Building extraction from LiDAR data with
Lidargrammetric technique and automated image segmentation filters

Φράγκος, Παναγιώτης; Fragkos, Panagiotis

dc.contributor.author	Φράγκος, Παναγιώτης	el
dc.contributor.author	Fragkos, Panagiotis	en
dc.date.accessioned	2016-04-12T07:35:40Z
dc.date.available	2016-04-12T07:35:40Z
dc.date.issued	2016-04-12
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/42358
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.5237
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Γεωπληροφορική”	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	LiDAR	en
dc.subject	Building footprints	el
dc.subject	Streo-mates	en
dc.subject	Intensity images	en
dc.subject	ISPs	en
dc.subject	Ldargrammetry	en
dc.subject	Automated extraction	en
dc.subject	Segmantation	en
dc.subject	Στρέρεοαπόδοση	el
dc.subject	Εικόνες έντασης	el
dc.subject	Νέφη σημείων	el
dc.subject	Ιχνη κτιρίων	el
dc.subject	Αυτοματοποιημένη ανίχνευση	el
dc.subject	Κατάτμηση	el
dc.title	Building extraction from LiDAR data with Lidargrammetric technique and automated image segmentation filters	en
dc.title	Εξαγωγή κτιρίων από δεδομένα LiDAR με τεχνικές Lidargrammetry και αυτοματοποιημένων φίλτρων κατάτμησης εικόνας	el
heal.type	masterThesis
heal.classification	Φωτογραμμετρία	el
heal.classification	Τηλεπισκόπηση	el
heal.classification	Geographical information systems	el
heal.classification	Photogrammetry	el
heal.classification	Remote sensing	el
heal.classification	lidar	el
heal.classificationURI	http://data.seab.gr/concepts/3d45aafccf6809ad356fb62c8abb5f1a03506430
heal.classificationURI	http://data.seab.gr/concepts/29f3834f510e2fcbee2fcce329a355775dd48e27
heal.classificationURI	http://skos.um.es/unescothes/C01671
heal.classificationURI	http://skos.um.es/unescothes/C02980
heal.classificationURI	http://skos.um.es/unescothes/C03347
heal.classificationURI	http://lod.nal.usda.gov/67947
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2016-02-28
heal.abstract	Το αντικείμενο της παρούσας διπλωματικής εργασίας, αφορά την εξαγωγή ιχνών κτιρίων από δεδομένα LiDAR, τόσο μέσω της τεχνικής Lidargrammetry, όσο και με την ανάπτυξη αυτοματοποιημένων μεθόδων με τεχνικές όρασης υπολογιστών. Η τεχνική Lidargrammetry αφορά στην παραγωγή στερεομοντέλων από εικόνες έντασης, οι οποίες εξάγονται απευθείας από το νέφος σημείων και μπορούν να χρησιμοποιηθούν σε ψηφιακό φωτογραμμετρικό σταθμό για την 3d στερεοαπόδοση γεωχωρικών δεδομένων. Η παραγωγή στερεομοντέλων έντασης βασίζεται στις αρχές των stereo-orthomates και αφορά την κατασκευή μιας παράγωγης εικόνας επί της οποίας εισάγεται κατάλληλη ποσότητα παράλλαξης με τεχνητό τρόπο. Η παράγωγη αυτή εικόνα (mate) σε συνδυασμό με την αρχική, παρουσιάζουν τα χαρακτηριστικά ενός τυπικού στερεοζεύγους ικανού για την επίτευξη στερεοπαρατήρησης και από το οποίο δύνανται να αποδίδονται 3d δεδομένα. Στην παρούσα εργασία έγινε χρήση ενός πυκνού νέφους (55 σημείων/m2), το οποίο αραιώνεται διαδοχικά σε πυκνότητες 20 σημείων/m2 και 5 σημείων/m2. Τα στερεομοντέλα έντασης παράγονται από το κάθε νέφος και με τη χρήση κατάλληλου λογισμικού 3d ψηφιοποίησης, εξάγονται τα ίχνη των κτιρίων στην περιοχή εργασίας. Στη συνέχεια πραγματοποιείται σύγκριση των ιχνών αυτών με αντίστοιχα δεδομένα ελέγχου, προκειμένου να εξαχθούν συμπεράσματα τόσο για την αποτελεσματικότητα της μεθόδου, όσο και το βαθμό στον οποίο η μειούμενη ευκρίνεια των εικόνων έντασης από αραιότερα νέφη, επηρεάζει την φωτοερμηνευτική ικανότητα του χειριστή. Τα παραγόμενα ίχνη, παρουσιάζουν υψηλή χωρική ακρίβεια, η οποία κυμαίνεται μεταξύ 0,5 m και 1,5 m για ποσοστό πάνω από το 90%, καθιστώντας την μέθοδο ικανή για εξαγωγή δεδομένων ακόμα και για μεγάλες κλίμακες διαγραμμάτων. Η αυτοματοποιημένη προσέγγιση στην εξαγωγή ιχνών κτιρίων, αφορά την ανάπτυξη και πειραματική εφαρμογή κατάλληλων αλγορίθμων, οι οποίοι αποδίδουν τα ίχνη με την ελάχιστη παρέμβαση του χειριστή. Η ανάπτυξη των αλγορίθμων γίνεται με την χρήση τεχνικών όρασης υπολογιστών και μαθηματικής μορφολογίας, ενώ ως υπόβαθρα ανίχνευσης χρησιμοποιούνται κατάλληλα προεπεξεργασμένες επιφάνειες DSM από τους παλμούς μονών επιστροφών που παράγονται από το νέφος σημείων. Αναπτύσσονται δύο προσεγγίσεις, οι οποίες βασίζονται στην ανίχνευση ακμών (edge based) και στην ανίχνευση ομοιογενών περιοχών (area-based) αντίστοιχα. Στην πρώτη προσέγγιση πραγματοποιείται απευθείας ανίχνευση των ακμών που συνθέτουν το ίχνος έκαστου κτιρίου, ενώ στην δεύτερη προσέγγιση προηγείται κατάτμηση του υποβάθρου ανίχνευσης με τη μέθοδο του υδροκρίτη. Στη συνέχεια πραγματοποιείται η διαλογή των ανιχνευόμενων αντικειμένων μέσω μιας σειράς φίλτρων, τα οποία επιβάλλουν δεσμεύσεις σχήματος και μεγέθους, ώστε να επιτευχθεί η αφαίρεση των αντικειμένων εκείνων που δεν αντιστοιχούν σε κτίρια. Η εφαρμογή των μεθόδων πραγματοποιείται με τη χρήση ενός απλού DSM, αλλά και με την χρήση ενός υψομετρικά επαναταξινομημένου αντίστοιχου, ενώ η σύγκριση των αποτελεσμάτων με κατάλληλα δεδομένα ελέγχου δείχνει ότι ο συνολικός βαθμός απόδοσης των αλγορίθμων κυμαίνεται κοντά στο 80%. Η χρήση του απλού DSM παρουσιάζει μεγαλύτερη ορθότητα, με μικρό αριθμό εσφαλμένων ανιχνεύσεων και μικρότερη πληρότητα ιχνών, ενώ η χρήση του υψομετρικά επαναταξινομημένου DSM παρουσιάζει μικρότερη ορθότητα και μεγαλύτερη πληρότητα. Οι αντίστοιχες χωρικές ακρίβειες, αν και δεν αποτελούν το κύριο ζητούμενο παρουσιάζονται ικανοποιητικές, με την χρήση του απλού DSM να αποδίδει ίχνη ακρίβειας 0-7 m σε ποσοστό 90%, ενώ η αντίστοιχη χρήση του επαναταξινομημένου DSM αποδίδει ακρίβειες 0-3m για ποσοστό μεγαλύτερο του 90%.	el
heal.abstract	The present Thesis deals with procedures on building footprint extraction from LiDAR data, using the technique of Lidargrammetry, as well as with the development of automated processes with the utilization of computer vision methods. Lidargrammetric technique concerns the production of stereomodels from LiDAR intensity images, which are suitable for use in a digital photogrammetric station and for the 3d stereo-digitization of spatial data. The production of intensity stereomodels is based on the principle of stereo-orthomates, with respect to the extraction of a derivative intensity image, in which a suitable amount of parallax is introduced artificially. This derivative image (mate) combined with the original intensity image, deliver the characteristics of a typical photogrammetric stereomodel, capable for 3d observation and from which 3d data can be extracted. In the present thesis, we use a dense point cloud of 55 points/m2, which is being thinned out to 20 points/m2 and 5 points/m2. Inferred stereo pairs are being produced from each point clouds’ intensity images and with the use of appropriate 3d digitization software, building footprints are being extracted over the study area. These footprints are being compared with control data by a high resolution standard photogrammetric model, in order to investigate the effectiveness of the technique and the degree on which the decreasing resolution of the stereomodels (due to less point cloud density) affects the photointerpretative capabilities of the human handler. The produced lidargrammetric footprints present high spatial accuracy, which ranges between 0.5 m και 1.5 m for an estimated percentage of more than 90%, and thus making the method capable for extracting spatial data suitable even for large scale topographic maps. The automated approach for the extraction of building footprints, concerns the development and experimental application of appropriate algorithms which are capable of detecting buildings, with minimal human intervention. The development of the algorithms is done using computer vision techniques and mathematical morphology, while the used backgrounds for detection are suitably preprocessed DSM surfaces of the single return pulses, generated by the point cloud. Two approaches are being developed, based on the detection of edges and the detection of homogeneous areas respectively. In the first approach a direct detection of the edges constituting the footprint of each building is performed, whereas in the second approach a watershed segmentation of the background is first conducted. Subsequently, a sorting of the detected objects is being performed, through a series of filters which impose shape and size restrictions, in order to remove the detected objects that do not correspond to buildings. The application of the methods is being performed using both a plain DSM and an equivalent elevation reclassified one, and the comparison of the results with appropriate control data, indicates that the overall efficiency of the algorithms ranges around 80%. The use of the plain DSM derives better accuracy (with a small number of false detections) and less footprint completeness, while the use of the elevation reclassified DSM derives less accuracy and better completeness. The corresponding spatial accuracies, although not the main issue are found to be satisfactory, with the usage of the plain DSM to result in footprints of 0-7 m accuracy for a level of 90%, while the corresponding use of the reclassified DSM delivers accuracies of 0-3m for a level more than 90%.	en
heal.advisorName	Ιωαννίδης, Χαράλαμπος	el
heal.committeeMemberName	Γεωργόπουλος, Ανδρέας	el
heal.committeeMemberName	Καρράς, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	127 σ.	el
heal.fullTextAvailability	true