Sonra, sınıflandırılan LiDAR verileri 3B Ģehir modellerini oluĢturmada giridi verisi olarak kullanılabilir. Bu veriler, sınıflandırma sürecinde kilit rol oynayan benzersiz özelliklere sahiptir. En temel özellikleri, bulut noktalarının 3D konumlarında gerçekleĢtirilen süreçler yoluyla elde edilen geometrik özellikleridir. RANSAC (Random Sample Consensus – Rastgele Örnekleme Konsensüsü), bölge büyütme ve Hough dönüĢümü gibi çeĢitli yöntemler yoluyla yürütülen düzlemsel çıkarım, bu süreçler arasında yer almaktadır. Bu çalıĢmada, bina çatılarından düzlem çıkarmada hızlı ve etkili bir algoritma olan RANSAC kullanılmıĢtır. ÇalıĢmanın amacı, bina çatılarından düzlem çıkarmada RANSAC'ı, LiDAR nokta bulut verisi üzerinde uygulamaktır. ġehir modellerinin önemli bileĢenlerinden olan bina çatılarının çıkarımının ilk ve en önemli adımı, binaları arazi ve bitki örtüsü gibi diğer yapılardan ayırıp tespit etmektir. Ġkinci adım, RANSAC algoritmasını tekil bina nokta bulutu verisine uygulamaktır. Geometrik konuma ve noktaların düzleme olan mesafelerine dayalı olarak, en küçük kareler yöntemi kullanılarak, düzlemi oluĢturan aday noktalar yoluyla en iyi düzlem oluĢturulur. Türkiye'nin Bergama kentinden seçilen çalıĢma alanlarında Reigl tarayıcı ile toplanan LiDAR nokta bulut verileri kullanılarak testler gerçekleĢtirilmiĢtir. Elde edilen sonuçlar RANSAC'ın performansının, kompleks çatı yapısına sahip binalarda ve yüksek yoğunluklu nokta bulutlarında küçük düzlemleri çıkarma becerisi açısından iyi olduğunu göstermektedir. Ayrıca, en iyi çıkarımı yapılan düzlemler, ham nokta bulutu veri setlerine doğru Ģekilde uyarlanmıĢtır.